SmokeFinder - wspomagany algorytmami sztucznej inteligencji system wizyjnej detekcji dymu

• Autorzy: Zuchniak Konrad , Kosk Eryk , Jaglarz Piotr

Identyfikatory

DOI

10.15199/59.2023.4.41

Warianty tytułu

EN

SmokeFinder - a visual smoke detection system supported by artificial intelligence algorithms

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (20-22.09.2023 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

SmokeFinder to system umożliwiający stałe analizowanie obrazu pochodzącego z kamer obserwacyjnych w celu wyszukiwania dymu w lesie. W przypadku wykrycia nawet niewielkich słupków dymu do operatora systemu wysyłane są ostrzeżenia. Zaawansowane algorytmy uczenia maszynowego analizują dane zebrane z kamery obserwacyjnej w czasie rzeczywistym. W przypadku wykrycia dymu ustalana jest jego lokalizacja. Dane z wielu kamer są łączone w celu usprawnienia akcji gaśniczej. W przypadku potwierdzenia zagrożenia automatycznie zaalarmowane zostaną odpowiednie lokalne jednostki straży pożarnej.

EN

SmokeFinder is a system that allows to constantly analyze the image from surveillance cameras in order to search for smoke in the forest. If even small pillars of smoke are detected, alerts are sent to the system operator. Advanced machine learning algorithms analyze the data collected from the observation camera in real time. If smoke is detected, its location is determined. Data from multiple cameras are combined to improve firefighting. If the threat is confirmed, the relevant local fire departments will be automatically alerted.

Słowa kluczowe

PL

przetwarzanie brzegowe; strumieniowanie wideo; uczenie maszynowe; widzenie maszynowe

EN

edge computing; video streaming; machine learning; machine vision

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2023
• Tom: nr 4
• Strony: 194--197
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Zuchniak Konrad

• Neuralbit Technologies, Kraków

autor

Kosk Eryk

• Neuralbit Technologies, Kraków

autor

Jaglarz Piotr

• Neuralbit Technologies, Kraków

Bibliografia

• [1] Lascio Rosario Di, Greco Antonio, Saggese Alessia, Vento Mario. 2014. "Improving fire detection reliability by a combination of videoanalytics". International Conference Image Analysis and Recognition, 477–484.
• [2] Strona internetowa zbioru danych "Croatioa Smoke Dataset", http://wildfire.fesb.hr/index.php?option=com_content&view=article&id=49&Itemid=54
• [3] Strona internetowa repozytorium programu LabelImg, https://github.com/heartexlabs/labelImg
• [4] Everingham Mark, Van Gool Luc, Williams Christopher KI, Winn John, Zisserman Andrew. 2010. "The pascal visual object classes (voc) challenge". International journal of computer vision, 303–338.
• [5] Strona internetowa dokumentacji Open Weather , https://openweathermap.org/api
• [6] Reda Ibrahim, Andreas Afshin. 2008. "Solar position algorithm for solar radiation applications (revised)". ational Renewable Energy Lab.(NREL), Golden, CO (United States).

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).