Система искусственного интеллекта определяет здания, поврежденные лесным пожаром

Люди во всем мире страдают от нервного беспокойства, ожидая недель или месяцев, чтобы узнать, не пострадали ли их дома от лесных пожаров, которые разгораются с возрастающей интенсивностью. Теперь, когда дым рассеялся для аэрофотосъемки, исследователи нашли способ идентифицировать повреждения здания за считанные минуты.


С помощью системы, которую они называют DamageMap, команда из Стэнфордского университета и Калифорнийского политехнического государственного университета (Cal Poly) привнесла подход искусственного интеллекта к оценке зданий: вместо сравнения фотографий до и после они обучили программу с использованием машины. учиться полагаться исключительно на изображения после пожара. Результаты представлены в Международный журнал снижения риска бедствий.

«Мы хотели автоматизировать этот процесс и сделать его намного быстрее для служб быстрого реагирования или даже для граждан, которые могут захотеть узнать, что случилось с их домом после лесного пожара», – сказал ведущий автор исследования Мариос Галанис, аспирант кафедры гражданской и экологической инженерии. Отделение Стэнфордской инженерной школы. «Результаты нашей модели находятся на одном уровне с человеческой точностью».

Текущий метод оценки ущерба предполагает обхода людей от двери к двери, чтобы проверить каждое здание. Хотя DamageMap не предназначен для замены личной классификации повреждений, ее можно использовать в качестве масштабируемого дополнительного инструмента, предлагая немедленные результаты и предоставляя точное местоположение идентифицированных зданий. Исследователи проверили его, используя различные спутниковые, аэрофотоснимки и фотографии с дронов с точностью не менее 92 процентов.

«С помощью этого приложения вы, вероятно, сможете просканировать весь Райский город за несколько часов», – сказал старший автор Дж. Эндрю Фрикер, доцент Калифорнийского политехнического университета, имея в виду город в Северной Калифорнии, разрушенный пожаром в лагере в 2018 году. «Я надеюсь, что это может предоставить больше информации для процесса принятия решений для пожарных и аварийно-спасательных служб, а также помочь пострадавшим от пожара, получая информацию, которая поможет им подать страховые иски и вернуться к нормальной жизни».

Другой подход

Большинство вычислительных систем не могут эффективно классифицировать повреждения зданий, потому что ИИ сравнивает фотографии после бедствия с изображениями до бедствия, которые должны использовать тот же спутник, угол камеры и условия освещения, получение которых может быть дорогостоящим или недоступным. Современное оборудование недостаточно продвинуто для ежедневной записи видеонаблюдения с высоким разрешением, поэтому, по словам исследователей, системы не могут полагаться на согласованные фотографии.

Вместо того, чтобы искать различия между изображениями до и после, DamageMap сначала использует предварительные фотографии любого типа для нанесения на карту местности и точного определения местоположения зданий. Затем программа анализирует изображения, полученные после пожаров, чтобы определить повреждения по таким признакам, как почерневшие поверхности, обвалившиеся крыши или отсутствие конструкций.

«Люди могут сказать, повреждено здание или нет – нам не нужно изображение до – поэтому мы проверили эту гипотезу с помощью машинного обучения», – сказал соавтор Кришна Рао, аспирант кафедры наук о Земле в Стэнфордской школе. наук о Земле, энергии и окружающей среде (Stanford Earth). «Это может быть мощным инструментом для быстрой оценки ущерба и планирования усилий по восстановлению после сбоев».

0 Комментарий
Inline Feedbacks
View all comments