ChSTU repository
ChSTU repository preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets
Learn More
Please use this identifier to cite or link to this item:
https://er.chdtu.edu.ua/handle/ChSTU/6405| Title: | Автоматизована система комплексного моніторингу за лісовими ресурсами |
| Authors: | Міценко, Сергій Анатолійович Ковальов, Ілля Артемович |
| Issue Date: | Jun-2024 |
| Abstract: | У представленій роботі розроблено автоматизовану систему екологічного моніторингу лісових господарств. Проаналізовано існуючі системи моніторингу лісових господарств, що дозволило реалізувати ефективну систему детектування лісових пожеж. Досліджено та проаналізовано автоматизовані системи екологічного моніторингу, що дало змогу обрати оптимальний варіант для реалізації ефективної автоматизованої системи виявлення осередків загорання та пожеж на ранніх стадіях. Представлено функціональні можливості та основні завдання автоматизованої системи моніторингу на базі IP-камер та пристроїв передачі даних, які базуються на засобах стільникового зв'язку. Обґрунтовано вибір пристроїв та технічних засобів для розробки системи. Реалізовано структуру та оптимізовано спосіб моніторингу лісових господарств. Представлено архітектуру відеосистеми, що дозволяє розпізнавати осередки загорання, полум'я на зображеннях, ефективно допомагає локалізовувати ділянки пожеж та оперативно боротися з вогнем. Для забезпечення якісного функціонування моніторингу відповідно до встановлених норм, обрано технічні пристрої та вузли автоматизації, які відповідають вимогам щодо якісного протікання технологічного процесу. Обґрунтовано застосування технічних пристроїв для представленого об'єкта керування з урахуванням параметрів, що контролюються: освітленості, погодних умов, витрат електроенергії, засобів контролю показів сенсорних блоків тощо. Обґрунтовано перспективи використання штучного інтелекту при обробці зображень. Обґрунтовано оптичний метод автоматизованого детектування лісових пожеж на основі програмно-апаратних засобів мобільних пунктів спостереження та наземних диспетчерських пунктів прийняття й обробки даних. Проведено аналіз технологічного процесу як об'єкта керування, виявлено недоліки існуючих інформаційних алгоритмів та технічних пристроїв для моніторингу лісових пожеж. Визначено контрольовані параметри технологічного процесу. Запропонована автоматизована система забезпечує надійну, безперебійну та якісну роботу у процесі виявлення осередків загорання на території лісового господарства, що дає змогу оперативно реагувати на лісові пожежі та сигналізувати про це в центри з надзвичайних ситуацій. Це, в свою чергу, мінімізує витрати фізичної праці та значно підвищує надійність роботи такої системи екологічного моніторингу. |
| URI: | https://er.chdtu.edu.ua/handle/ChSTU/6405 |
| Appears in Collections: | 174 Автоматизація, комп'ютерно-інтегровані технології та робототехніка (Автоматизація та комп'ютерно-інтегровані системи та компоненти) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Б_151_2024_Ковальов.pdf Restricted Access | 5.19 MB | Adobe PDF | View/Open Request a copy |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Extracted text
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ ФАКУЛЬТЕТ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ І СИСТЕМ КАФЕДРА РОБОТОТЕХНІКИ ТА СПЕЦІАЛІЗОВАНИХ КОМП’ЮТЕРНИХ СИСТЕМ Пояснювальна записка до кваліфікаційної роботи освітнього ступеня «бакалавр» на тему: АВТОМАТИЗОВАНА СИСТЕМА КОМПЛЕКСНОГО МОНІТОРИНГУ ЗА ЛІСОВИМИ РЕСУРСАМИ Виконав: здобувач вищої освіти 2 курсу, групи АКІТС-2299 спеціальності 151 Автоматизація та комп’ютерно-інтегровані технології Ілля КОВАЛЬОВ (ім'я та ПРІЗВИЩЕ) Керівник Сергій МІЦЕНКО (ім'я та ПРІЗВИЩЕ) Рецензент (ім'я та ПРІЗВИЩЕ) Черкаси 2024 року ЗМІСТ СПИСОК УМОВНИХ ПОЗНАЧЕНЬ ТА СКОРОЧЕНЬ .......................................... 3 ВСТУП .......................................................................................................................... 4 1 АНАЛІЗ АВТОМАТИЗОВАНИХ СИСТЕМ ЕКОЛОГІЧНОГО МОНІТОРИНГУ ЛІСОВИХ ГОСПОДАРСТВ ......................................................... 6 1.1 Екологічний моніторинг лісових екосистем ................................................... 6 1.2 Аналіз систем інформаційного екологічного моніторингу у лісництві ..... 10 1.3 Автоматизація систем моніторингу для виявлення ландшафтних пожеж . 19 2 ПРОЕКТУВАННЯ АВТОМАТИЗОВАНОЇ СИСТЕМИ МОНІТОРИНГУ ЛІСОВИХ ГОСПОДАРСТВ ..................................................................................... 25 2.1 Функціональні можливості та завдання автоматизованої системи моніторингу лісових пожеж .................................................................................. 25 2.2 Обґрунтування способу моніторингу лісових пожеж та компонентів системи ................................................................................................................... 30 2.3 Архітектура автоматизованої системи моніторингу лісових пожеж .......... 34 2.4 Використання штучного інтелекту при обробці зображень автоматизованої системи ................................................................................................................... 41 3 ЕФЕКТИВНІСТЬ ТА ФУНКЦІОНАЛЬНІ МОЖЛИВОСТІ КОМПОНЕНТІВ АВТОМАТИЗОВАНОЇ СИСТЕМИ ЕКОЛОГІЧНОГО МОНІТОРИНГУ ........... 46 3.1 Принципи оптичного способу автоматизованого визначення лісових пожеж ...................................................................................................................... 46 3.2 Реалізація методу визначення та локалізації початкових загорань ............ 52 ВИСНОВКИ ............................................................................................................... 60 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ .................................................................. 62 ЧДТУ.242262.001 ПЗ Змн. Арк. № докум. Підпис Дата Розроб. Ковальов Автоматизована система Літ. Лист. Листів Перевір. Міценко комплексного моніторингу за 2 64 Реценз. лісовими ресурсами. Н. Контр. Пояснювальна записка ЧДТУ, АКІТС-2299 Затверд. Лукашенко СПИСОК УМОВНИХ ПОЗНАЧЕНЬ ТА СКОРОЧЕНЬ АРМ – автоматизоване робоче місце ГІС – геоінформаційна система ІСМЛГ – інформаційні системи моніторингу лісових господарств ІЧК – інфрачервона камера ЛА – літальний апарат ОП – операційний пристрій ОС – операційні системи ПЗ – програмне забезпечення ПК – персональний комп'ютер ПНО – потенційно небезпечні об'єкти ППО – постійні пункти обліку ППП – постійні пробні площі Лист ЧДТУ.242262.001 ПЗ 3 Змн. Арк. № докум. Підпис Дата ВСТУП Актуальність теми. Лісові пожежі є однією з найсерйозніших проблем, що загрожують життю людей та екологічній безпеці, і залишаються однією з найбільш невирішених проблем сучасності. Вони завдають величезної шкоди довкіллю та економіці багатьох країн світу. У рамках заходів із запобігання лісовим пожежам одним з найважливіших завдань є раннє виявлення та локалізація джерела загоряння. Для цього традиційно використовуються наземні, повітряні та космічні спостереження. Кожен метод має свої переваги та недоліки, але лише наземне спостереження дозволяє здійснювати безперервний моніторинг лісових масивів і виявляти пожежі на ранній стадії. У минулому столітті кожна країна з великими лісовими масивами мала систему наземного моніторингу, що передбачала будівництво спеціальних високих веж, з яких люди могли візуально спостерігати за станом лісу. Цей метод дозволяв одній людині контролювати велику територію (близько 30 км навколо вежі, залежно від її висоти, рельєфу місцевості та погодних умов), виявляти пожежі на ранній стадії та, за можливості, визначати їхні координати за допомогою тріангуляції. Цей метод активно використовується в країнах з великим лісовим господарством, таких як Канада, Південна Америка та Європа. Маючи багато переваг, він має ряд серйозних недоліків, які обмежують його застосування, зокрема необхідність постійної присутності персоналу на кожній вежі під час пожежонебезпечного сезону та обмеженість покриття моніторингу кількістю встановлених веж. У багатьох країнах, де проблема боротьби з лісовими пожежами є гострою, використовуються системи відеоспостереження – автоматичні системи моніторингу пожеж за допомогою відеокамер. Завдання операторів таких систем полягає у постійному візуальному аналізі стану лісу, що призводить до втоми і зниження ефективності виявлення. Тому загальною тенденцією розвитку таких систем є підвищення ступеня автоматизації та передача більшості функцій комп'ютерним програмам. Необхідно впровадити автоматизовані процедури Лист ЧДТУ.242262.001 ПЗ 4 Змн. Арк. № докум. Підпис Дата обробки зображень для виявлення ознак пожежі, розпізнавання джерела загоряння та визначення географічних координат для виклику пожежної бригади. Автоматизація дозволить підвищити загальну ефективність системи та забезпечити точність і своєчасність виявлення. Метою роботи є дослідження методів та засобів моніторингу та обробки зображень, а також проектування автоматизованої системи екологічного моніторингу в лісовому господарстві. Для досягнення поставленої мети потрібно вирішити наступні завдання: − провести аналіз відомих методів і способів виявлення та локалізації лісових пожеж; − здійснити огляд існуючих систем екологічного моніторингу лісового господарства; − розробити структуру автоматизованої системи екологічного моніторингу лісових пожеж на ранніх стадіях займання; − застосувати принципи оптичного методу для автоматичного виявлення лісових пожеж. Об'єктом дослідження є процеси моніторингу та контролю зображення на предмет виникнення зон, які класифікуються як пожежа або загорання. Предметом дослідження є автоматизована система комплексного моніторингу за лісовими ресурсами. Лист ЧДТУ.242262.001 ПЗ 5 Змн. Арк. № докум. Підпис Дата 1 АНАЛІЗ АВТОМАТИЗОВАНИХ СИСТЕМ ЕКОЛОГІЧНОГО МОНІТОРИНГУ ЛІСОВИХ ГОСПОДАРСТВ 1.1 Екологічний моніторинг лісових екосистем Лісові екосистеми є найскладнішими наземними екосистемами, які характеризуються ландшафтно-географічною мінливістю, нестабільністю стану та тривалим життєвим циклом деревостанів. У зв'язку з цим, найважливішою методичною вимогою моніторингу лісів є його комплексність, яка передбачає спостереження за різними елементами операційних систем, а також зонально-типологічний підхід, одночасний моніторинг на глобальному, регіональному та локальному рівнях з використанням біологічних, фізіологічних, хімічних та інших методів. Система моніторингу лісів працює за єдиною методикою, заснованою на автоматизованій системі управління, та має розвинену вертикальну і горизонтальну структуру мережі спостереження. Вертикальна структура будується за функціональною ознакою та включає систему збору інформації, бібліотеку програм, банк даних, аналіз та передачу інформації, контроль та управління системою моніторингу лісу. Горизонтальна структура будується за територіальною ознакою і є мережею спостережень у досліджуваному районі та на контрольних ділянках з різним станом лісових екосистем. Для всіх рівнів моніторингу (локального, регіонального, глобального) обов'язковою є вимога репрезентативності обраних екосистем. Методи моніторингу лісів можуть бути наземними та дистанційними. При наземному моніторингу закладаються постійні пробні площі та постійні пункти обліку. Особливо ефективно використовуються засоби космічного базування, аерофотозйомка у видимій та інфрачервоній зонах спектру, а також методи лазерного зондування. В останнє десятиліття в найбільш промислових країнах та регіонах, таких як США, Канада, країни Західної та Центральної Європи, спостерігається суттєве скорочення лісових площ. За оцінкою експертів Європейської економічної комісії Лист ЧДТУ.242262.001 ПЗ 6 Змн. Арк. № докум. Підпис Дата ООН, лише у Європі деградація лісів охоплює понад 12 млн. га. Причиною пошкодження лісів є комплекс факторів, серед яких першорядне значення має забруднення повітря промисловими викидами та транспортом. Першими деревними рослинами, у яких з'явилися типові ознаки пошкодження (пожовтіння і опадання хвої), були ялиці білі (Abies sachalinensis) з початку 1970-х років. Викликане цим порідіння крони знизу вгору і від центру до периферії в основному пов'язане зі старінням хвої. З віком хвоя стає менш стійкою до впливу промислових