IT之家 3 月 6 日新闻，一项最新研讨标明，一种模仿人脑功效的人工智能技巧无望成为主动检测野火的强盛东西，年夜幅收缩应答野火警难性影响所需的时光。该技巧经由过程联合卫星成像技巧跟深度进修（人工智能跟呆板进修的一个子范畴）构建了“人工神经收集”模子，其研讨结果已宣布在偕行评审的《国际遥感杂志》上。
据IT之家懂得，研讨团队应用亚马逊雨林的图像数据集对模子停止练习，此中包括有野火跟无野火的图像，成果表现该模子的胜利率到达 93%。该技巧可能与现有的人工智能体系相联合，以加强晚期预警体系并改良野火应答战略。“检测并应答野火对维护这些懦弱生态体系至关主要，亚马逊地域的将来取决于武断且敏捷的举动。”该研讨的重要作者、来自巴西马瑙斯亚马逊联邦年夜学的辛蒂亚・埃莱特里奥教学表现，“咱们的研讨结果不只能够改良亚马逊生态体系中的野火检测，还能为寰球其余地域的相干任务供给主要助力，明显帮助政府应答跟治理此类变乱。”2023 年，亚马逊地域共产生了 98,639 起野火，而亚马逊雨林占巴西生物群落野火总数的 51.94%。比年来，该地域野火变乱明显增添。现在，亚马逊地域的监测供给濒临及时的数据，但其辨别率无限，难以在偏僻地域或小范围火警中检测到细节。为处理这一成绩，研讨团队采取了一种名为“卷积神经收集”（CNN）的人工神经收集技巧。CNN 是一种模拟人脑神经收188金宝搏官网登录集的呆板进修算法，经由过程互联节点处置数据。跟着数据量的增添，该算法的机能会一直晋升。研讨团队应用来自 Landsat 8 跟 9 号卫星的图像对 CNN 停止练习，这些卫星装备了近红外跟短波红别传感器，对检测植被变更跟地表温度变更至关主要。在练习进程中，CNN 应用了 200 张包括野火的图像跟等同数目的无野火图像，只管样本数目无限，但 CNN 在练习阶段已到达 93% 的正确率。随后，研讨职员应用 40 张未包括在开元电子app官方网站练习数据会合的图像对 CNN 的辨别才能停止测试，成果标明，该模子准确分类了 24 张有野火图像中的 23 张，以及 16 张无野火图像中的全体图像，展示了其强盛的泛化才能跟作为无效野火检测东西的潜力。“CNN 模子能够作为现有监测体系的主要弥补，为特定地区供给更具体的剖析。经由过程将现有传感器的普遍时光笼罩与咱们模子的空间精度相联合，咱们能够在要害情况维护地区明显晋升野火监测才能。”该研讨的独特作者、物理学博士卡洛斯欧洲杯app排行榜・门德斯教学表现，“该模子无望为相干政府供给更进步、更当地化的野火检测方式，作为普遍应用的卫星遥感体系（如平分辨率成像光谱仪 MODIS 跟可见红外成像辐射仪 VIIRS）的无力弥补。”瞻望将来，研讨团队倡议增添 CNN 练习图像的数目，以构建更强盛的模子。别的，他们还指出，CNN 技巧还能够利用于其余范畴，比方监测跟把持丛林砍伐。