基于深度学习的航拍图像堆烧火检测：FLAME 数据集

野火是美国代价最昂贵且最致命的自然灾害之一，对数百万公顷森林资源造成破坏，并威胁人与动物的生命。尤其重要的是对消防员和作战部队的风险，这凸显了利用技术以最小化人员和财产危险的需求。FLAME（Fire Luminosity Airborne-based Machine learning Evaluation，基于航空的火光机器学习评估）提供了一个火灾航拍图像数据集以及火灾检测和分割方法，可帮助消防员和研究人员制定最优火灾管理策略。本文提供了一个在亚利桑那松林中由无人机采集的 prescribed burning（规定燃烧）堆弃物期间的火灾图像数据集。该数据集包括红外相机捕获的视频记录和热图。所捕获的视频和图像被逐帧标注和标记，以帮助研究人员轻松应用其火灾检测和建模算法。本文还重点给出了两个机器学习问题的解决方案：（1）基于是否存在火焰对视频帧进行二分类。开发了一种人工神经网络（ANN）方法，达到了 76% 的分类准确率。（2）使用分割方法进行火灾检测以精确确定火边界。设计了一种基于 U-Net 上采样和下采样方法的深度学习方法来从视频帧中提取火灾掩码。我们的 FLAME 方法达到了 92% 的精确率和 84% 的召回率。未来研究将利用热图像将该技术扩展至自由燃烧 broadcast fire（广播火）。