викидів і швидше пошкоджується. При цьому ріст центральних пагонів неминуче відстає від росту крони, що призводить до утворення на молодих деревах так званого "паличного" намету. Також швидко збільшується кількість відмерлих гілок. Крім того, можуть з'являтися «водяні пагони», які утворюють патологічні водянисті нарости в нижній частині стовбура. Захворювання супроводжується ураженням кореневої системи деревної рослини. Проблема відмирання стовбура ялиці білої відома ще з початку 19 століття, але тепер стало зрозуміло, що це інше явище. Не було сумнівів, що пошкодження ялиці білої значною мірою пов'язане з довгим терміном життя хвої, який може тривати п'ять-шість років і призводить до накопичення токсичних речовин і пошкодження. Іншою породою дерев з довгим терміном життя хвої та схожими симптомами була ялина європейська (Picea abies). Приблизно в той самий час соснові ліси також почали проявляти ознаки деградації. Хоча листяні породи виявилися більш стійкими до забруднення, високі викиди можуть пошкодити бук європейський, клен білий, ясен звичайний та іноді дуб. Варто зазначити, що епіцентром вирубки лісів, спричиненої промисловими викидами, є ліси Центральної Європи, тоді як деградація лісів значно слабша в периферійних країнах, наприклад, у країнах Північної Європи. Це, ймовірно, пов'язано з меншим забрудненням повітря в районах, розташованих поблизу Атлантичного океану, де чисті річки швидше поповнюють повітря. Ліси часто пошкоджуються комахами та грибковими захворюваннями, але це не є основною причиною. Плантації хворіють лише після того, як деревна Лист ЧДТУ.242262.001 ПЗ 7 Змн. Арк. № докум. Підпис Дата рослинність потрапляє під вплив забрудненого повітря. Низькі температури також не є основною причиною деградації лісових екосистем, оскільки пошкодження відбуваються і в більш теплому кліматі. Інтенсивність пошкодження деревної рослинності та родючості ґрунту не є універсальною. Відмирання дерев може відбуватися на лісових територіях за різних умов. Сучасні дослідження деградації лісових екосистем підтверджують, що основною причиною є фітотоксичне забруднення повітря внаслідок антропогенної промислової діяльності. Ці забруднювачі також завдають шкоди лісам, віддаленим від джерел викидів. Забруднення навколишнього середовища в Україні негативно впливає на стан і функціонування лісів, і це є нагальною проблемою. Тому важливо швидко оцінювати наслідки антропогенного впливу за допомогою моніторингу лісів. Основною метою моніторингу лісів є систематичне збирання інформації про масштаби та інтенсивність пошкоджень, спричинених біотичними та абіотичними факторами, і розробка відповідних прогнозів, рішень та заходів щодо поліпшення стану лісів та раціонального використання лісових ресурсів. Основними завданнями моніторингу є дослідження антропогенного впливу на лісові екосистеми, визначення масштабів шкоди та аналіз причин і взаємозв'язків деградації лісів. Іншими важливими аспектами є оцінка впливу пожеж, рекреації, шкідників і хвороб, а також аналіз діяльності лісового господарства та деревообробної промисловості. Залежно від конкретних цілей і завдань, моніторинг може здійснюватися в різних сферах, таких як загальний стан лісу, вплив забруднення повітря, лісова патологія, екологічні та меліоративні питання, а також динаміка екосистем в екстремально вологих районах. Система моніторингу лісів в Україні організовується на трьох рівнях: − Перший рівень охоплює всю територію країни і включає національні мережі моніторингу. Цей рівень складається з великої кількості постійних облікових пунктів, де здійснюється мінімальний обсяг інформації за найбільш інформативними, простими та економічно ефективними параметрами. Лист ЧДТУ.242262.001 ПЗ 8 Змн. Арк. № докум. Підпис Дата − Другий рівень застосовується на обмеженій кількості об'єктів і включає детальне вивчення динаміки вирощувальних співтовариств в умовах антропогенного впливу різного характеру. − Третій рівень охоплює всю територію країни і базується на використанні ГІС-технологій та математичного прогнозного моделювання з урахуванням дистанційної агностики. Цей рівень призначений для оперативної оцінки стану природних екосистем, виявлення масштабів та ступеня розвитку пожеж, пошкодження лісів шкідниками та хворобами, а також виявлення зон підвищеної пожежної небезпеки та деградації рослинного покриву. Всі рівні розвиваються одночасно в єдиному комплексі і на єдиній інформаційній основі. Вплив домішок речовин, що забруднюють повітря, має біологічне явище, яке впливає переважно на метаболічні та фізіологічні процеси та руйнує ультрамікроскопічні структури клітин листків. Поступове руйнування внутрішньоклітинних структур призводить до виявлення зовнішніх ознак ушкоджень і відхилень від норми у різних частинах рослини. Дія фітотоксичних забруднювачів проявляється в залежності від ряду факторів: 1. Періоди обмеженої фізіологічної активності: Зниження активності спостерігається у періоди, коли дерева мають обмежену фізіологічну активність, такі як ніч або зима у хвойних порід, коли продихи стискаються. 2. Вплив вологості повітря або туману: Підвищена вологість повітря або туман може збільшити дію фітотоксичних забруднювачів через розширення продихів та інші механізми. Вплив забруднюючих речовин на рослину залежить від кількох факторів, включаючи вид забруднювачів, їх концентрацію, тривалість дії, сприйнятливість рослин та стадію їхнього фізіологічного розвитку. Газоподібні забруднення в основному поглинаються через продихи, але також можуть проникати в рослину через епідерму. Крім того, деякі речовини можуть осідати на різних частинах Лист ЧДТУ.242262.001 ПЗ 9 Змн. Арк. № докум. Підпис Дата рослини, а фторовмісні речовини можуть накопичуватися в корі дерев. Деякі елементи, такі як цинк, зазвичай поглинаються корінням і переносяться у зелені частини рослин, в той час як інші, наприклад, свинець, переважно залишаються в коренях. Фторовмісні речовини можуть переміщуватися з ґрунту в наземні частини рослин. Показники хлору зазвичай підвищуються у всіх пошкоджених частинах рослин. Дія забруднюючих речовин викликає біохімічні зміни у рослинах, включаючи зміни у складі білкових речовин, вмісті крохмалю, активності ферментів та метаболізму. Вона також може призводити до змін у структурі клітин, зменшення водоутримуючої здатності, зниження стійкості до стресових умов та зменшення транспірації. 1.2 Аналіз систем інформаційного екологічного моніторингу у лісництві Інформаційні системи моніторингу лісових господарств (ІСМЛГ) представляють собою комплекс програм та обладнання для нагляду за станом лісу та вчасного виявлення лісових пожеж. Ці системи допомагають значно зменшити збитки під час сезону пожеж. Вони працюють на основі камер, встановлених на телекомунікаційних спорудах, які виявляють дим у реальному часі. Потім система автоматично визначає координати і передає дані до центру контролю, що дозволяє запобігти пожежі ще на ранній стадії загоряння. Система моніторингу лісових господарств складається з двох основних частин: апаратної та програмної. Апаратна частина включає мережу керованих сенсорів спостереження, таких як відеокамери, тепловізійні сенсори і інфрачервоні камери. Програмна частина включає в себе спеціальне програмне забезпечення, за допомогою якого здійснюється моніторинг лісів у режимі реального часу та визначаються координати загорянь. Це дозволяє системі виявляти пожежі на ранній стадії, що практично дозволяє попереджати надзвичайні ситуації. Для функціонування системи використовується існуюча інфраструктура мобільних операторів, така як стільникові вежі, апаратура зв'язку та обслуговуючі команди. Оскільки система може легко масштабуватися і розширюватися, вона Лист ЧДТУ.242262.001 ПЗ 10 Змн. Арк. № докум. Підпис Дата підходить для виявлення лісових пожеж як на невеликих, так і на великих територіях. На рисунку 1.1 зображена архітектура системи моніторингу лісового господарства. Рисунок 1.1 – Інформаційна система моніторингу лісництва Програмно-апаратне рішення сприяє автоматизації виявлення потенційно небезпечних подій та скороченню часу реагування служб МНС, що призводить до зменшення збитків під час пожеж. Система здатна виявляти пожежу від "вогнища" на відстані до 10 км і визначати пожежу площею понад 10 га на відстані до 40 км. Точність визначення спрямування становить 0,5 градуса, а точність місцезнаходження вогнища займання - приблизно +/- 250 метрів. Час, потрібний для огляду однієї точки моніторингу, становить приблизно 10 хвилин. Характеристики системи включають: − Помилку визначення координат осередку займання до 250 метрів. − Радіус огляду однієї точки моніторингу до 30 км. Лист ЧДТУ.242262.001 ПЗ 11 Змн. Арк. № докум. Підпис Дата − Точність визначення напрямку на осередок займання 0,5°. − Час для огляду однієї точки - 10 хвилин. − Інтеграцію та облік метеорологічних та супутникових даних. − Інтеграцію даних із сторонніх інформаційних систем. − Можливість оперативного масштабування та розширення системи. − Необмежену кількість користувачів з доступом до системи. − Оперативне отримання інформації на мобільних пристроях. − Автоматичне виявлення потенційно небезпечних об'єктів, таких як дим та полум'я. Рисунок 1.2 – Загальна автоматизована структура інформаційної системи моніторингу лісництва Ця інформаційна система базується на сучасних технологіях, таких як комп'ютерний зір, IP відеоспостереження, бездротовий широкосмуговий зв'язок, геоінформаційні системи (ГІС) та клієнт-серверні Internet-додатки. Лист ЧДТУ.242262.001 ПЗ 12 Змн. Арк. № докум. Підпис Дата Загальна структура інформаційної системи моніторингу (рис. 1.2) включає комплекси обробки, передачі та зберігання інформації, які дозволяють аналізувати та приймати рішення щодо реального стану територій лісових господарств. При виникненні нештатних ситуацій у лісовому господарстві (наприклад, пожеж або повеней), автоматизована система забезпечує своєчасне інформування служб МНС та місцевого населення про загрозу, що виникла у певній області, та оперативну реакцію на усунення цих загроз. Система розподіленого відеомоніторингу, зображена на рисунку 1.2, складається з таких компонентів: − мережі відеокамер; − каналів зв'язку, які з'єднують відеокамери з Інтернетом; − сервера системи моніторингу, підключеного до мережі Інтернет; − програмного забезпечення сервера системи моніторингу лісових господарств; − обладнання автоматизованої робочої станції оператора; − програмного забезпечення для автоматизованої робочої станції. Основними перевагами автоматизованих систем відеомоніторингу є: − оперативне виявлення загоряння (пожеж); − визначення точних координат загоряння; − автоматичний контроль з мінімальною кількістю диспетчерських служб; − охоплення великої території за допомогою мінімальної кількості пунктів спостереження; − централізована обробка інформаційних даних; − цілодобова та круглорічна робота. Основними можливостями системи є автоматизація моніторингу та режимів роботи апаратного та програмного обладнання, що дозволяє оптимізувати загальну роботу та скоротити час від виявлення загрози до її усунення (рис. 1.3). Камери керуються програмним забезпеченням, користувач лише спостерігає, і активує ручне керування після отримання сигналу тривоги. Лист ЧДТУ.242262.001 ПЗ 13 Змн. Арк. № докум. Підпис Дата Рисунок 1.3 – Автоматизований моніторинг Високоточне визначення координат дозволяє швидко локалізувати місця, де сталося загоряння, та основну локацію пожежі. Поєднання відеоспостереження з електронною картою місцевості також є однією з ключових переваг таких автоматизованих систем. Система моніторингу автоматично налаштовує напрямок огляду камери відносно азимуту від сервера (рис. 1.4). Рисунок 1.4 – Прив'язка камер та визначення координат по відношенню до сервера Лист ЧДТУ.242262.001 ПЗ 14 Змн. Арк. № докум. Підпис Дата Створення диспетчерських центрів надає можливість отримати доступ до моніторингових камер з будь-якої точки, що є більш зручним порівняно з фіксованими диспетчерськими пунктами (рис. 1.5). На різних територіях лісових господарств можна організувати необмежену кількість таких центрів, враховуючи їх розміри. Крім того, можна підключити наявні диспетчерські центри існуючих організацій, таких як лісництва, служби МНС, адміністрації районів, регіональні