Tidig detektering av skogsbränder med hjälp av högupplöst data : Automatisk identifiering med hjälp av bildbehandling

Sammanfattning: Skogsbränder är svåra att upptäcka i ett tidigt stadie, vilket leder till förödande konsekvenser. Hela 30 % av koldioxiden som atmosfären tar emot kommer från skogsbränder. Flera tusentals människor och djur mister livet eller tvingas lämna sina hem. Det finns idag flera tekniker som med varierande framgång kan upptäcka skogsbränder. I detta arbete skall en alternativ metod för rökdetektering utvecklas och testas. Metoden ska vara möjlig att appliceras på UAV (Unmanned Aerial Vehicle) teknik. Arbetet fokuserar på att skilja på brandrök och dimma med högupplöst data. Två algoritmer prövas, SDA (Statistisk distributions algoritm) och KBA (Kunskapsbaserad igenkännings algoritm). Den första testar statistiska distributioner för att hitta unika identifierare för rök. Den andra algoritmen är baserad på kunskapen om rök vad gäller spektrala och morfologiska egenskaper. Röken identifieras med hjälp av form, area och kanter. Algoritmen visade en precision med 90 % i bilder innehållande rök och en feldetektering med 20 % för bilder innehållande dimma.