澳大利亚科学家正以创纪录的时间探测到森林大火，这要归功于搭载人工智能的立方体卫星，它们现在能够从太空探测到火灾，比传统的地面图像处理速度快500倍。

遥感和计算机科学研究人员已经克服了在将大量高光谱图像发送到地面进行分析之前，在更小、更经济的立方体卫星上处理和压缩大量高光谱图像的限制，节省了宝贵的时间和精力。

使用人工智能的这一突破意味着，从太空中可以更早地探测到森林大火，甚至在它们蔓延并产生大量热量之前，使地勤人员能够更快地做出反应，防止生命和财产损失。

由南澳大利亚大学(UniSA)领导的一个项目利用先进的机载人工智能技术，为南澳大利亚的第一颗立方体卫星Kanyini开发了一种节能的早期火灾烟雾探测系统。

研究人员在最新一期的《IEEE应用地球观测与遥感专题选刊》上发表了他们实验的细节。

Kanyini任务是南非政府、SmartSat CRC和行业合作伙伴之间的一项合作，将一颗6u的CubeSat卫星发射到近地轨道，以探测森林火灾以及监测内陆和沿海水质。

卫星传感器配备了高光谱成像仪，可捕捉不同波长的地球反射光，生成详细的地表地图，用于各种应用，包括丛林大火监测、水质评估和土地管理。

首席研究员、UniSA地理空间科学家斯蒂芬·彼得斯博士说，传统上，地球观测卫星没有机载处理能力，无法实时分析从太空捕获的复杂地球图像。

他的团队包括来自南澳大利亚大学、斯威本科技大学和澳大利亚地球科学大学的科学家，他们通过建立一个轻量级的人工智能模型来克服这一问题，该模型可以在立方体卫星可用的机载处理、功耗和数据存储限制下检测烟雾。

与地面处理高光谱卫星图像以探测火灾相比，人工智能机载模型将下行数据量减少到原始尺寸的16%，同时消耗的能量减少了69%。

人工智能机载模型检测火灾烟雾的速度比传统的地面处理速度快500倍。

彼得斯博士说:“在火灾变得足够热，足够大，传感器可以识别它之前，烟雾通常是你从太空中看到的第一件事，所以早期发现是至关重要的。”

为了演示人工智能模型，他们使用了最近澳大利亚森林大火的模拟卫星图像，使用机器学习训练模型来检测图像中的烟雾。

“对于大多数传感器系统来说，收集到的数据中只有一小部分包含与任务目的有关的关键信息。由于这些数据无法在大型卫星上处理，所有这些数据都被下行到地面进行分析，占用了大量的空间和能源。我们已经通过训练模型来区分烟雾和云来克服这个问题，这使得它更快、更有效。”

以“库荣”号过去的一次火灾事件为例，模拟的“坎尼尼”人工智能机载方法只用了不到14分钟就探测到烟雾并将数据发送到南极地面站。

“这项研究表明，与传统的地面处理相比，机载人工智能具有显著的优势，”彼得斯博士说。“这不仅在发生森林大火时是无价的，而且可以作为其他自然灾害的早期预警系统。”

研究小组希望在2025年“坎尼尼”号任务开始运行时，在轨道上展示机载人工智能火灾探测系统。

“一旦我们解决了任何问题，我们希望将这项技术商业化，并将其应用于立方体卫星星座，目标是在一小时内为早期火灾探测做出贡献。”

点击分享到