диспетчерські центри та орендатори. Рисунок 1.5 – Розподіл диспетчерських пунктів Можливість інтеграції з різними іншими системами надає системі моніторингу універсальність. Це дозволяє включити її в загальний інформаційний Лист ЧДТУ.242262.001 ПЗ 15 Змн. Арк. № докум. Підпис Дата простір для ефективної роботи. Система може інтегруватися з такими інформаційними сервісами: − супутниковими системами моніторингу Google; − системами відеомоніторингу з використанням безпілотних літальних апаратів; − погодними сервісами GisMeteo; − системами керування рухом автотранспорту від різних виробників; − системами обліку витрат на пожежогасіння; − ГІС системами прийняття рішень та регіональними системами. Існують різні методи та технічні рішення для виявлення та локалізації загорянь і пожеж. Оптимальний варіант включає встановлення відеокамер на спеціальних вежах та інших високих об'єктах, що забезпечує високу оперативність і достовірність виявлення лісових пожеж. Система відеомоніторингу лісових масивів та автоматичного виявлення пожеж є програмно-апаратним комплексом, який автоматично виявляє пожежі на ранній стадії і надсилає сигнали тривоги операторам (рис. 1.6). Рисунок 1.6 – Структура системи моніторингу пожеж На вежах будуть встановлені IP-камери, а також обладнання для зв'язку. У диспетчерському пункті буде розміщено комплект зв'язку і персональний Лист ЧДТУ.242262.001 ПЗ 16 Змн. Арк. № докум. Підпис Дата комп'ютер. Зображення, записане IP-камерою, буде конвертоване в формат IP- Ethernet комплектом зв'язку, передане через канали зв'язку і отримане в диспетчерському пункті, де зберігатиметься і відображатиметься на моніторі комп'ютера. Сигнали управління IP-камерою також будуть передаватися назад. Захист обладнання від навколишнього середовища здійснюватиметься кваліфікованими фахівцями провідних компаній, які спеціалізуються на встановленні систем відеоспостереження. При виборі IP-відеокамер, щоб забезпечити їх працездатність в широкому діапазоні температур від -40 до 50°С, обладнання має мати ступінь захисту IP66. Для безперебійної роботи системи також потрібно розглянути можливість встановлення додаткового обладнання для стабілізації напруги та захисту від перенапруг. Визначення положення місця загоряння відбувається за допомогою програмно-апаратного комплексу обладнання системи моніторингу. Для точного та ефективного визначення місця загоряння використовується спеціалізоване програмне забезпечення, яке працює з високою точністю. Якщо кількість точок спостереження обмежена, то визначення місця загоряння може здійснюватися за допомогою електронної карти місцевості та кутових координат (азимуту φ та кута місця γ) відносно відомої точки встановлення камери, як показано на рисунку 1.7. Рисунок 1.7 – Метод визначення координат осередків займань Лист ЧДТУ.242262.001 ПЗ 17 Змн. Арк. № докум. Підпис Дата Для обґрунтування точності визначення положення місця загоряння використовуються математичні методи обчислень відстані та кута відносно певної відомої точки. Візуальні системи спостереження мають обмежену дальність дії, яка залежить від метеорологічних умов. У випадку ясної погоди ця дальність зазвичай становить 20-30 км, як показано на рисунку 1.8. Рисунок 1.8 – Формування зображення об’єкта в ІР-камері Поступове використання інформаційної системи моніторингу дозволяє планувати та реалізовувати проекти поетапно в межах фінансових можливостей. Ось послідовні кроки для реалізації такої системи: 1. Проектування та пошук рішень (ППР): Початкові роботи передбачають розроблення структурної схеми відеосистеми, визначення технічних вимог та підготовку технічних умов для розміщення установок відеоспостереження. Це також включає адаптацію програмного забезпечення та тестування каналів зв'язку. 2. Постачання обладнання та роботи: Після завершення ППР постачається необхідне обладнання та проводяться монтажні роботи, включаючи встановлення установок відеоспостереження та необхідних кабельних ліній. Далі виконуються пусконалагоджувальні роботи та монтаж УВС на опорах стільникового зв'язку. 3. Розвиток системи: Поступово розширюються можливості системи шляхом постачання та встановлення УВС на додаткових опорах Лист ЧДТУ.242262.001 ПЗ 18 Змн. Арк. № докум. Підпис Дата стільникового зв'язку в інших зонах контролю. Також здійснюється налагодження програмного забезпечення в додаткових диспетчерських пунктах та організація каналів зв'язку. 4. Введення в експлуатацію та організація взаємодії: Після завершення всіх попередніх етапів система готова до введення в експлуатацію. Проводиться тестування системи та організація взаємодії зі службами МНС. Цей поетапний підхід дозволяє ефективно використовувати ресурси та поступово розширювати можливості системи моніторингу в міру зростання потреб та фінансових можливостей. 1.3 Автоматизація систем моніторингу для виявлення ландшафтних пожеж Традиційний метод виявлення ландшафтних пожеж ґрунтується на використанні спеціалізованих пожежно-спостережних вишок, де розташовується спостерігач, який, за допомогою зв'язку та оптичних пристроїв візуального контролю, виявляє загоряння та повідомляє про це диспетчерський пункт. Серед переваг цього підходу варто зазначити наявність інфраструктури вишок, простоту, масштабованість та високу оперативність. Однак цей метод передбачає постійне використання людської праці в кожній точці розташування вишки, що призводить до збільшення навантаження на працівників лісового господарства, які відповідають за протипожежний та радіаційно-вимірювальний моніторинг території. Методи виявлення пожеж з повітря за допомогою літальних апаратів різного класу, які регулярно облітають пожежонебезпечну територію та в разі виявлення пожежі визначають її координати та передають інформацію до центру контролю, дозволяють здійснювати моніторинг великих територій. Основним недоліком є висока вартість обльотної години та відсутність можливості забезпечення постійного радіаційного контролю для певної ділянки місцевості. Використання безпілотних літальних апаратів (дронів) може значно Лист ЧДТУ.242262.001 ПЗ 19 Змн. Арк. № докум. Підпис Дата знизити вартість обльотної години, але їх використання наразі обмежується з різних причин. Глобальний підхід до моніторингу лісових пожеж ґрунтується на використанні спеціалізованих супутників, які перебувають на не геостаціонарних орбітах і проводять зйомку земної поверхні в ІЧ-діапазоні. Отримані зображення передаються до спеціальних центрів, звідки зацікавлені користувачі можуть отримувати всі дані через Інтернет. Серед переваг такого методу можна виділити автоматизацію процесу отримання даних, віддаленість методу, можливість моніторингу будь-яких ділянок місцевості та легкий доступ до інформації через Інтернет. Проте серед недоліків супутникового моніторингу можна відзначити велику площу мінімально виявленого вогнища займання (1–50 га), невелику періодичність отримання даних (кілька разів на добу) та значний вплив погодних умов. У вітряний день навіть маленька пожежа, яка затримується виявленням на 4- 6 годин, може призвести до серйозних наслідків і значно збільшити вартість її прибирання. Однак, незважаючи на усі недоліки, супутниковий моніторинг є необхідним для контролю великих лісових територій, де інші методи недостатньо ефективні. Втім, вартість такого моніторингу залишається досить високою. Починаючи з початку 2000-х років, з'являються системи відеомоніторингу, спрямовані на виявлення лісових пожеж. Особливістю таких систем є висока автоматизація та можливість використання наявної інфраструктури пожежно- спостережних вишок. Типова відеосистема включає поворотні камери, що встановлюються на вишках, з виведенням відео на пульт оператора, що знаходиться біля посту моніторингу. Однак, цей метод потребує постійного присутності людини на кожній вежі, що ускладнює дистанційне визначення координат пожежі і робить масштабування системи неможливим. Система моніторингу лісових господарств, на відміну від цього, має спеціальне обладнання для спостереження з висоти (купольні поворотні відеокамери, інфрачервоні камери, тепловізори), що забезпечує високу ефективність виявлення пожеж з можливістю дистанційного визначення їх Лист ЧДТУ.242262.001 ПЗ 20 Змн. Арк. № докум. Підпис Дата координат. Однак, недоліком є обмеженість у охопленні горизонту та необхідність використання кількох камер для гарантованого виявлення пожеж, що збільшує вартість системи (рис. 1.9). Рисунок 1.9 – Встановлення купольної поворотної відеокамери: а – спосіб монтажу, б – панорама масиву з «мертвою зоною» Також відсутність автоматизованого визначення точки загоряння вогнища та необхідність вручну вказувати її на моніторі оператора є недоліком. Після вказівки оператором точки вогнища система розраховує напрямок (азимут) місця пожежі. Крім того, відсутня можливість дистанційного радіаційного контролю та передачі інформації про зміну параметрів радіаційного фону на пульт оператора. Рисунок 1.10 – IP-камера на поворотній платформі: а – спосіб монтажу відеокамери, б – панорама масиву без «мертвої зони» Лист ЧДТУ.242262.001 ПЗ 21 Змн. Арк. № докум. Підпис Дата У порівнянні з цим, система моніторингу на основі IP-камери позбавлена цих недоліків. IP-камера оснащена спеціальною опорно-поворотною платформою з двома незалежними приводами - горизонтальним та вертикальним. Ця конструкція забезпечує вільне обертання IP-камери в горизонтальній площині на 360 градусів і дозволяє контролювати стан лісового масиву без «мертвих зон» (рис. 1.10). Для автоматизованого обчислення координати напрямку на вогнище загоряння (азимуту пожежі) IP-камера оснащена спеціальним контролером. Цей контролер дозволяє в режимі реального часу відстежувати кут повороту IP-камери та автоматично обчислювати азимут вогнища займання на однотипній картинці лісового масиву з кутом огляду 360 градусів (рис. 1.11). Рисунок 1.11 – Приклад роботи спеціального контролера з обчисленням азимута займання Для вирішення завдання екологічного контролю IP-камера оснащується спеціальним сенсором. Цей сенсор дозволяє проводити радіаційний контроль та фіксувати зміни параметрів радіаційного фону за допомогою дистанційного наземного методу у разі виникнення лісових пожеж. Таке використання IP-камери набуває особливого значення на радіоактивно забруднених територіях, оскільки дим, що виникає внаслідок лісових пожеж, забруднює повітря, погіршує екологічну обстановку у регіоні та може завдати шкоди здоров'ю людей (рис. 1.12). Лист ЧДТУ.242262.001 ПЗ 22 Змн. Арк. № докум. Підпис Дата Рисунок 1.12 – Приклад роботи сенсора радіаційного контролю Система виявлення ландшафтних пожеж та екологічного моніторингу складається з апаратної частини, яка включає в себе IP-відеокамери з високою роздільною здатністю, встановлені на опорно-поворотних платформах, спеціальні сенсори радіаційного контролю, контролери кута повороту, а також програмної частини. Ця програмна частина дозволяє керувати камерами, обмінюватися інформацією з сенсорами та контролерами у роботизованому режимі (рис. 1.13). Рисунок 1.13 – Структурна схема автоматизованої системи екологічного моніторингу та виявлення ландшафтних пожеж Автоматизована система моніторингу та виявлення ландшафтних пожеж із застосуванням передових технологій, таких як комп'ютерний зір, ГІС-технології, розподілені обчислення та інтернет-технології, є ключовою складовою стратегії Лист ЧДТУ.242262.001 ПЗ 23 Змн. Арк. № докум. Підпис Дата збереження лісового фонду від пожеж та догляду за територіями, що зазнали радіаційного забруднення. Ця система дозволяє ефективно виявляти зміни в радіаційному фоні та випадки загорянь, зменшуючи час та витрати на їх локалізацію та ліквідацію. Крім того, вона сприяє зниженню економічних та екологічних збитків, що виникають від вогнів. Система забезпечує автоматичне сповіщення операторів та відповідальних осіб у разі виявлення пожеж чи змін в радіаційному фоні, а також інтеграцію з різними типами карт для відображення точок встановлення обладнання. Лист ЧДТУ.242262.001 ПЗ 24 Змн. Арк. № докум. Підпис Дата 2 ПРОЕКТУВАННЯ АВТОМАТИЗОВАНОЇ СИСТЕМИ МОНІТОРИНГУ ЛІСОВИХ ГОСПОДАРСТВ 2.1 Функціональні можливості та завдання автоматизованої системи моніторингу лісових пожеж Система раннього виявлення лісових пожеж - це комплекс програмно- апаратних засобів, призначений для моніторингу