الكشف عن الحرائق اعتماداً على الطائرات المسيرة باستخدام نموذج الشبكة العصبية التلافيفية مسبق التدريب
UAV Based Fire Detection Using CNN Pretrained Model
- الباحث
- ميس محمد نبيل عبدالكريم
- المشرف
- شيماء وليد الشمري
- الجامعة
- جامعة النهرين
- الكلية / القسم
- الهندسة / هندسة الحاسوب
- الشهادة
- ماجستير
- السنة
- 2023
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Fire detection;UAV;Convolutional neural network;Transfer learning
الملخص
تعتبر الحرائق من أخطر أنواع الحوادث التي يمكن أن تحدث وقد تسبب أضرارًا جسيمة لحياة الناس وتهدد موردا Lats من خلال الانتشار السريع والخروج عن نطاق السيطرة. يتطلب هذا الجانب المهم نظامًا USS للتحكم فيه في الوقت المناسب. لتحقيق ذلك ، تم اقتراح منصة لنظام آلي كامل للكشف عن الحرائق للتغلب على انتشار الحرائق في أقرب وقت ممكن ¢ من خلال استخدام الطائرات بدون طيار (UAVS) كدور خدمة إنترنت الأشياء المجهز ب Pixhawk4 لوحدة التحكم في الطيران واكتشاف الحرائق على متن الطائرة النظام باستخدام 214 Raspberry و OpenCV الخصائص المحددة لأنظمة الطائرات بدون طيار للسرعة العالية والحركة المرنة والتحكم السهل ، بالإضافة إلى المستشعرات المدمجة في وحدة التحكم في الطيران مثل الجيروسكوب والتسارع والبوصلة ، تجعلها الخيار الأفضل لنظام المراقبة في الوقت الفعلي. من ناحية أخرى ٠، لتحقيق نتائج دقيقة ودقيقة للكشف عن الحرائق ، تم استخدام cei التعلم العميق باستخدام نماذج الشبكات العصبية التلافيفية (CNNs) لمهام الرؤية الحاسوبية عالية الأداء. بناءً على إدخال الفيديو من كاميرا الطائرة بدون طيار. يعرض العمل المقترح نماذج مختلفة لشبكة CNN Vggl6) و Vggl9 و ResNet5O و InceptionV3 و (MobileNetV2 تمت دراسة أداء هذه النماذج وتدريبها على نوعين من مجموعات البيانات (مجموعات البيانات الحرجية والحضرية). علاوة على ذلك ، نظرت الدراسة في التحقيق في تغيير جودة وكمية مجموعة البيانات من خلال aan مجموعة بيانات جديدة ely على صور الحرائق الحضرية بالإضافة إلى مجموعة Gly الغابة ¢ حيث أن معظم الأبحاث المقدمة في هذا المجال مخصصة لمجموعة بيانات الغابات. أظهرت النتائج أن MobileNet2 قد تفوقت على نماذج CNN الأخرى بدقة إجمالية تصل إلى 799,91 أخيرًا ، تم اختبار النظام المقترح بنجاح في البيئة العراقية من خلال الكشف عن الحريق وإرسال موقع الحريق باستخدام رسالة نصية قصيرة في 6" ثانية.
Abstract
Fire is one of the most dangerous types of accidents that can occur and may cause huge harm to people's lives and threaten an environmental resource by spreading quickly and making it out of control. This important aspect requires an intelligent system to control it at the right time. To achieve this, a platform has been proposed for a fully automated fire detection system to overcome fire spreading as soon as possible, by utilizing the UAVs (Unmanned Aerial Vehicles) as an IoT service role equipped with Pixhawk4 for the flight controller and onboard fire detection system using Raspberry Pi4 and OpenCV. The drone systems' particular properties such as high speed, flexible movement, easy control, as well as the embedded sensors in flight controller like gyroscope, accelerometer, and compass, make it the best choice for the real- time monitoring system. On the other hand, to achieve accurate and precise fire detection results, the deep learning approach has been utilized using Convolutional Neural Networks (CNNs) models for high-performance computer vision missions, based on the video input from the drone's camera. The proposed work presents different CNN models (Vgg16, Vgg19, ResNet50, InceptionV3, and MobileNetV2). The performance of these models has been studied and trained on two types of datasets (forest and urban datasets). Furthermore, the study considered looking into improving the quality and quantity of the dataset by collecting a new dataset based on urban fire images in addition to the forest dataset, as most of the research presented in the field is dedicated to the forest dataset. The results revealed that MobileNetv2 had outperformed the other CNN models with an overall accuracy of up to 99.96%. Finally, the proposed system was tested successfully in the Iraqi environment by detecting the fire and sending the location of the fire to the mobile phone using an SMS message in 36 sec.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.