Аннотация — Расследование показало, что 80 % убытков, вызванных пожаром, можно было бы избежать, если бы пожар был обнаружен на ранней стадии. Не менее половины всех лесных пожаров происходит по неосторожности: плохо потушенный окурок, брошенный на землю, неуправляемый шашлык, … Вот почему среди населения регулярно распространяются инструкции об опасных действиях, особенно в районах повышенной опасности. Другой причиной возгорания, которую нельзя упускать из виду, является источник тепла, который может быть вызван отражением солнечного света от отражающих предметов, таких как битое стекло. В этой статье мы предлагаем метод, используемый для обнаружения этих источников огня.

ВВЕДЕНИЕ. Лесные пожары — это неконтролируемые пожары, возникающие в лесных массивах. Важно различать эти типы пламени как можно раньше, чтобы свести к минимуму повреждение биологической основы, и почему бы не попытаться обнаружить источники, которые могут создавать это пламя. Земля, на которой расположены леса, сожжена, что затрудняет развитие растительности из-за тенденции почвы становиться водоотталкивающей и больше не содержать воду. Согласно Докладу о глобальном потеплении 2008 г., быстрое распространение пожаров является одним из основных факторов и реальной причиной повышения температуры Земли. CAMS показывает, что в период с 1 января по 30 ноября 2019 года в атмосферу было выброшено около 6 375 мегатонн CO2. Многие из них попали в заголовки газет по всему миру, включая пожары на Амазонке, пожары в Индонезии, лесные пожары в Арктике и лесные пожары. в Австралии. Но некоторые менее известные пожары также оказали значительное влияние на окружающую среду и качество воздуха, особенно в Колумбии, Венесуэле, Сирии и Мексике. Огромные облака дымовых шлейфов, покрывающие миллионы квадратных километров, были замечены на спутниковых снимках пожаров в западной части Амазонки. 2019 год стал рекордным по количеству лесных пожаров. Частыми причинами пожаров являются молнии, сильная жара и сухой климат, а также неосторожность человека. Использование беспроводного датчика в этой статье знакомит с одним из методов раннего прогнозирования лесных пожаров.

КОНСТРУКЦИЯ СИСТЕМЫ Обнаружение причин лесных пожаров как можно раньше путем измерения отражения света от земли.

(1). Оборудование-

• Узел MCU

(2) Блок-схема — работу системы можно объяснить в 5 шагов:  Дрон сканирует по заданной траектории  Датчик освещенности используется для обнаружения любых источников света, исходящих от земли, и посылает их к микроконтроллеру. Как только он считывает значение интенсивности света, он сравнивает его с пороговым значением, установленным в соответствии с мощностью, которая может вызвать пожар  Когда значение больше или равно установленному порогу, записываются GPS-координаты обнаруженной точки в базе данных сервера с помощью IOT (3G Shield) для лучшего исследования и облегчения доступа к этим местам. Передача этой информации передатчиком: при приеме информации микроконтроллером передатчик отправляет информацию на сервер SBGD-бенефициара для использования. Микроконтроллер является основой схемы оборудования, он управляет и обеспечивает работу всей схемы, в данном случае схемы передатчика. Текстовое сообщение, содержащее сведения об этом расположении, отправляется в группу безопасности Fire.

  • ДАТЧИК LDR (TEMT6000)
  • 3G/GPRS/GPS ЩИТ
  • ДРОН
  • PCB(ПЕЧАТНАЯ ПЛАТА)
  • ТРАНСФОРМАТОР
  • РЕГУЛЯТОР НАПРЯЖЕНИЯ
  • ДРОН
  • ОБЗОР ЛИТЕРАТУРЫ- Как правило, система видеонаблюдения наиболее широко используется для выявления лесных пожаров. Существует четыре классификации: чувствительные видеокамеры в безошибочном световом диапазоне для распознавания дыма посреди солнца и пламени огня ночью, инфракрасные (ИК) тепловизионные камеры для обнаружения теплового перехода огня, ИК-спектрометр, который необычайно различает дымовые газы и система обнаружения и определения дальности света (ЛИДАР), которая измеряет лазерный свет, обратно рассеянный частицами дыма. Ограничением этих систем был высокий уровень ложных срабатываний из-за климатических условий, например, близости к туману, теням, чистым частицам и т. д., которые могли вызвать ложные срабатывания. Другая стратегия заключается в использовании визуальных камер, которые делают снимки леса для идентификации пожара. Эти камеры были установлены на самых высоких соединительных башнях. Представлен вращающийся двигатель, чтобы дать полный обзор леса. Прогнозирование и моделирование распространения лесных пожаров является важной задачей с вычислительной точки зрения из-за сложности задействованных моделей, необходимости использования численных методов и ресурсов, необходимых для расчета. Лесные пожары представляют большую экологическую опасность. Основные подходы, которые использовались для решения этой проблемы, начинаются с обнаружения пожара, где применяются различные методы. После обнаружения пожара важно создать прогнозы, которые должны помочь в принятии решения в таких ситуациях реагирования на чрезвычайные ситуации. Наконец, существуют сложные модели, которые решают проблему лесных пожаров, пытаясь предсказать их развитие и свести к минимуму связанные с ними риски. Другие гибридные системы искусственного интеллекта применяются для прогнозирования развития лесных пожаров. Существуют системы прогнозирования пожаров, в которых используется метод CBR, основанный на прецедентах, который берет свое начало в системах, основанных на знаниях. Системы CBR решают новые проблемы, приобретая необходимые знания из предыдущих ситуаций. Основным элементом системы CBR является база прецедентов, структура, в которой хранится информация, используемая для выработки новых решений. Возможности обучения CBR-систем обусловлены их собственной структурой, состоящей из четырех основных этапов: восстановление, повторное использование, просмотр и хранение. Первый шаг называется восстановлением и состоит в поиске случаев, наиболее похожих на новую проблему. После извлечения набора случаев из базы данных случаев они повторно используются системой. На этом втором этапе выбранные случаи адаптируются к новой проблеме. После применения нового решения проблемы решение проверяется для проверки его работоспособности. Если это приемлемое решение, оно затем сохраняется системой и, возможно, может быть использовано в качестве решения будущих проблем. В качестве методологии CBR используется для решения самых разных задач.