стану лісу та виявлення початкових осередків загорянь. Вона складається з двох основних частин: апаратної та програмної. Апаратна частина включає в себе мережу керованих сенсорів спостереження, таких як відеокамери, тепловізійні сенсори та інфрачервоні камери. Програмна частина обумовлена спеціальним програмним забезпеченням, що дозволяє замовнику здійснювати моніторинг лісів у реальному часі та визначати координати початкових загорянь. Важливо відзначити, що ця система здатна виявляти вогонь на ранній стадії загоряння, що сприяє попередженню надзвичайних ситуацій. Для функціонування системи використовується наявна інфраструктура мобільних операторів, такі як стільникові вежі, апаратура зв'язку та обслуговуючі команди. Оскільки система може легко масштабуватися та розширюватися, вона є ефективною як для моніторингу лісових пожеж на невеликих територіях, так і на великих площах. Характеристики цієї системи включають: − можливу помилку визначення координат початкового загоряння до 250 метрів; − радіус огляду однієї точки моніторингу до 30 км; − точність визначення напрямку на початкове загоряння 0.5°; − час для огляду однієї точки - 10 хвилин (залежить від продуктивності сервера замовника); − можливість інтеграції та обліку метеорологічних та супутникових даних; − інтеграція даних із сторонніх інформаційних систем; − необмежена кількість користувачів з доступом до системи; Лист ЧДТУ.242262.001 ПЗ 25 Змн. Арк. № докум. Підпис Дата − можливість оперативного масштабування та розширення системи для збільшення площі моніторингу; − можливість оперативного отримання інформації на мобільних пристроях; − автоматичне виявлення потенційно небезпечних об'єктів, таких як дим та полум'я. Система раннього виявлення лісових пожеж працює за допомогою передових технологій, які включають в себе компоненти комп'ютерного зору, IP- відеоспостереження та бездротовий широкосмуговий зв'язок, які є складовою геоінформаційних систем з використанням технології клієнт-серверних інтернет- додатків. Система розподіленого відеомоніторингу складається з таких компонентів: − розподілена мережа відеокамер; − канали зв'язку для підключення відеокамер до мережі Інтернет; − сервер системи раннього виявлення лісових пожеж, підключений до мережі Інтернет; − програмне забезпечення сервера системи раннього виявлення лісових пожеж; − обладнання автоматизованого робочого місця оператора; − програмне забезпечення автоматизованого робочого місця. Роботизований сервер, який є частиною системи раннього виявлення лісових пожеж, виконує такі функції: − керує мережею відеокамер (сенсорів) для відеоспостереження території, включаючи маршрути патрулювання; − керує підсистемою комп'ютерного зору для виявлення диму та вогню; − надає рекомендації користувачеві, повідомляючи його про наявність потенційно небезпечних осередків загорянь. У разі низької швидкості інтернет-з'єднання (менше 512 Кбіт/сек.), яка ускладнює передачу відеоданих до центру контролю, фахівці використовують концепцію «розумної точки моніторингу». Згідно з цією концепцією, основна частина даних з відеокамер обробляється перед тим, як вони потрапляють в мережу Лист ЧДТУ.242262.001 ПЗ 26 Змн. Арк. № докум. Підпис Дата та передаються до центру контролю. Це досягається завдяки спеціальним міні- серверам, які прикріплюються до кожної конкретної точки моніторингу, де вони аналізують медіа-інформацію та відсівають «інформаційний шум». У результаті, навіть при обмеженому інтернет-з'єднанні, оператор має доступ до того самого архіву потенційно небезпечних об'єктів (ПНО), що і при стандартній передачі медіаданих. Це дозволяє замовнику уникнути витрат на дорогі канали зв'язку або у випадках, коли доступ до якісного інтернет-з'єднання ускладнений. Автоматизована система надає можливості відеомоніторингу лісу поблизу населених пунктів у реальному часі. Функціонал системи раннього виявлення лісових пожеж дозволяє отримати доступ до неї з будь-якого центру керування при наявності підключення до мережі Інтернет з потрібною швидкістю та достатньою кількістю трафіку. Це дає можливість обрати будь-яку доступну камеру для отримання відеозображення. Можливість зміни орієнтації камери як по азимуту, так і по висоті дозволяє змінювати перспективу камери. Налаштування параметрів відеозображення, таких як роздільна здатність і якість зображення (величина стиснення), дає можливість регулювати параметри інфрачервоного фільтра, який використовується камерою для забезпечення прийнятних умов видимості в різних ситуаціях (рис.2.1). Рисунок 2.1 – Функціональні можливості системи моніторингу лісових пожеж Лист ЧДТУ.242262.001 ПЗ 27 Змн. Арк. № докум. Підпис Дата Можливість отримання інформації про поточну орієнтацію камери відносно півночі (азимута) у вигляді числа та вказівки напрямку дає можливість отримувати інформацію про поточне наближення камери у вигляді числа та сектора огляду. Подання інформації про місцезнаходження відеокамер та їх поточну орієнтацію за запитом клієнта дозволяє керувати камерою за допомогою програмних алгоритмів. Автоматизована система моніторингу має можливість зберігати та отримувати доступ до положень камери (прив'язок) на заздалегідь задані об'єкти, наприклад, пожежонебезпечні об'єкти, природні орієнтири тощо. Таким чином здійснюється формування маршрутів патрулювання призначених для автоматичного сканування заданої території. Виконуються запуски маршрутів патрулювання окремо для камер, що вибираються, а також виконується послідовно кілька маршрутів на різних камерах шляхом формування списку для їх перегляду. Таким чином, запуск одночасно до чотирьох маршрутів патрулювання в одному вікні, призначеному для оглядового моніторингу, дозволяє відразу декільком камерам (потрібна висока пропускна здатність каналів зв'язку). Можливість зациклювати перегляд одного маршруту чи групи маршрутів, що дає можливість автоматичного вимкнення програми при довготривалій відсутності активності користувача. Наступним кроком є збереження поточного зображення з камери у вигляді картинки та відеофайлу для подальшого перегляду та аналізу. Функціональні можливості системи раннього виявлення лісових пожеж дозволяють здійснювати наступні дії: − Можливість автоматичного оновлення з мінімальною участю користувача для додавання нової функціональності та усунення програмних помилок у будь-якому місці розміщення. − Можливість роботи кількох користувачів з однією камерою в режимі поділу за часом за допомогою механізму блокування керування та перегляду. − Можливість маркування різних об'єктів, призначених для виконання процедур моніторингу лісу (населені пункти, орієнтири тощо). Лист ЧДТУ.242262.001 ПЗ 28 Змн. Арк. № докум. Підпис Дата − Можливість відображення на відеозображенні, що надходить з камери, об'єктів, які потрапляють до області огляду з позначенням типу об'єкта. − Визначення напрямку на видиму пожежу при видимості з однієї камери з точністю 0,5 градуса та маркування даного об'єкта. − Визначення точних географічних координат видимої пожежі на основі інформації, що надходить від системи наземного моніторингу – з пожежно-спостережних вишок і здійснення маркування пожежі. − Можливість коригування орієнтації камери при її фізичному зміщенні для збереження всіх прив'язок. − Автоматичне виявлення вогнищ загоряння системою та сигналізація оператору під час перегляду маршрутів патрулювання (потрібна висока продуктивність процесора). − Автоматичне виявлення вогнищ займання та збереження фотоінформації та інформації про направлення на потенційно небезпечний об'єкт в архіві. − Можливість обмінюватися оперативними повідомленнями про ситуацію з іншими операторами та групами операторів у рамках виконання завдань з виявлення та ліквідації пожеж. Програмна частина реалізована на платформі .NET з використанням MS SQL Express і має мікро-сервісну архітектуру. Система включає в себе розподілені сервери та сервер для зберігання основних баз даних. Крім того, є блок раннього виявлення пожеж, написаний на C++, який вбудований у камера-контролер. Інтерфейс системи є дружнім та має розгалужений функціонал, зокрема: − цілодобове патрулювання камерою території лісового масиву за прокладеними маршрутами; − автоматичне визначення пожежонебезпечного об'єкту; − визначення відстані до пожежонебезпечного об'єкта та прокладання до нього маршруту; − можливість присвоєння різних категорій пожежонебезпечному об'єкту; − зберігання роликів відповідно до пожежонебезпечного об'єкта; − зберігання архіву всіх об'єктів у програмі; Лист ЧДТУ.242262.001 ПЗ 29 Змн. Арк. № докум. Підпис Дата − візуалізація сил та засобів гасіння пожеж; − підтримка квартальних карток; − багато сервісних функцій. Канали передачі тривожного сигналу організовані на основі інтернету, мобільної мережі та вбудованої системи оповіщення. 2.2 Обґрунтування способу моніторингу лісових пожеж та компонентів системи Досвід минулих років підкреслив недоліки у заходах з раннього виявлення та швидкого гасіння лісових пожеж, що призвело до їх поширення на великі площі, втрат людських життів та значних матеріальних збитків. Нові дані про кліматичні зміни та наукові дослідження підтверджують, що загроза лісових пожеж буде лише зростати у найближчому майбутньому. Стає очевидним, що активний моніторинг лісових масивів, раннє виявлення поодиноких вогнищ та оперативне сповіщення відповідних служб є важливими завданнями для забезпечення пожежної безпеки. На жаль, жоден з існуючих методів не вирішує всі ці завдання одночасно. Тому наразі виникає необхідність у створенні нової та ефективної технології для раннього виявлення вогнищ лісових пожеж на початкових стадіях їх загоряння. Один із можливих методів - візуальний моніторинг. При такому підході спостерігач, користуючись азимутним колом, визначає напрямок на пожежу та повідомляє цю інформацію у центр контролю за допомогою різних засобів зв'язку. У центрі контролю встановлюється, з якої іншої спостережної вежі можна виявити пожежу, і проводиться зв'язок з іншим спостерігачем, який також зафіксував пожежу та визначив напрямок на неї. Після цього в центрі контролю, використовуючи відомі напрямки з веж на пожежу, за допомогою карти визначається місцезнаходження припущеної пожежі та приймаються заходи для її припинення. Цей метод має перевагу в оперативному оповіщенні за сприятливих погодних умов і можливості використання існуючої інфраструктури спостережних веж, яка збереглася до сьогодні. Лист ЧДТУ.242262.001 ПЗ 30 Змн. Арк. № докум. Підпис Дата Рисунок 2.2 – Візуальний моніторинг лісового господарства Справді, візуальний моніторинг має свої обмеження, зокрема, потребу у постійній увазі людей та відсутність можливості повної автоматизації процесів виявлення та оповіщення (рис. 2.2). Щодо авіаційного моніторингу, цей підхід дозволяє уникнути багатьох обмежень, пов'язаних із візуальним моніторингом. Пілот на обладнаному спеціальними сенсорами повітряному засобі може здійснювати обліт пожежонебезпечних територій і вчасно виявляти загоряння (рис. 2.3). Оснащений скануючим теплолокатором мікрохвильового діапазону та інфрачервоними сенсорами літальний апарат може швидко виявити теплові зони, що свідчать про можливі пожежі. Після цього координати пожежі передаються в центр контролю для прийняття необхідних заходів. Цей метод має перевагу в ефективності та швидкості виявлення пожеж, а також у здатності покривати великі території за короткий час. Однак він може бути витратним та обмеженим у використанні, оскільки вимагає наявності пілотів та повітряних засобів. Лист ЧДТУ.242262.001 ПЗ 31 Змн. Арк. № докум. Підпис Дата Рисунок 2.3 – Авіаційний моніторинг Супутниковий моніторинг, безумовно, має свої переваги. Він дозволяє контролювати віддалені території, які важко доступні для інших методів моніторингу, і навіть виявляти пожежі, які можуть бути приховані лісом чи виникати під землею (рис. 2.4). Рисунок 2.4 – Супутниковий моніторинг Лист ЧДТУ.242262.001 ПЗ 32 Змн. Арк. № докум. Підпис Дата Однак, є і недоліки. Висока вартість політної години і неможливість постійного моніторингу великих територій можуть призвести до пізнього виявлення пожежі. Залежність чутливості реєструючої апаратури від широти огляду також може ускладнити точне виявлення загорянь. Використання безпілотних літальних апаратів може зменшити вартість політної години, але це не