PHÁT HIỆN CHÁY RỪNG BẰNG MẠNG NƠ RON HỌC SÂU, DỰA TRÊN KHÓI VÀ LỬA THU NHẬN ĐƯỢC TỪ CAMERA GIÁM SÁT
Abstract
Mạng nơ ron học sâu được ứng dụng trong nhận diện hình ảnh, nhận diện giọng nói, xử lý ngôn ngữ tự nhiên. Hiện nay rất nhiều các bài toán nhận dạng sử dụng mạng nơ ron học sâu, vì nó có thể giải quyết các bài toán với số lượng lớn các biến, tham số kích thước đầu vào lớn với hiệu năng cũng như độ chính xác vượt trội so với các phương pháp phân lớp truyền thống, xây dựng những hệ thống thông minh với độ chính xác cao. Trong bài báo này, các tác giả nghiên cứu mạng nơ ron học sâu (CNN - Convolutional Neural Network)[1] cho bài toán phát hiện lửa cũng như khói bằng việc xử lí dữ liệu từ camera giám sát nhằm phát hiện, cảnh báo cháy rừng.
References
Đoàn Hồng Quang, Lê Hồng Minh, Thái Doãn Nguyên, “Nhận dạng khuôn mặt trong video bằng mạng nơ ron tích chập”. Tạp chí Khoa học và Công nghệ Việt Nam, Bộ Khoa học và Công nghệ, 62(1), tr. 8-12, 1.2020.
Đoàn Hồng Quang, Lê Hồng Minh, “Học chuyển giao và tinh chỉnh mô hình mạng nơ ron học sâu ứng dụng trong nhận dạng khuôn mặt”. Hội thảo “Ứng dụng công nghệ cao trong phát triển kinh tế - xã hội”, Viện Ứng dụng Công nghệ, Bộ Khoa học và Công nghệ, tr. 50-61, 2019.
Đoàn Hồng Quang, Nguyễn Huy Công, “Phân loại hoa quả bằng mạng nơ ron học sâu”. Hội thảo “Ứng dụng công nghệ cao trong phát triển kinh tế - xã hội”, Viện Ứng dụng Công nghệ, Bộ Khoa học và Công nghệ, tr. 132-142, 2019.
Đoàn Hồng Quang, Lê Hồng Minh, Chu Anh Tuấn, “Nhận dạng bàn tay bằng mạng nơ ron nhân tạo”. Tuyển tập báo cáo Diễn đàn “Đổi mới - Chìa khóa cho sự phát triển bền vững”, Viện Ứng dụng Công nghệ, Bộ Khoa học và Công nghệ, tr. 70-79, 2015.
Đoàn Hồng Quang, Lê Hồng Minh, “Dùng RFNN kết hợp khử mùa và khử xu hướng để dự báo chỉ số giá vàng trên thị trường”, Tuyển tập báo cáo Diễn đàn “Đổi mới - Chìa khóa cho sự phát triển bền vững”, Viện Ứng dụng Công nghệ, Bộ Khoa học và Công nghệ , tr. 126-136, 2014.
Nguyễn Quang Hoan, Đoàn Hồng Quang, “Dự báo chỉ số giá chứng khoán bằng RFNN”. Tạp chí Khoa học và Công nghệ, Trường Đại học Sư phạm Kỹ thuật Hưng Yên, 1, tr. 52-56, 2014.
Nguyễn Quang Hoan, Dương Thu Trang, Đoàn Hồng Quang, “Dự báo số học sinh nhập trường bằng mạng nơ ron nhân tạo”. Tạp chí Khoa học và Công nghệ, Trường Đại học Sư phạm Kỹ thuật Hưng Yên, 18, tr.1-8, 2018.
A. Canziani, A. Paszke and E. Culurciello, “An Analysis of Deep neural network models for Practical applications”, arXiv preprint arXiv:1605.07678.ss, 2016.
Y. Jia, E. Shelhamer, J. Donahue, S. Karayev, J. Long, R. Girshick, S. Guadarrama, T. Darrell Caffe (2014), “Convolutional Architecture for Fast Feature”, Embedding arXiv:1408.5093.
Y. Sun, X. Wang, and X. Tang (2014), “Deep Learning Face Representation by Joint Identification-Verification”, CoRR, abs/1406.4773.
P. Piccinini, S. Calderara, and R. Cucchiara, “Reliable Smoke Detection System in the Domains of Image Energy and Color”, 15th International Conf. Image Processing, pp. 1376-1379, 2008.
B. U Toreyin, Y. Dedeoglu, and A. E. Cetin, “Wavelet Based Realtime Smoke Detection in Video”. Signal Processing: Image Comm. EURASIP, vol. 20, pp. 255-256, 2005.
D. K. Kim and Y. F. Wang, “Smoke Detection in Video”. WRI World Congress on Computer Science and Information Engineering, pp. 759763, 2009.
R. Yasmin, “Detection of Smoke Propagation Direction Using Color Video Sequences”, International J. Soft Computing, vol. 4, no. 1, pp. 45-48, 2009.
D. Krstinic, D. Stipanicev, and T. Jakovcevic, “Histogram-Based Smoke Segmentation in Forest Fire Fetection System”, Inform. Technol. and Control, no. 38, vol. 3, pp.237-244, 2009.
