星载约束下的在轨实时野火检测
计算机视觉与模式识别
2026-05-08 v1 硬件体系结构
摘要
我们提出了一种部署在九星商业热红外星座上的在轨野火检测系统，该系统在严苛的联合约束下运行：模型占用空间小于 1 MB，在 NVIDIA Jetson Xavier NX 上每批次 TensorRT FP16 推理时间小于 150 ms，以及从卫星过境到火情事件通信的端到端警报流水线目标时间低于 10 分钟。该系统在 200 m 地面采样距离下运行于未定标的中波红外 (MWIR) 单波段图像，在极端的类别不平衡下，火灾通常表现为亚像素或单像素热异常——当前主导业务火灾监测的上下文热阈值流水线 (MODIS, VIIRS) 未能解决这些挑战。我们使用专有的九星 MWIR 数据集，对该场景下的轻量级密集表征学习进行了实证研究。我们比较了密集掩码自编码器 (DenseMAE) 和混合的 DenseMAE+EMA（指数移动平均）蒸馏变体，并在极端类别不平衡下通过线性探测和全分布像素级平均精度 (AP) 评估表征。DenseMAE 预训练在延迟-准确率帕累托前沿上实现了紧凑的下游模型：我们最快的自监督预训练模型实现了 0.640 的测试 AP 和 0.69 的事件级 Fire-F1，每批次延迟为 65.34 ms，引擎大小为 0.52 MB，且无需剪枝或压缩。最佳配置在小于 1 MB 的情况下达到了 0.699 AP 和 0.744 Fire-F1，在可比约束下优于监督基线 (0.650 AP)。
引用
@article{arxiv.2605.06273,
title = {On-Orbit Real-Time Wildfire Detection Under On-Board Constraints},
author = {Matthias Rötzer and Veronika Pörtge and Martin Ickerott and Jayendra Praveen Kumar Chorapalli and Dimitri Scheftelowitsch and Max Bereczky and Dmitry Rashkovetsky and Sai Manoj Appalla and Julia Gottfriedsen},
journal= {arXiv preprint arXiv:2605.06273},
year = {2026}
}