гарантує вчасного виявлення пожежі. Крім того, вартість самого безпілотного літального апарату може бути значною. Отже, вибір методу моніторингу лісових пожеж повинен бути обґрунтованим і враховувати переваги та недоліки кожного з них. Відеомоніторинг, безумовно, має свої переваги, особливо у порівнянні з іншими методами моніторингу. Можливість контролювати будь-які ділянки місцевості, включаючи важкодоступні, та високий рівень автоматизації процесу отримання та обробки даних дозволяють ефективно виявляти та вчасно реагувати на пожежі (рис. 2.5). Рисунок 2.5 - Відеомоніторинг Проте існують і недоліки. По-перше, для достовірного виявлення пожежі потрібна площа займання не менше 1 гектара, що ускладнює раннє виявлення пожеж на їх початкових стадіях. По-друге, метеоумови, такі як хмарність та Лист ЧДТУ.242262.001 ПЗ 33 Змн. Арк. № докум. Підпис Дата сильний вітер, можуть вплинути на ефективність моніторингу та передачу даних, збільшуючи ризик пізнього виявлення пожежі і ускладнюючи ліквідацію. Крім того, обмежена оперативність процесу моніторингу та передачі даних, а також висока вартість впровадження та експлуатації системи, можуть бути перешкодою для широкого застосування відеомоніторингу. У цілому, відеомоніторинг є ефективним і перспективним методом моніторингу лісових пожеж, але варто урахувати його обмеження та недоліки при вирішенні завдань пожежної безпеки. Такий метод відеомоніторингу дійсно має значні переваги, особливо у порівнянні з іншими методами детектування лісових пожеж. Можливість отримання поточних азимутальних координат положення поворотних пристроїв дозволяє визначати координати вогнища загоряння на мапі місцевості з достатньою точністю. Цей метод має всі переваги візуального моніторингу, такі як швидкість реакції та можливість виявлення пожеж на ранніх стадіях. Мінімізація людських ресурсів, задіяних у моніторингу, є ще однією важливою перевагою. Автоматизація процесу також сприяє ефективному виявленню та швидкій реакції на пожежі. Проте варто пам'ятати, що цей метод може зафіксувати лише ті пожежі, які можна виявити візуально, тому він може бути не ефективним у випадку пожеж, які виникають у важкодоступних місцях або за поганих погодних умов. Також важливо урахувати технічні обмеження, наприклад, обмежену область огляду камер. З урахуванням усіх цих факторів, відеомоніторинг є оптимальним рішенням для детектування лісових пожеж в багатьох випадках, особливо в умовах, коли важлива оперативність та автоматизація процесу. Такий метод є наступним кроком у розвитку візуального моніторингу і має великий потенціал для подальшої автоматизації та вдосконалення. 2.3 Архітектура автоматизованої системи моніторингу лісових пожеж Виявлення лісових пожеж є надзвичайно важливою задачею для попередження великих матеріальних збитків та захисту людських життів. Розвиток Лист ЧДТУ.242262.001 ПЗ 34 Змн. Арк. № докум. Підпис Дата сучасних технологій дозволяє використовувати різні методи для раннього виявлення та контролю над пожежами. Традиційний метод виявлення пожеж за допомогою спостережних вишок має свої переваги, такі як інфраструктура, що вже існує, простота та оперативність. Проте його недоліком є потреба у постійній людській праці, що може бути неефективним у віддалених або важкодоступних місцях. Використання літальних апаратів для обліту пожежонебезпечних територій також має свої переваги, зокрема, можливість моніторингу великих територій. Однак висока вартість облітних годин та технічні обмеження можуть ускладнити його ефективність. Використання безпілотних літальних апаратів може дещо знизити вартість облітної години, але їхнє використання поки що обмежене з різних причин. Створення системи розподіленого відеоспостереження для виявлення лісових пожеж на основі сучасних технологій передачі даних та інтелектуальних систем машинного зору може бути ефективним рішенням. Вона дозволить здійснювати безперервний контроль за лісовими територіями та виявляти пожежі на ранній стадії, мінімізуючи людські ресурси, що задіяні у моніторингу. Загалом, комбінування різних методів виявлення пожеж, таких як традиційні методи спостереження та використання сучасних технологій відеоспостереження та обліту літальними апаратами, може забезпечити більш ефективний контроль за лісовими територіями та швидку реакцію на пожежі. Запропонована архітектура системи моніторингу лісових пожеж включає в себе апаратну, програмну та оперативно-управлінську частини, які спільно забезпечують ефективність та швидкість виявлення та управління пожежами: 1. Апаратна частина: Оператори встановлюють спеціальне обладнання на високих спорудах, таких як спостережні вежі, що включає в себе відеокамери, інфрачервоні камери та тепловізори. Це обладнання забезпечує постійне спостереження за лісовими територіями та допомагає виявляти пожежі на ранній стадії. 2. Програмна частина: Програмне забезпечення встановлюється на комп'ютері оператора у центрі контролю. Воно використовується для Лист ЧДТУ.242262.001 ПЗ 35 Змн. Арк. № докум. Підпис Дата аналізу відео- та інших даних, отриманих від апаратної частини. Ця програма має високу ефективність виявлення лісових пожеж та визначення їх координат у реальному часі. 3. Оперативно-управлінська частина: Ця частина системи включає в себе методи та підходи управління різними ресурсами для усунення наслідків лісових пожеж. Вона включає в себе координацію дій рятувальних служб, мобілізацію технічних та людських ресурсів для боротьби з пожежами та управління їхнім розгортанням. Загалом, ця комплексна система моніторингу лісових пожеж інтегрує в собі апаратні та програмні рішення, а також оперативне управління для ефективного виявлення та управління пожежами (рис. 2.6). Рисунок 2.6 – Загальна архітектура запропонованої системи моніторингу лісових пожеж Нова автоматизована система моніторингу лісових пожеж, яка базується на представленій архітектурі, має декілька ключових можливостей: Лист ЧДТУ.242262.001 ПЗ 36 Змн. Арк. № докум. Підпис Дата 1. Автоматичне виявлення потенційно небезпечних об'єктів: Система може автоматично виявляти дим і вогонь, що допомагає оператору реагувати на пожежі набагато швидше. Також система навчається розрізняти справжні пожежі від інших джерел диму, що дозволяє знизити ризик хибних тривог. 2. Визначення координат об'єкта за допомогою лише однієї камери: Система може визначати координати пожежі за допомогою лише однієї камери, або за рахунок використання двох і більше камер для підвищення точності. 3. Інтеграція з іншими джерелами інформації: Система інтегрує дані з наземних моніторингових транспортних засобів, метеорологічних, гідрологічних, супутникових та інших джерел для отримання повної картини ситуації. 4. Інтеграція з глобальними системами позиціонування: Система може використовувати дані від GPS для точного визначення місця пожежі. 5. Доступ до системи з мобільних пристроїв: Користувачі можуть отримувати доступ до системи з мобільних телефонів, комунікаторів та планшетів, що дозволяє їм отримувати оперативну інформацію та приймати рішення в реальному часі. 6. Легка масштабованість системи: Система легко масштабується шляхом додавання нових апаратних та програмних ресурсів, що дозволяє пристосовувати її до зростаючих потреб. Зазначений новий системний підхід до моніторингу лісових пожеж має високу ефективність та оперативність прийняття рішень, що робить його значною перевагою над існуючими прототипами. Використання відеокамери Axis Q6032-E як основного апаратного модуля для візуального спостереження в системі моніторингу лісових пожеж є важливим кроком у забезпеченні пожежної безпеки. Особливості цієї камери, такі як механічно реалізовані функції PTZ (панорамування, нахил, зум), великий масштабування і функція електронної стабілізації зображення, роблять її ідеальним вибором для контролю великих територій лісових масивів. Лист ЧДТУ.242262.001 ПЗ 37 Змн. Арк. № докум. Підпис Дата Важливою перевагою цієї камери є наявність потужного прикладного програмного інтерфейсу (API), який дозволяє інтегрувати її з існуючим програмним забезпеченням та адаптувати під конкретні вимоги проекту. Це дозволить максимально використовувати можливості камери для виявлення потенційно небезпечних об'єктів, таких як дим і вогонь, на ранніх стадіях розвитку пожежі. Загальною метою використання відеокамери Axis Q6032-E (рис. 2.7) є створення ефективної системи моніторингу лісових пожеж, яка дозволить вчасно виявляти та швидко реагувати на загрозу пожежі, зменшуючи тим самим її негативні наслідки для екосистеми та безпеки людей. Рисунок 2.7 - Купольна IP-камера Axis Q6032-E Камера Axis Q6032-E має ряд характеристик, які роблять її відмінним вибором для візуального спостереження в системі моніторингу лісових пожеж: − Тип об'єктива: Варіофокальний, 3.4 мм - 119 мм, з можливістю автоматичного фокусування та автоперемикання режимів День/Ніч. − Горизонтальні кути огляду: Від 1,7° до 55,8°, що дозволяє охоплювати великі території. − Максимальна роздільна здатність: Підтримує роздільність NTSC: 704x480 та PAL: 704x576 пікселів. Лист ЧДТУ.242262.001 ПЗ 38 Змн. Арк. № докум. Підпис Дата − Тип матриці: 1/4 "CCD (ПЗС) матриця ExView HAD з прогресивною розгорткою, що забезпечує високу якість зображення навіть при поганих умовах освітлення. − Оптичне збільшення: 35 крат, а максимальне збільшення (оптичне + цифрове) складає 420 крат, що дозволяє докладно вивчати деталі території. − Мережний інтерфейс: Роз'єм RJ45 з підтримкою Ethernet 10/100 BaseT та можливістю живлення через PoE 802.af, що забезпечує зручність підключення до мережі. − Відео потік: Підтримує формати H.264 та Motion JPEG, а також дозволяє передавати декілька відеопотоків у форматі H.264. − Робоча температура: Від -40 °C до 50 °C, що робить її придатною для роботи у різних кліматичних умовах. Ці характеристики роблять камеру Axis Q6032-E ідеальним вибором для встановлення на вежах спостереження для виявлення та моніторингу лісових пожеж. Ця концепція міні-серверів дозволяє оптимізувати передачу даних та зменшити обсяг "інформаційного шуму", що пересилається по мережі. Попередній аналіз медіа-інформації на міні-серверах дозволяє відфільтрувати непотрібні дані та передавати лише значущі відеопотоки до центру контролю. Це забезпечує ефективнішу роботу системи моніторингу, оскільки знижує навантаження на мережу та збільшує швидкість обробки даних. Крім того, ця архітектура дозволяє зберігати архів потенційно небезпечних об'єктів (ПНО) навіть у випадках обмеженого доступу до якісного інтернет- з'єднання. Це особливо важливо для місцевостей, де доступ до мережі може бути обмеженим або нестабільним. Такий підхід дозволяє забезпечити неперервну роботу системи моніторингу навіть у невизначених умовах зв'язку. Mini Server N200 (рис. 2.8) відображається як ефективний інструмент для забезпечення мережевого зв'язку та обробки відеопотоків. Завдяки своїм характеристикам та перевагам, він створює надійну базу для системи відеомоніторингу лісових територій. Лист ЧДТУ.242262.001 ПЗ 39 Змн. Арк. № докум. Підпис Дата Рисунок 2.8 – Міні-сервер Mini Server N200 Його здатність працювати як внутрішня мережа без доступу до Інтернету, так і в глобальній мережі, робить його універсальним і підходить для різних умов експлуатації. Крім того, можливість використання POS терміналів і стільникових телефонів додає гнучкості в систему комунікації. Основні характеристики і переваги Mini Server N200 включають: − Конфіденційність даних і незалежний сервер забезпечують високий рівень безпеки. − Швидке розгортання та простота обслуговування роблять його ідеальним для швидкого впровадження системи моніторингу. − Низькі витрати на початкове обладнання та можливість динамічного збільшення абонентської бази дозволяють знизити загальні витрати. − Гнучкі налаштування і великий функціонал забезпечують адаптивність до різних умов та завдань. − Підтримка багатьох терміналів і стільникових телефонів додає можливостей для комунікації. − Можливість зберігання даних на флеш-пам'ять дозволяє ефективно керувати даними та забезпечити швидке відновлення в разі потреби. Ці можливості спрощують роботу операторів та забезпечують надійну систему моніторингу лісових пожеж у реальному часі. Лист ЧДТУ.242262.001 ПЗ 40 Змн. Арк. № докум. Підпис Дата «Розумний моніторинг» - це концепція, яка передбачає оптимізацію процесу моніторингу та передачі даних в умовах обмежених ресурсів, таких як обмежена швидкість інтернет-з'єднання. Основною ідеєю є зменшення обсягу передаваних даних шляхом зменшення кількості відеопотоків або зниження роздільної здатності відео. Нижче наведено кілька стратегій «розумного моніторингу», які можуть використовуватися для зменшення обсягу передаваних даних: 1. Адаптивне керування роздільною здатністю: Система може автоматично зменшувати роздільну здатність відеопотоків у разі обмеженого інтернет- з'єднання. Наприклад, вона може переходити з Full HD до HD або навіть до SD відео в разі погіршення якості зв'язку. 2. Системи стиснення даних: Використання технологій стиснення даних, таких як H.264 або H.265, дозволяє зменшити обсяг передаваних даних без втрати якості зображення. 