Como a IA detecta fumaça de incêndios florestais?

Aprendendo a aparência da fumaça

O treinamento começa com exemplos. Os pesquisadores fornecem ao modelo imagens rotuladas para indicar se há fumaça, às vezes marcando seu contorno ou sua localização. Imagens sem fumaça também importam: ajudam o modelo a aprender quais elementos da paisagem não devem gerar um alerta.

Um exemplo publicado é a FIgLib, uma coleção de imagens de câmeras de incêndios florestais rotuladas. O modelo SmokeyNet que a acompanha analisa imagens sucessivas, combinando informações sobre aparência com mudanças ao longo do tempo. Uma pluma em desenvolvimento oferece indícios que uma única imagem estática pode não mostrar.

O teste importante vem depois. O modelo consegue reconhecer fumaça de incêndios que nunca viu? Separar os dados de treinamento e teste por incêndio, como fizeram os pesquisadores, ajuda a evitar que o modelo seja recompensado por reconhecer cenas familiares.

Da imagem ao alerta

Após o treinamento, o modelo examina novas imagens de câmeras. Alguns sistemas dividem uma imagem grande em recortes menores para que uma pluma distante não desapareça quando a imagem inteira é reduzida. Um estudo de 2020 sobre câmeras remotas de incêndios florestais usou essa abordagem.

O modelo atribui uma pontuação a uma possível detecção. O software decide, então, se ela atende às regras para gerar um alerta. Essas regras podem considerar detecções repetidas ou filtrar distrações recorrentes.

Um relato operacional da rede de câmeras HPWREN descreve o ajuste dos limiares de alerta e o uso de alarmes falsos anteriores para melhorar o treinamento. Isso mostra por que o software ao redor do modelo e a avaliação contínua também importam.

A pontuação do modelo é um sinal para investigar, não uma prova de incêndio. Reduzir o limiar de alerta pode identificar mais possíveis sinais de fumaça, mas também gerar mais alarmes falsos. Aumentá-lo pode reduzir interrupções e, ao mesmo tempo, deixar alguns incêndios passarem.

Por que pode haver erros

Há duas falhas básicas: sinalizar algo que não é fumaça e não perceber a fumaça presente. Os pesquisadores do SmokeyNet descrevem nuvens, névoa e neblina como semelhanças visuais difíceis. Plumas muito pequenas ou tênues são outro desafio. Nosso guia sobre fumaça, neblina e poeira explica por que ocorrem alarmes falsos e como avaliá-los.

Uma câmera também precisa de uma vista útil. Uma crista pode ocultar a origem de um incêndio. A fumaça precisa se tornar visível dentro da cobertura da câmera antes que um sistema baseado em imagens consiga reconhecê-la. Instalar um software não elimina esses limites físicos.

A capacidade noturna merece uma pergunta separada. Imagens comuns à luz do dia, visão noturna no infravermelho próximo e imagens térmicas fornecem informações diferentes. O ALERTCalifornia descreve tanto câmeras de infravermelho próximo quanto trabalhos com imagens no infravermelho térmico. Uma afirmação sobre detecção diurna de fumaça não deve ser interpretada como evidência de desempenho equivalente após escurecer.

O que torna um alerta útil?

A detecção é só o começo. No fluxo assistido por IA do ALERTCalifornia, observadores treinados analisam possíveis ocorrências antes de confirmá-las. O julgamento humano conecta um sinal automatizado a uma decisão operacional.

As informações também precisam chegar às pessoas certas. O US Government Accountability Office identifica a comunicação remota e a verificação de incêndios como desafios práticos das tecnologias de detecção. Uma imagem promissora é menos útil se ninguém a recebe rapidamente ou sabe o que fazer em seguida.

Para o responsável por uma área, perguntas úteis incluem com que frequência ocorrem alertas falsos, quão rapidamente a fumaça visível é sinalizada e o que acontece quando uma câmera fica offline. Peça resultados de condições semelhantes às do seu local, incluindo condições meteorológicas e iluminação difíceis. Nosso guia sobre o uso de câmeras de segurança existentes para detectar incêndios apresenta seis verificações práticas.

Nosso artigo sobre a velocidade de propagação de um incêndio florestal mostra por que esses minutos importam. Informações antecipadas criam uma oportunidade de agir; o plano de resposta determina como ela será usada.