Early forest fire detection and prevention using ai powered drones and the IoT

Abstract

Orman yangınları, mali kayıplara, insan ölümlerine ve çevresel hasara neden olabilecek önemli bir doğal afettir. Orman yangınlarının şiddetinin ve sıklığının artması nedeniyle, orman yangını yönetimi ve tespiti son zamanlarda dünya çapında artan ilgi gördü. Potansiyel risk alanlarının izlenmesi ve erken yangın tespiti, reaksiyon süresinin kısaltılması ve potansiyel hasarın azaltılması için kritik faktörlerdir. Uydu görüntüleme ve uzaktan kamera tabanlı algılama gibi geleneksel orman yangını algılama teknikleri gecikme ve düşük güvenilirlikten muzdariptir. Bu yüksek lisans tezi, bu sınırlamaların üstesinden gelmek için orman yangını algılama, algılama ve söndürme için yeni bir havadan İHA tabanlı IoT (UIoT) sistemi önermektedir. Büyük ölçekli dağıtım için düşük maliyetli ve az bakım gerektiren yangın algılama IoT düğümlerinin tasarımını sunar. Ayrıca, UIoT sistemleri için LoRaWAN protokolünü kullanan çeşitli bağlantı mimarileri önerir, araştırır ve raporlar. Kesin yangın lokalizasyonu için bir arazi haritalama çalışmasında orman ağaçlarının coğrafi konumlarını belirliyoruz. Ardından, yangın yerini doğru bir şekilde tespit etmek ve yeni nesne algılama ve izleme algoritmamızı kullanarak takip etmek için görsel kameralı otonom bir drone konuşlandırıyoruz. İzleme, analiz ve raporlama için bir bulut arka uç sunucusu kullanıyoruz. Önerilen sistem, yangının tutuşmasından itibaren 1-5 dakika içinde güvenilir bir şekilde yangını algılamıştır. Yangın algılama ve izleme algoritmamız %99,46 doğruluk ve ortalama %99,64 doğruluk elde etti. Sayısal sonuçlar, önerilen İHA-IoT tabanlı yangın algılamanın, güç tüketimini en aza indirirken ve pil ömrünü artırırken, en son teknoloji uydu görüntüleme tekniklerine göre daha hızlı ve daha güvenilir bir orman yangını algılama ve söndürme çözümü sunduğunu göstermektedir.

Wildfires are a significant natural hazard that can result in financial losses, human deaths, and environmental damage. Due to the rising severity and frequency of wildfires, wildfire management and detection have received increased attention recently worldwide. Monitoring potential risk areas and early fire detection are critical factors for shortening the reaction time and reducing the potential damage. Conventional wildfire detection techniques, such as satellite imaging and remote camera-based sensing, suffer from latency and low reliability. This master thesis proposes a novel airborne UAVbased IoT (UIoT) system for wildfire sensing, detection, and extinguishing to tackle these limitations. It presents the design of low-cost and low-maintenance fire- detecting IoT nodes for large-scale deployment. It also proposes, investigates, and reports on several connectivity architectures using the LoRaWAN protocol for UIoT systems. We geolocate forest trees in a terrain-mapping exercise for precise fire localization. We then deploy an autonomous drone with a visual camera to accurately detect the fire location and track it using our novel object detection and tracking algorithm. We use a cloud back-end server for monitoring, analysis, and reporting. The proposed system detected fire reliably within 1-5 minutes of fire ignition. Our fire detection and tracking algorithm achieved an accuracy of 99.46% and a mean average precision of 99.64%. Numerical results suggest that the proposed UAV-IoT-based fire detection offers a faster and more reliable wildfire detection and extinguishing solution than state-of-the-art satellite imaging techniques while minimizing power consumption and increasing the battery lifespan