3. Почергове виявлення: Система може виявляти та передавати дані тільки з областей, які виявлені як потенційно небезпечні, замість передачі відеопотоків з усієї території. 4. Попереднє оброблення даних: Попереднє аналіз і фільтрація даних можуть відбуватися на міні-серверах або на місці встановлення перед їх передачею в центр контролю. 5. Автоматичне керування параметрами відео: Система може автоматично регулювати параметри відеозйомки, такі як яскравість, контрастність і експозиція, для оптимізації якості відеопотоку при обмежених ресурсах. Ці стратегії дозволяють оптимізувати процес моніторингу та забезпечувати ефективність системи навіть при обмеженому інтернет-з'єднанні. 2.4 Використання штучного інтелекту при обробці зображень автоматизованої системи Використання штучного інтелекту (ШІ) у комплексі IQ FireWatch для систем моніторингу та раннього виявлення лісових пожеж має декілька переваг: Лист ЧДТУ.242262.001 ПЗ 41 Змн. Арк. № докум. Підпис Дата 1. Автоматизація процесу аналізу зображень: ШІ може автоматично виявляти ознаки займання на відеозаписах, такі як дим або полум'я, без необхідності постійного контролю оператора. Це дозволяє збільшити швидкість реакції на потенційно небезпечні ситуації. 2. Підвищення точності виявлення: ШІ може аналізувати великий обсяг даних та враховувати різноманітні чинники, такі як освітлення, температура, вологість тощо, що допомагає в покращенні точності виявлення пожеж. 3. Моніторинг у реальному часі: ШІ може працювати в режимі реального часу, аналізуючи зображення з відеокамер та надсилати сповіщення про виявлені пожежі без затримок. 4. Адаптація до змін у умовах: ШІ може адаптуватися до змінних умов спостереження, таких як погодні умови або зміни в освітленні, що дозволяє зберігати високу ефективність системи навіть при змінах у середовищі. 5. Масштабованість та ефективність: Використання ШІ дозволяє обробляти великий обсяг даних та працювати з великою кількістю відеопотоків одночасно, що робить систему масштабованою та ефективною. Отже, використання штучного інтелекту у системі моніторингу та раннього виявлення лісових пожеж допомагає підвищити ефективність та швидкість реагування на потенційно небезпечні ситуації, забезпечуючи більш ефективний контроль за лісовими територіями. Використання тепловізора ближнього ІЧ спектру (NIR) у комплексі IQ FireWatch дійсно вирішує проблему обмеженої видимості, спричинену туманом та опадами. Оскільки тепловізор NIR майже не помічає цих погодних умов, він забезпечує надійне виявлення диму та вогню, навіть коли звичайні денні камери мають обмежену ефективність (рис. 2.9). Крім того, використання кількох сенсорів (камер) у різних спектральних діапазонах, таких як тепловізор NIR, надчутлива денна камера та звичайна RGB Лист ЧДТУ.242262.001 ПЗ 42 Змн. Арк. № докум. Підпис Дата камера, дозволяє комплексу забезпечити максимально точне та чітке зображення об'єкта навіть у складних погодних умовах. Використання штучного інтелекту для обробки цих даних дозволяє системі автоматично аналізувати та розпізнавати ознаки займання на зображеннях, навіть у повній темряві чи за умов обмеженої видимості. Рисунок 2.9 – Автоматизована система моніторингу зі штучним інтелектом IQ FireWatch Застосування унікального алгоритму обробки зображень, що базується на машинному навчанні та штучному інтелекті, дозволяє системі розпізнавати контури диму навіть за поганих погодних умов та в умовах низької видимості. Це значно підвищує ефективність системи моніторингу та раннього виявлення лісових пожеж, дозволяючи операторам швидко реагувати на потенційно небезпечні ситуації та уникати серйозних наслідків (рис. 2.10). Рисунок 2.10 – Аналіз зображення за допомогою штучного інтелекту Лист ЧДТУ.242262.001 ПЗ 43 Змн. Арк. № докум. Підпис Дата Обробка до 300 кадрів за секунду штучним інтелектом комплексу є вражаючою можливістю, яка дозволяє забезпечити неперервний та ефективний моніторинг пожеж на великій території. Робота в режимі 24/7, яка забезпечується цим рішенням, гарантує постійний нагляд за пожежною безпекою навіть у найскладніших умовах. Можливість працювати у будь-яку погоду та в будь-який час дня або ночі робить цей комплекс особливо ефективним і надійним інструментом для виявлення пожеж. Враховуючи розмір території, яка моніториться (близько 1 000 000 га), швидка та точна обробка великого обсягу даних є критично важливою для успішної реалізації завдання з моніторингу пожеж. Узагальнюючи, можна сказати, що використання штучного інтелекту для обробки великого обсягу відеоданих з камер дозволяє системі IQ FireWatch забезпечити ефективний та надійний моніторинг лісових пожеж на великих територіях у будь-який час та за будь-яких погодних умов (рис. 2.11). Рисунок 2.11 – Порівняльний аналіз зображення різними системами Комплекс IQ FireWatch виокремлюється завдяки інноваційним рішенням, які забезпечують високу ефективність виявлення джерел загорань у лісових масивах. Його успішність підтверджується роботою близько 350 систем по всьому світу, включаючи країни з різними кліматичними та топографічними умовами. Одним із ключових факторів ефективності системи є швидкість передачі даних, яка дозволяє надійно та оперативно обробляти великі обсяги інформації. Використання оптоволокна для забезпечення високошвидкісного з'єднання є рекомендованим підходом. Лист ЧДТУ.242262.001 ПЗ 44 Змн. Арк. № докум. Підпис Дата IQ FireWatch застосовує мультиспектральну оптичну систему, що дозволяє проводити спостереження у різних спектральних діапазонах одночасно. Це дозволяє системі ефективно працювати у будь-яких атмосферних умовах, виявляючи дим у одній або кількох камерах, і використовувати штучний інтелект для обробки отриманих зображень та вибору найкращих з них. У результаті впровадження системи IQ FireWatch вирішується проблема лісових пожеж, що призводить до збереження життя, майна та навколишнього середовища. Ця система перевершує традиційні методи раннього виявлення пожеж і стає надійним інструментом в боротьбі з цим надзвичайним явищем. Лист ЧДТУ.242262.001 ПЗ 45 Змн. Арк. № докум. Підпис Дата 3 ЕФЕКТИВНІСТЬ ТА ФУНКЦІОНАЛЬНІ МОЖЛИВОСТІ КОМПОНЕНТІВ АВТОМАТИЗОВАНОЇ СИСТЕМИ ЕКОЛОГІЧНОГО МОНІТОРИНГУ 3.1 Принципи оптичного способу автоматизованого визначення лісових пожеж Методи моніторингу великих лісових територій через відеоспостереження потребують автоматизації обробки відеоданих, оскільки ручний контроль стає неефективним у великому масштабі. Алгоритми оптичного виявлення ознак займання стають ключовим етапом для забезпечення ефективності систем моніторингу. Першим етапом є мінімізація впливу людського фактора на процес моніторингу. Ручне керування системами відеоспостереження стає неефективним через обмежену спроможність оператора контролювати велику кількість камер. Автоматизація обробки відеоданих дозволяє зменшити цей негативний вплив і підвищити ефективність моніторингу. Наступним кроком є визначення ефективного радіусу огляду системи. Для цього необхідно врахувати параметри відеокамери та її розташування на вежі. Наприклад, якщо потрібно виявити вогнище займання площею від 100 м2 і припустити, що форма вогнища подібна до кола, то діаметр вогнища буде трохи більше 11 м. Алгоритми виявлення ознак займання зазвичай здатні розпізнавати вогнища за їх шириною, яка становить близько 15% ширини кадру. Далі можна перейти до вибору оптимального розміщення вишок у визначеному квадраті. Вказані відношення між розмірами матриці та фізичними розмірами зони спостереження визначають, які частини зони можуть бути відображені на матриці камери. Вони важливі для визначення того, яку область можна охопити за допомогою конкретної камери. Лист ЧДТУ.242262.001 ПЗ 46 Змн. Арк. № докум. Підпис Дата де f – фокусна відстань об'єктива (мм), L – відстань до зони контролю (м), w, h – ширина та висота чутливого елемента камери (мм), W, H – ширина та висота зони контролю (м.м). Розуміння потреби в компромісі між максимальним кутом огляду та максимальною довжиною зони контролю є важливим для ефективного проектування системи відеомоніторингу. На практиці, це означає, що потрібно збалансувати вибір параметрів камери, таких як фокусна відстань та висота установки, з метою досягнення оптимальної зони огляду та деталізації області моніторингу. Кут огляду залежить від фокусної відстані та фізичних розмірів матриці камери. Збільшення фокусної відстані (f) дозволяє збільшити кут огляду, але це може зменшити деталізацію області моніторингу. На вибір фокусної відстані також впливає висота установки камери, оскільки вона визначає діапазон відстаней, на якому камера може виявляти об'єкти. Врахування кута нахилу камери (α) до горизонту також є важливим, оскільки це може вплинути на зону покриття та деталізацію зображення. Наприклад, камера, встановлена під великим кутом до горизонту, може не забезпечувати достатньої деталізації на віддалених від неї ділянках. Рисунок 3.1 – Зона контролю камери під час встановлення на вишці Лист ЧДТУ.242262.001 ПЗ 47 Змн. Арк. № докум. Підпис Дата Отже, важливо ретельно розглянути всі ці фактори при проектуванні системи відеомоніторингу для забезпечення оптимального покриття та ефективності контролю. Оптимізація розміщення спостережних вишок на заданій площі є складною задачею, яка потребує врахування різноманітних факторів та обмежень. Зазвичай це є завданням нелінійного програмування, де необхідно мінімізувати площу перекриття зон дії вишок (рис. 3.1). Моделювання таких систем і вирішення задач оптимізації можуть бути виконані за допомогою програмних інструментів, таких як MATLAB, з використанням засобів оптимізації. У вашому прикладі, де необхідно розмістити 15 вишок, є 30 змінних для оптимізації, що відповідає позиції кожної вежі. Процес оптимізації може включати ітеративний пошук оптимального розташування вишок шляхом зміни їх координат всередині обмеженої території. Зазвичай використовуються алгоритми оптимізації, такі як генетичні алгоритми, методи оптимізації на основі градієнта, або інші методи оптимізації, що підходять до конкретної задачі. Рисунок 3.2 – Нульова ітерація оптимізації положення 15 об'єктів Лист ЧДТУ.242262.001 ПЗ 48 Змн. Арк. № докум. Підпис Дата На початковій ітерації процесу оптимізації можуть бути випадково обрані координати для кожної вежі, а потім проводиться подальший пошук оптимального розташування шляхом зміни цих координат з метою максимізації покриття площі. Візуалізація результатів допомагає оцінити ефективність розташування вишок та виявити можливі області для подальшої оптимізації (рис. 3.2). Для розв'язання такої складної задачі оптимізації, де потрібно мінімізувати площу перетину зон дії вишок на заданій обмеженій території, ви можете скористатися нелінійним вирішувачем, який працює з нелінійними функціями обмежень. Один з підходів – використання алгоритмів оптимізації, таких як генетичні алгоритми, методи оптимізації на основі градієнта або інші нелінійні методи оптимізації. Наприклад, можна скористатися функцією fmincon в MATLAB, яка вирішує задачу мінімізації нелінійних обмежень. Цей метод дозволяє вам задати обмеження на позиції вишок (наприклад, вони повинні знаходитися всередині обмеженої території) та функцію витрат для мінімізації (наприклад, площу перетину зон дії вишок). Шляхом ітеративного пошуку цей метод знаходить оптимальні значення координат для кожної вежі, щоб мінімізувати функцію витрат при дотриманні обмежень. Після вирішення задачі оптимізації можна проаналізувати результати та оцінити ефективність