ForestProtector: 一种集成机器视觉和深度强化学习的高效野火监测物联网架构
人工智能
2025-12-29 v2 计算机视觉与模式识别
摘要
森林火灾的早期检测对于最小化其造成的环境和社会经济损失至关重要。事实上，火灾的持续时间直接与扑灭的难度和成本相关。例如，燃烧1分钟的火灾可能需要1升水扑灭，而燃烧2分钟的火灾可能需要100升，燃烧10分钟的火灾可能需要1000升。另一方面，基于新技术（如遥感、PTZ摄像机、无人机）的现有火灾检测系统通常成本高昂且需要人工干预，使得大面积连续监测不切实际。为了解决这一挑战，本文提出了一种低成本的森林火灾检测系统，该系统利用一个具有计算机视觉能力的中央网关设备，在远距离监测360°视场中的烟雾。一个深度强化学习智能体通过动态控制摄像机的方向来增强监控，利用来自分布式物联网设备的实时传感器数据（烟雾水平、环境温度和湿度）。这种方法能够实现大范围区域的自动化野火监测，同时减少误报。
引用
@article{arxiv.2501.09926,
title = {ForestProtector: An IoT Architecture Integrating Machine Vision and Deep Reinforcement Learning for Efficient Wildfire Monitoring},
author = {Kenneth Bonilla-Ormachea and Horacio Cuizaga and Edwin Salcedo and Sebastian Castro and Sergio Fernandez-Testa and Misael Mamani},
journal= {arXiv preprint arXiv:2501.09926},
year = {2025}
}
备注
Accepted for publication in the proceedings of the 11th International Conference on Automation, Robotics, and Applications (ICARA 2025)