Data en ai
Artikel

AI kan bijdragen aan vroegtijdige opsporing bosbranden

Volgens de National Oceanic and Atmospheric Administration (NOAA) verhogen de gevolgen van klimaatverandering – zoals verhoogde hitte, langdurige droogte en andere weersextremen – in sterke mate het risico op bosbranden in de Verenigde Staten. Bosbranden kunnen elke drie tot vijf minuten in omvang en intensiteit verdubbelen. Vroegtijdige detectie en kortere reactietijden zijn cruciaal om het verlies van levens en eigendommen te beperken en voorkomen. Cloudtechnologie, zoals AI en machine learning (ML), kunnen hieraan een bijdrage leveren.

Snelle detectie

Deze zomer woedde niet alleen in de VS, maar ook in Europa een groot aantal omvangrijke bosbranden. Zulke natuurbranden verspreiden zich snel en zorgen voor de vernietiging van ecosystemen en het verlies aan koolstofopslag doordat bossen verloren gaan. Bosbranden dragen tegelijkertijd bij aan klimaatverandering als gevolg van de uitstoot van broeikasgassen. Daarnaast hebben bosbranden een vernietigende uitwerking op eigendommen, cruciale infrastructuur, communicatiemiddelen en luchtkwaliteit. AI en ML kunnen een belangrijke rol spelen bij het zo snel mogelijk alarmeren van rampenbestrijdingsteams wanneer een brand begint te ontstaan. Deze teams kunnen de cloud gebruiken om workflows voor het detecteren van natuurbranden te maken die automatisch snelle meldingen naar brandbestrijdingsteams sturen, zodat zij al bij de eerste signalen van een bosbrand worden gewaarschuwd.

Identificeren van rook

In zijn blog beschrijft Danny Sheehan in detail hoe AI en ML zijn ingezet om beelden van rook bij natuurbranden te identificeren en classificeren en vervolgens direct eerstehulpverleners te waarschuwen en informeren over de locatie en omvang van deze branden. Hoe ziet zoiets er op hoofdlijnen uit?

  1. Op afstand geplaatste torens verzamelen beelden of video’s. Door sensoren toe te voegen die thermische beelden vastleggen, kan de nauwkeurigheid van het positief labelen van bosbranden en rook verbeterd worden.
  2. De beelden die worden verzameld op de torens worden gestreamd naar Amazon Kinesis Video Streams, dat de beelden elke 30 seconden in een Amazon Simple Storage Service (Amazon S3) bucket plaatst.
  3. Wanneer de videostream-beelden in de Amazon S3-bucket worden geplaatst, stuurt een AWS Lambda-functionaliteit deze naar een Amazon Recognition Custom Label-service, die de objecten in de beelden helpt identificeren op basis van een speciaal hiervoor ontworpen model. Het antwoord van Amazon Rekognition Custom Labels bevat de vraag of een object – in dit geval rook afkomstig van een bosbrand – is gedetecteerd in de afbeelding, en indien gedetecteerd, de omtrek van het object dat in de afbeelding.
  4. Wanneer een rookobject-label wordt gedetecteerd, kunnen diensten als Amazon Simple Notification Service (Amazon SNS) en Amazon Simple Email Service (Amazon SES) worden gebruikt om waarschuwingsmechanismen te bouwen om brandbestrijdingsteams te waarschuwen. Ook worden, in dit geval, beeldmateriaal, locatie en andere metadata die verband houden met de brand opgenomen, zo nodig inclusief omgevingscondities zoals wind, weer, vegetatiegegevens en risico-indicaties van bosbranden.

Groter risico

Nu de gemiddelde temperatuur op aarde stijgt en sommige regio’s een groter risico lopen op natuurbranden is detectie een belangrijk onderdeel van het verminderen van de risico’s die hiermee gepaard gaan.

Verder lezen?
Lees hier het hele artikel.

Plaats een reactie

U moet ingelogd zijn om een reactie te kunnen plaatsen.
Registreren