розташування вишок на заданій території. Математичне моделювання поведінки розподіленої системи моніторингу в ситуації виникнення пожежі є важливим кроком для оцінки ефективності та виявлення можливих недоліків у системі до введення її в експлуатацію. Автори розробили модель, яка базується на теорії клітинних автоматів, розширюючи її для опису поведінки системи моніторингу лісових пожеж. У цій моделі область, яка підлягає моніторингу, розбивається на клітини або осередки, кожен з яких може перебувати у трьох станах: порожній, з деревами або з вогнем. Поведінка системи описується набором правил, які визначають, які клітини можуть стати джерелами вогню, а також як вогонь може поширюватися в системі. Ці правила відображають фізичні закони розповсюдження пожежі в Лист ЧДТУ.242262.001 ПЗ 49 Змн. Арк. № докум. Підпис Дата лісових масивах, такі як швидкість поширення, вплив вітру, вологості тощо. Моделювання такою системою дозволяє виявити потенційні проблемні моменти у роботі системи моніторингу та розробити стратегії їх вирішення. Наприклад, виявлення можливих «сліпих зон» у мережі камер, де пожежі можуть залишатися невиявленими, а також оптимізація розміщення камер для максимального охоплення території та ефективного виявлення пожеж (рис. 3.3). Рисунок 3.3 – Результати проміжних ітерацій Модель Дросселя і Швабла є простим способом моделювання поширення пожежі у лісовому масиві, в якому кожна клітина може перебувати у одному з трьох станів: порожньому, з деревами або горить. Ця модель використовує чотири умови для визначення розповсюдження вогню: 1. Палаючий осередок перетворюється на порожній осередок. Це означає, що після того, як вогонь вже встиг розповсюдитися з певної клітини, вона перестає горіти і стає порожньою. Лист ЧДТУ.242262.001 ПЗ 50 Змн. Арк. № докум. Підпис Дата 2. Дерево спалахує, якщо горить принаймні одне сусіднє. Це вказує на те, що якщо хоча б одна з сусідніх клітин горить, то дерево у цій клітині також загориться. 3. Дерево може спалахнути з певною ймовірністю навіть у випадку, якщо жоден з сусідніх дерев не горить. Це враховує можливість самозагоряння або появи вогню з інших джерел. 4. Порожній осередок може перетворитися на дерево з певною ймовірністю. Це може відображати зростання нових дерев або відновлення лісового покриву після пожежі. Ці умови дозволяють моделювати динаміку поширення пожежі в лісовому масиві за допомогою простих правил, що відображають фізичні закони розповсюдження вогню. Розвиток автоматизованих систем управління під час гасіння лісових пожеж є ключовим завданням для ефективного врегулювання надзвичайних ситуацій. Модернізація систем зв'язку в цьому контексті грає важливу роль, оскільки забезпечує зв'язок між пожежними підрозділами та координацію їх дій. Одним із підходів до модернізації системи зв'язку під час гасіння лісових пожеж є використання передових технологій зв'язку, таких як мережі мобільного зв'язку нового покоління (5G) або супутникові зв'язки. Ці технології можуть забезпечити стійкий зв'язок у будь-яких умовах і навіть у віддалених районах, де традиційні мережі можуть бути недоступними. Крім того, важливо розглядати можливості використання систем штучного інтелекту та аналізу даних для автоматизації процесів управління під час гасіння пожеж. Наприклад, системи машинного навчання можуть аналізувати дані з супутників та датчиків для прогнозування розвитку пожежі, визначення оптимальних маршрутів для пожежних машин та координації дій рятувальних служб. Успішна модернізація систем управління під час гасіння лісових пожеж передбачає інтеграцію різноманітних технологій та розробку комплексних рішень, спрямованих на підвищення швидкості реагування, ефективності та безпеки в роботі пожежних служб. Лист ЧДТУ.242262.001 ПЗ 51 Змн. Арк. № докум. Підпис Дата 3.2 Реалізація методу визначення та локалізації початкових загорань Для ефективного виявлення лісових пожеж важливо розпізнати їх на ранніх стадіях, коли з'являється дим, і вжити відповідних заходів для їх пригнічення. Традиційні методи виявлення диму базуються на аналізі зображень та використанні методів комп'ютерного зору. Одним з таких методів є метод відповідності блоків, який дозволяє швидко та ефективно виявляти рух у сцені. Метод відповідності блоків ґрунтується на порівнянні центрального блоку з восьми сусідніми блоками у зображенні, що розділене на блоки. Під час порівняння між блоками використовуються різні метрики, такі як сума абсолютних різниць (SAD), сума квадратів різниць (SSD) або середньо-квадратична різниця (MSD). Підбираючи відповідну метрику, можна досягти високої ефективності виявлення руху, що відповідає появі диму. Для забезпечення надійності виявлення руху у сцені, можна застосовувати різні значення розмірів блоків для ближніх і далеких сцен. Це дозволяє адаптувати метод до конкретних умов спостереження та забезпечує оптимальну ефективність виявлення диму на різних відстанях і умовах освітлення. Метод відповідності блоків є простим у використанні та дозволяє швидко реагувати на появу диму у сцені, що допомагає забезпечити швидку реакцію на пожежі та запобігти їх подальшому поширенню (рис. 3.4). Рисунок 3.4 – Кадри відеопослідовності: а) вихідний кадр; б) результати детектування з розміром блоку 8 пікселів, в) результати детектування з розміром блоку 15 пікселів; г) результати детектування з розміром блоку 30 пікселів. Лист ЧДТУ.242262.001 ПЗ 52 Змн. Арк. № докум. Підпис Дата Для знаходження «сірого» руху можна скористатися нормалізованим RGB простором: де r+g+b=1. Так, перехід до нормалізованого RGB-простору або YUV-простору може поліпшити ефективність сегментації, особливо коли йдеться про розпізнавання руху, включаючи диму від лісової пожежі. У нормалізованому RGB-просторі кожна компонента (червона, зелена, синя) має діапазон значень від 0 до 1, що полегшує аналіз і порівняння значень компонент між собою. У YUV-просторі компонента Y відповідає яскравості пікселя, тобто вона відображає освітленість сцени. Аналізуючи лише компоненту Y, можна відрізнити сірий рух (зумовлений змінами освітлення) від руху інших об'єктів. Це дозволяє виявити рух або зміни яскравості, які можуть бути індикатором початкової фази лісової пожежі. Обидва ці підходи можуть бути ефективними в реальному часі аналізу зображень для виявлення лісових пожеж та інших подібних ситуацій, де важливо реагувати швидко та точно. Дослідження параметрів алгоритму виділення локальних регіонів-кандидатів є важливим етапом для досягнення точності та надійності виявлення диму на відеопослідовностях. Розмір блоку для розрахунку міжкадрової різниці, значення порога кольору та параметр часу (номер кадру) для розрахунку руху відіграють вирішальну роль у виявленні диму різних відстаней та інтенсивності. Наприклад, розмір блоку Blk визначає рівень деталізації, з яким алгоритм буде аналізувати кожен кадр. Менші значення можуть призвести до більш точного виявлення дрібних димових зон, але можуть збільшити обчислювальну складність. Значення порога кольору T визначає, наскільки диференційовано дим буде виділятися від інших об'єктів. Зменшення цього параметра може призвести до виявлення менших за площею димових зон, але може збільшити кількість помилкових спрацювань. Параметр Rate визначає часовий інтервал між кадрами, який використовується для аналізу руху. Велике значення цього параметра може Лист ЧДТУ.242262.001 ПЗ 53 Змн. Арк. № докум. Підпис Дата призвести до зменшення чутливості алгоритму до швидких змін, тоді як занадто мале значення може спричинити більше шумів в результаті. Дослідження цих параметрів дозволяє підібрати оптимальну конфігурацію для алгоритму, що виявляє дим на відеопослідовностях з високою точністю та ефективністю (рис. 3.5 – 3.7). Рисунок 3.5 – Етапи виділення ближнього диму: а) рух у кадрі, б) сіре рух у кадрі; в) розрахунок турбулентності; г)результат роботи алгоритму Рисунок 3.6 – Етапи виділення далекого диму з параметрами алгоритму: а) весь рух у кадрі; б) сіре рух у кадрі; в) розрахуноктурбулентності; г) результат роботи алгоритму Рисунок 3.7 – Етапи виділення диму за відеопослідовністю без диму: а) весь рух у кадрі; б) сіре рух у кадрі; в) розрахунок турбулентності; г) результат роботи алгоритму Лист ЧДТУ.242262.001 ПЗ 54 Змн. Арк. № докум. Підпис Дата Аналіз відтінків червоного кольору у відеопослідовностях може бути ефективним методом для виявлення полум'я. Використання HSI-простору (відтінок, насиченість, інтенсивність) дозволяє здійснювати аналіз кольору, що є важливим для виявлення об'єктів горіння. Перехід від RGB-простору до HSI-простору дозволяє виділити відтінки червоного кольору більш ефективно, оскільки відтінок в HSI-просторі безпосередньо відповідає за колір. Такий підхід дозволяє збільшити чутливість алгоритму до полум'я, відокремлюючи його від інших об'єктів. Аналізуючи відтінки червоного кольору у HSI-просторі, можна використовувати різні методи, такі як порогова обробка або використання класифікаторів, для виявлення полум'я на відеопослідовностях. Цей підхід допомагає виявляти полум'я з високою точністю, забезпечуючи швидке та ефективне реагування на пожежні випадки. Використання методу оптичного потоку може бути ефективним для оцінки руху полум'я через його турбулентні властивості та мерехтіння на певній частоті. Оптичний потік - це векторна величина, що відображає швидкість руху об'єктів на зображенні. Цей метод дозволяє виявляти і вимірювати рух об'єктів шляхом аналізу зміни інтенсивності пікселів на сусідніх кадрах відеопослідовності. Оптичний потік може бути особливо корисним для виявлення руху полум'я через його хаотичний характер та мерехтіння. Алгоритми оптичного потоку можуть виявляти навіть невеликі зміни в руху, що допомагає виявляти турбулентність руху полум'я. Рисунок 3.8 – Виявлення полум'я: а) вихідне зображення набору Ultimate Chase. Fire Stick Video; б) сегментація за кольором; в) знаходження меж полум'я Лист ЧДТУ.242262.001 ПЗ 55 Змн. Арк. № докум. Підпис Дата Отже, використання методу оптичного потоку може доповнити аналіз руху полум'я, дозволяючи отримати більш точні результати виявлення та вимірювання руху полум'я на відеопослідовностях (рис. 3.8). Вирівнювання освітленості є важливим етапом обробки відеопослідовностей, особливо для систем відеоспостереження, які працюють у різних умовах освітлення, таких як світлий день і вечірній час. Алгоритм Retinex є популярним методом для цього, оскільки він імітує функціонування візуальної системи людини. Класичний MSR-алгоритм (Multi-Scale Retinex) використовує ваговану суму одновимірних SSR-алгоритмів (Single-Scale Retinex) для різних масштабів. SSR- алгоритм дозволяє використовувати один масштаб для вирівнювання освітленості, що дозволяє зберегти деталі та контраст у різних областях зображення. Використання MSR-алгоритму дозволяє зберегти якість зображення, зменшуючи різницю у рівнях освітленості між різними частинами зображення, що допомагає підвищити якість аналізу та виявлення об'єктів, таких як дим, незалежно від умов освітлення. Так, класичний алгоритм MSR може викликати спотворення кольору зображення через те, що він вираховує відношення вихідного значення кожної колірної складової пікселя до середнього значення цієї колірної складової навколишніх пікселів. Це може призвести до зміни кольору, особливо у випадку, коли на зображенні присутні насичені кольори або колірні деталі. Одним з можливих підходів для вирішення цього питання є застосування модифікацій алгоритму MSR, які спрямовані на збереження кольору зображення. Наприклад, можна розглянути використання вагових коефіцієнтів для кожної колірної складової, щоб забезпечити більш збалансовану компенсацію освітленості, при цьому зберігаючи кольори зображення. Такі модифікації можуть допомогти зменшити спотворення кольору і зберегти якість зображення. У роботі розглядається принципово інший підхід до виявлення диму та полум'я в нічних умовах, який полягає у поєднанні даних від інфрачервоної та оптичної камер. Дослідження показали, що використання цього підходу може покращити якість сегментації та виявлення пожеж на відеопослідовностях. Лист ЧДТУ.242262.001 ПЗ 56 Змн. Арк. № докум. Підпис Дата У таблиці 3.1 наведені максимальні, середні та мінімальні значення точності сегментації для відеопослідовностей з димом. Графіки на рисунках 3.4 та 3.5 ілюструють