Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Safety & Fire Technology

1 2024

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: systemy prewencji przeciwpożarowej

Sortuj według:

Ogranicz wyniki do:

Mechanisms for Data Acquisition to Train Artificial Intelligence Models for Detecting Increased Susceptibility to Fire Situations by Using Internet of Things Devices and Satellite Systems

100%

Jurczyński D. , Buchwald P.

Safety & Fire Technology

2024

tom Vol. 63, iss. 1

34--43

Purpose: Exploration and developing mechanisms of advanced data acquisition necessary for training an artificial intelligence model capable of effectively detecting areas with increased susceptibility to fire situations. The study focuses on utilizing data from satellite missions and ground-based sensors, which provide both high-resolution imagery and precise data on temperature, humidity, and other environmental factors. By analysing these diverse data sources, the research aims to create a comprehensive and efficient model capable of early detection of potential fire hazards, which is crucial for prevention for fire-prone situations. Project and methods: It centres on a project that aims to enhance fire detection and management through the integration of artificial intelligence with data acquired from satellite systems and internet of things devices. The methodologies employed in this project involve a combination of advanced data acquisition, machine learning techniques, and the synthesis of diverse environmental data to train artificial intelligence models that can predict and detect fire incidents more effectively. Results: Significant advancements in fire detection and management have been demonstrated through the integration of artificial intelligence (AI) with satellite data and IoT: 1. Enhanced monitoring capabilities the use of satellite data systems enabled real-time monitoring of thermal anomalies and vegetation health, crucial for early detection and effective monitoring of wildfires. This real-time capability allowed for quicker responses and more informed decision-making in firefighting efforts. 2. Effective integration of data sources: the integration of satellite and surface data proved to be effective in enhancing the predictive capabilities of the fire management systems. This comprehensive approach allowed for a better understanding of fire dynamics and contributed to more accurate and timely predictions. Conclusions: It could be emphasize the significant benefits and future potential of integrating artificial intelligence with satellite and internet of things data for improving fire detection and management. The integration of satellite imagery and internet of things sensor data is essential for enhancing the predictive accuracy of artificial intelligence systems. This integration allows for a comprehensive assessment of fire risks, providing actionable intelligence that is critical for prevention for fire-prone situations. These conclusions underscore the transformative potential of artificial intelligence in enhancing fire management systems.

Cel: Artykuł poświęcony jest zagadnieniu badań i rozwoju zaawansowanych mechanizmów pozyskiwania danych niezbędnych do szkolenia modelu sztucznej inteligencji zdolnego do efektywnego wykrywania obszarów o zwiększonej podatności na sytuacje pożarowe. W pracy skupiono się na wykorzystaniu danych z misji satelitarnych oraz czujników naziemnych, które dostarczają zarówno obrazów o wysokiej rozdzielczości, jak i precyzyjnych danych dotyczących temperatury, wilgotności oraz innych czynników środowiskowych. Poprzez analizę tych różnorodnych źródeł danych, badanie ma na celu stworzenie kompleksowego i efektywnego modelu zdolnego do wczesnego wykrywania potencjalnych zagrożeń pożarowych, co jest kluczowe w zapobieganiu klęskom żywiołowym i minimalizowaniu ich skutków. Projekt i metody: Metodologie zastosowane w tym projekcie obejmują połączenie zaawansowanego pozyskiwania danych, technik uczenia maszynowego oraz syntezę różnorodnych danych środowiskowych do szkolenia modeli AI, tak aby mogły przewidywać i wykrywać incydenty pożarowe bardziej efektywnie. Wyniki: Wykazano wyraźny postęp w wykrywaniu pożarów i zarządzaniu nimi dzięki zastosowaniu integracji sztucznej inteligencji (AI) z danymi satelitarnymi i internetu rzeczy (IoT): 1. Rozszerzone możliwości monitorowania: Wykorzystanie systemów danych satelitarnych umożliwiło monitoring w czasie rzeczywistym anomalii termicznych oraz stanu zdrowotnego roślinności, istotnych z perspektywy wczesnego wykrywania i skutecznego monitorowania pożarów. Ta zdolność pozwoliła na szybsze reakcje i bardziej świadome podejmowanie decyzji w działaniach przeciwpożarowych. 2. Skuteczna integracja źródeł danych: Integracja danych satelitarnych i naziemnych okazała się skuteczna w zwiększaniu zdolności predykcyjnych systemów zarządzania pożarami. To kompleksowe podejście pozwoliło na lepsze zrozumienie dynamiki pożarów i przyczyniło się do dokładniejszych i bardziej aktualnych prognoz. Wnioski: Można podkreślić znaczące korzyści i przyszły potencjał integracji sztucznej inteligencji (AI) z danymi satelitarnymi i IoT w celu poprawy wykrywania pożarów. Połączenie obrazowania satelitarnego i danych z czujników IoT jest niezbędne do zwiększenia dokładności predykcyjnej systemów AI. Ta integracja umożliwia kompleksową ocenę ryzyka pożarowego poprzez dostarczanie informacji istotnych dla prewencyjnych strategii zarządzania pożarami. Powyższe wnioski świadczą o transformacyjnym potencjale AI w poprawie systemów zarządzania pożarami.