(3) Стадия проектирования — общий план этой структуры для обнаружения и наблюдения за объектами, вызывающими лесные пожары, был в основном разделен на четыре раздела: — Взаимодействие датчиков с передатчиком — Взаимодействие и программирование модуля SIM808. GSM GPRS GPS партия GPS с Arduino — Сопряжение и программирование модуля SIM808 GSM GPRS GPS партия GSM (4G) с Arduino. — Взаимодействие и программирование коллектора и передатчика с помощью Arduino.

ЗАКЛЮЧЕНИЕ. Раннее предотвращение и быстрое реагирование до возникновения пожара являются основными подходами к предотвращению невероятного ущерба и неблагоприятных последствий. Поэтому наиболее важными задачами при наблюдении за объектами, вызывающими возгорание, являются быстрое и надежное выявление и ограничение возгорания. Гораздо проще предотвратить пожар до его начала. Данные о расположении этих объектов также очень полезны для управления пожаром до его начала. Используя эти данные, пожарный персонал может ориентироваться в том, как сосредоточиться на предотвращении пожара до того, как он достигнет социальных пунктов назначения, и быстро потушить его с помощью необходимого оборудования и транспортных средств…

ССЫЛКИ- [1] Стипаничев Д., Вуко Т., Крстинич Д., Стула М., Бодрозич Л., «Защита от лесных пожаров с помощью усовершенствованной системы видеообнаружения, Хорватский опыт», Сплит, Хорватия, 2006 г.

[2] Тобера, Р., Крюль, В., и Виллмс, И., 2009 г. Оптические датчики дыма и газа как дополнительный метод ранней проверки лесных пожаров, 14-я Международная конференция по автоматическому обнаружению пожаров, AUBE '09, Дуйсбург, Германия .

[3] Крюль В., Тобера Р., Виллмс И., фон Валь Н., Хайнен С., 2008 г. Комплексный подход к раннему обнаружению и тушению лесных пожаров, Первая международная конференция по методам дистанционного зондирования в Управление стихийными бедствиями и реагирование на чрезвычайные ситуации в Средиземноморском регионе, Задар, Хорватия.

[4] Басу, М. Т., Картик, Р., Махита, Дж. и Редди, В. Л., 2018. Система обнаружения лесных пожаров на основе IoT. Международный журнал инженерии и технологий 7: 124–126.

[5] Уотсон И.: Рассуждение на основе прецедентов — это методология, а не технология. Системы, основанные на знаниях, 12, 303–308 (1999).

[6] Аамодт, А.: Наукоемкий комплексный подход к решению проблем и устойчивому обучению. В: Группа инженерии знаний и обработки изображений. Университет Тронхейма (1991)

[7] Аамодт, А., Плаза, Э.: Рассуждения, основанные на прецедентах: фундаментальные вопросы, методологические вариации и системные подходы. Коммуникации ИИ 7, 39–59 (1994)

[8] Барук, Б., Корчадо, Э., Мата, А., Корчадо, Дж. М.: Прогнозирование решения проблемы разливов нефти на основе гибридной интеллектуальной системы. Информационные науки 180, 2029–2043 (2010)

[9] Мата, А., Корчадо, Дж. М.: Прогнозирование вероятности обнаружения нефтяных пятен с использованием системы CBR. Экспертные системы с приложениями 36, 8239–8246 (2009)

Предотвращение лесных пожаров с помощью IOT