ці ж результати для відеопослідовностей з дальнім і ближнім димом відповідно. Якість роботи алгоритму сегментації диму залежить від параметрів алгоритму. Наприклад, для відеопослідовності з ближнім димом 8 найкращими параметрами були визначені розмір блоку 15 пікселів, поріг кольору 25, розрахунок руху через два кадри при радіусі пошуку блоку 5 пікселів. Для відеопослідовності з ближнім димом 3 оптимальними параметрами були розмір блоку 15 пікселів, поріг кольору 15, розрахунок руху через один кадр при радіусі в 3 пікселі. Розпізнавання та верифікація диму та полум'я здійснюються окремо. Для цього можна використовувати різні методи, такі як машину опорних векторів, марківські моделі, мережі глибокого навчання тощо. У попередніх дослідженнях випадкові бустингові ліси використовувалися для розпізнавання диму як основного фактора пожеж. Пропонується більш реалістична динамічна модель зображення, яка враховує зміни в ділянках лісового масиву внаслідок коливань дерев, змін освітленості тощо. Такий підхід дозволяє розглядати різницю між двома зображеннями як двовимірний випадковий процес, що може бути корисним для підвищення достовірності виявлення пожеж на відкритих місцевостях. Аналіз графіків підтверджує, що математичне очікування різницевого зображення майже дорівнює нулю, що свідчить про те, що фонові зображення у сусідніх кадрах майже однакові. Однак середньоквадратичне відхилення збільшується під час руху вниз по стовпцях різницевих зображень. Це пов'язано з тим, що для об'єктів переднього плану зміна яскравості є більш помітною, ніж для об'єктів, що знаходяться далі від камери. На основі отриманих оцінок генерується послідовність реалізацій нестаціонарного псевдовипадкового поля, яке сумується зі статичним зображенням лісу, що імітує рух фону. Далі на отримані фонові зображення накладаються послідовні зображення димової хмари, що розвивається, згенеровані на основі Лист ЧДТУ.242262.001 ПЗ 57 Змн. Арк. № докум. Підпис Дата клітинної моделі. Оцінка ймовірностей помилкової тривоги і правильного виявлення проводиться шляхом підрахунку відповідних подій у довгій серії експериментів. Застосовано порівняльну оцінку ефективності двох алгоритмів: контрастного виявлення на основі аналізу динаміки зв'язкових компонентів порогових множин та класифікації точок зображення за яскравістю з використанням методу кластеризації «K-means». Алгоритм кластеризації «K-means» використовується для класифікації точок зображення в одновимірному просторі ознак на основі яскравості. Під час виявлення диму розбиття точок зображення на два класи («фон» і «об'єкт») не завжди призводить до задовільних результатів. Тому додано проміжні класи для зменшення внутрішньокласової дисперсії, що дозволяє краще визначити область димової хмари. Збільшення кількості класів збільшує обсяг обчислень, але це компенсується простотою реалізації алгоритму. Проведено порівняльний аналіз ефективності алгоритмів за запропонованою методикою. Оцінено якість виявлення диму, а також час виявлення, що є важливим параметром для систем раннього виявлення пожеж. Швидше виявлення дозволяє більш ефективно гасити пожежі. Таким чином, в результаті проведених досліджень оцінювалася якість та час виявлення пожежі для кожного алгоритму. Таблиця 3.1 – Оцінка характеристик ефективності Оцінка вірогідності Алгоритм Номер кадра правильного виявлення K-means 0,371 95 ЗКПМ 0,817 36 Отже, на підставі отриманих результатів можна зробити висновок, що алгоритм, заснований на аналізі динаміки зв'язкових компонент порогових множин (ЗКПМ), виявився більш ефективним у порівнянні з алгоритмом, який використовує метод кластеризації «K-means». Оцінка ймовірності хибної тривоги у обох випадках дорівнює нулю, що свідчить про високу точність обох алгоритмів. Лист ЧДТУ.242262.001 ПЗ 58 Змн. Арк. № докум. Підпис Дата Заснована на аналізі динаміки ЗКПМ система раннього виявлення лісових пожеж FireStation була модернізована з використанням клієнт-серверної архітектури, де обробка інформації зосереджена на сервері мережі. У програмному забезпеченні системи реалізовано алгоритми попередньої обробки зображень та алгоритми виявлення димових хмар як ознаки початку пожежі. Попередня обробка зображень спрямована на вирівнювання фону за яскравістю та компенсацію перспективних спотворень, щоб забезпечити сприятливі умови для роботи алгоритмів виявлення. Для оцінки ефективності алгоритмів була запропонована методика на основі моделювання димових хмар на динамічному фоні, що включає реальне зображення лісового масиву з імітацією руху. Ця методика дозволила провести оцінку ефективності алгоритмів контрастного виявлення та класифікації точок зображення, що використовують метод кластеризації «K-means». Лист ЧДТУ.242262.001 ПЗ 59 Змн. Арк. № докум. Підпис Дата ВИСНОВКИ У представленій роботі розроблено автоматизовану систему екологічного моніторингу лісових господарств. Проаналізовано існуючі системи моніторингу лісових господарств, що дозволило реалізувати ефективну систему детектування лісових пожеж. Досліджено та проаналізовано автоматизовані системи екологічного моніторингу, що дало змогу обрати оптимальний варіант для реалізації ефективної автоматизованої системи виявлення осередків загорання та пожеж на ранніх стадіях. Представлено функціональні можливості та основні завдання автоматизованої системи моніторингу на базі IP-камер та пристроїв передачі даних, які базуються на засобах стільникового зв'язку. Обґрунтовано вибір пристроїв та технічних засобів для розробки системи. Реалізовано структуру та оптимізовано спосіб моніторингу лісових господарств. Представлено архітектуру відеосистеми, що дозволяє розпізнавати осередки загорання, полум'я на зображеннях, ефективно допомагає локалізовувати ділянки пожеж та оперативно боротися з вогнем. Для забезпечення якісного функціонування моніторингу відповідно до встановлених норм, обрано технічні пристрої та вузли автоматизації, які відповідають вимогам щодо якісного протікання технологічного процесу. Обґрунтовано застосування технічних пристроїв для представленого об'єкта керування з урахуванням параметрів, що контролюються: освітленості, погодних умов, витрат електроенергії, засобів контролю показів сенсорних блоків тощо. Обґрунтовано перспективи використання штучного інтелекту при обробці зображень. Обґрунтовано оптичний метод автоматизованого детектування лісових пожеж на основі програмно-апаратних засобів мобільних пунктів спостереження та наземних диспетчерських пунктів прийняття й обробки даних. Проведено аналіз технологічного процесу як об'єкта керування, виявлено недоліки існуючих інформаційних алгоритмів та технічних пристроїв для моніторингу лісових пожеж. Визначено контрольовані параметри технологічного процесу. Лист ЧДТУ.242262.001 ПЗ 60 Змн. Арк. № докум. Підпис Дата Розроблено архітектуру та технологічні схеми автоматизованої системи моніторингу лісових пожеж, в яку інтегровано методи детекції місця загорання. Удосконалено метод визначення та локалізації початкових загорань в умовах поганої освітленості за візуальними даними, що дає чітке уявлення про роботу мікроконтролерної системи та її ефективність у складі автоматизованої системи моніторингу. Запропонована автоматизована система забезпечує надійну, безперебійну та якісну роботу у процесі виявлення осередків загорання на території лісового господарства, що дає змогу оперативно реагувати на лісові пожежі та сигналізувати про це в центри з надзвичайних ситуацій. Це, в свою чергу, мінімізує витрати фізичної праці та значно підвищує надійність роботи такої системи екологічного моніторингу. Лист ЧДТУ.242262.001 ПЗ 61 Змн. Арк. № докум. Підпис Дата СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 1. Brunn A., Weidner U. Extracting Buildings from Digital Surface Models IAPRS. 2022. Vol 32 (3–4W2). – P. 27–34. 2. Chinsu L., Thomson G., Popescu S. An IPCC-Compliant Technique for Forest Carbon Stock Assessment using Airborne LiDAR-derived Tree Metrics and Competition Index. Remote Sensing. 2019. № 8 (6). – P. 528 3. Chuan Li, George D. Skidmore, C. J. Han. DRS uncooled VOx infrared detector development. Optical Engineering. 2020. Vol. 50, № 50. – Р. 23-29. 4. Dupuy J. L. Slope and fuel load effects on fire behavior: laboratory experiments in pine needle fuel beds. Int. J. Wildland Fire. 2022. № 5. – P. 153– 164. 5. Dupuy J. L., Marechal J., Morvan, D. Fires from a cylindrical forest fuel burner: combustion dynamics and flame properties. Combust. Flame. 2019. № 135. – P. 65–76. 6. Keeler R., Bondur V., Vithanage D. Sea truth measurements for remote sensing of littoral water ler. Sea Technology. April. 2022. – P. 53-58. 7. Kostrikov, Segida K. Human geography with geographical geoinformation systems. Часопис соціально-економічної географії. Харків, 2019. Вип. 15(2). – С. 39–47. 8. Kravets O.V., Mozgovoy D. K. Wavelet Transform in remote sensing data processing: Engineer of the 3rd Millennium: The VII І Students` Scientific Conference (May, 2019, Dniepropetrovsk) Dniepropetrovsk, 2019. – Р. 49–50. 9. Modeling Forest Aboveground Biomass and Volume Using Airborne LiDAR Metrics and Forest Inventory and Analysis Data in the Pacific Northwest. Remote Sensing. 2019. № 7. – P. 229-255. 10. Pennington K. S., Collier R. G. Hologram-generated ghost-image experiments. Applied Physics Letters.2022. № 8. – С. 44–46. 11. Popescu S. C., Feagin R. A. Airborne lidar remote sensing applications in non- forested short stature environments: a review. Annals of Forest Research. 2017. № 60. – P. 719. Лист ЧДТУ.242262.001 ПЗ 62 Змн. Арк. № докум. Підпис Дата 12. Taylor G., Kidner D., Brundsdon K. Modelling and prediction of GPS availability with digital photogrammetry and LiDAR. International Journal of Geographical Information Science. 2021. Vol. 21, № 1. – P. 1–20. 13. Van Heerden P. G. A new optical method of storing and retrieving information. Applied Optics. 2023. № 2. – С. 387–392. 14. Yasar G. S. Animals as mobile biological sensors for forest fire detection. Sensors. Basel, Switzerland, 2020. № 7 (12). – С. 3084–3099. 15. Zhao K., Valle D., Popescu S. Hyperspectral remote sensing of plant biochemistry using Bayesian model averaging with variable and band selection. Remote Sensing of Environment. 2018. № 132. – P. 102– 119. 16. Іванець Г. В., Бугайов А. Ю. Прогнозування надзвичайних ситуацій техногенного характеру на основі статистичних даних моніторингу. Харків: НУЦЗУ, 2019. №. 23. – С. 39–45. 17. Колобородов В. І., Харитоненко К. В. Застосування методів і алгоритмів цифрової обробки зображень в оптико-електронних приладах. Вісник НТУУ "КПІ". Київ, 2020. №40. – С. 23 – 31. 18. Комаров В. С, Солонець О. І. Застосування космічних систем дистанційного зондування Землі в інтересах національної безпеки і оборони України. Системи обробки інформації. Обробка інформації в складних технічних системах. 2018. № 3(70). – С. 73 –75. 19. Костріков С. В. Геоінформаційне моделювання природно-антропогенного довкілля: наукова монографія. Харків: ХНУ ім. В.Н. Каразіна, 2019. – 484 с. 20. Кузик А. Д. Математичне моделювання пожежної небезпеки лісів. Науковий вісник НЛТУ України. Львів, 2021. Вип. 21.16. – С. 104 – 112. 21. Кузик А. Д. Про методи гасіння лісових пожеж. Пожежна безпека: зб. наук. праць, м.Львів, ЛІПБ, 2019. № 3. – С. 118–120. 22. Лаврівський М. З., Тур Н. Е. Використання безпілотних літальних апаратів для моніторингу надзвичайних ситуацій у лісовій місцевості. Збірник науково-технічних праць. Науковий вісник НЛТУ України. 2019. Вип. 25.8. – C. 353–359. Лист ЧДТУ.242262.001 ПЗ 63 Змн. Арк. № докум. Підпис Дата 23. Проценко М. М. Аналіз методів цифрової обробки відеозображень апаратурою безпілотного літального апарату. Вісник ЖДТУ. Житомир, 2019. № 1. – С. 89–95. 24. Путренко В. В. Інтелектуальний аналіз небезпеки виникнення природних пожеж на основі геоінформаціних технологій. Технологічний аудит та резерви виробництва. Харків, 2019. № 4/3(30). – С. 67–72. 25. Яцків В. В., Башуцький В. В. Система контролю лісових пожеж на основі безпровідних сенсорних мереж. Сучасні комп’ютерні інформаційні технології: матеріали V Всеукр. шк.-семінару молодих вчен. і студ. АСІТ’2018, м. Тернопіль, ТНЕУ, 22 – 23 трав. 2018 р. Тернопіль, 2018. – С. 63-64. Лист ЧДТУ.242262.001 ПЗ 64 Змн. Арк. № докум. Підпис Дата