Dissertação

{en_GB=Fire and smoke detection using Fully Supervised training Methods and search by Quadtree} {} EVALUATED

{pt=Os incêndios são uma das catástrofes naturais mais destrutivas e incontroláveis enfrentadas pela humanidade. As equipas de combate a incêndios podem beneficiar imensamente de uma fonte de informação fiável sobre os diferentes aspectos relacionados com um incêndio. Ao localizar, em tempo real, a posição actual das frentes de incêndio, uma melhor estratégia de combate pode ser desenvolvida de modo a ajudar eficiência das operações. É também fundamental, a detecção das primeiras ignições de incêndio de modo a tomar medidas o mais rapidamente possível. Este trabalho propõe um método original de aprendizagem profunda para a detecção de fogo e fumo recorrendo a imagens aéreas de fogos florestais. Treinámos tanto um classificador de imagem como uma rede de segmentação a fim de detectar a presença de fogo/fumo e de localizar as regiões das imagens que contêm os respetivos fenómenos. Associada à componente de detecção, utilizámos um algoritmo inovador de Quad-Tree para aumentar a precisão das detecções, processando as imagens em parcelas mais pequenas. O sistema proposto foi capaz de produzir segmentações com um elevado nível de precisão e detalhe, conseguindo um Avg. IoU de 0,88 para o fogo e 0,83 para a classe de fumo num conjunto de imagens aéreas de teste. O sistema provou ser altamente capaz de ser utilizado num cenário de incêndio real. , en=Wildfires are one of the most destructive and uncontrollable natural disasters faced by man-kind. The fire-fighting combat teams can greatly benefit from a reliable source of information about the different aspects within a fire scene. By locating, in real time, the current position of the fire fronts, a better fighting strategy can be developed to help the efficiency of the operations. It is also critical, the detection of the early fire ignitions to take action as soon as possible. This work proposes an original deep learning method for fire and smoke detection using aerial images of wildfires. We trained both a full image classifier and a segmentation network in order to detect the presence of fire/smoke and to localize the regions of the images containing said phenomenon. Along side the detection component, we used an innovative Quad-Tree algorithm to increase the precision of the detections, processing the images into smaller patches. The proposed system was able to produce segmentations with a high level of precision and detail, achieving an Avg. IoU of 0.88 for fire and 0.83 for the smoke class on a test aerial image dataset. The system proved to be highly capable of being used on a real fire scenario.}
{pt=Deteção de Chama, Deteção de Fumo, Imagens Aéreas, Incêndios Florestais, Redes Neurais Convolucionais., en=Fire Detection, Smoke Detection, Aerial Images, Wildfire, Convolutional Neural Networks.}

Fevereiro 3, 2021, 14:0

Orientação

ORIENTADOR

Ricardo Adriano Ribeiro

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar Convidado

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado