РОЗРОБЛЕННЯ СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ МОНІТОРИНГУ ТА ПОПЕРЕДЖЕННЯ ЛІСОВИХ ПОЖЕЖ В УКРАЇНІ

Анотація

У статті наведено результати дослідження та розробки системи підтримки прийняття рішень для моніторингу та попередження лісових пожеж в Україні. Було розглянуто проблематику лісових пожеж на території України. Досліджено традиційні методи моніторингу та фіксації лісових пожеж. Виявлено їх недосконалість. Наведено огляд літератури, що займається розглядом даної проблеми. У статті зазначено, що традиційні методи моніторингу та попередження лісових пожеж, такі як наземні патрулі та спостереження з повітря, часто є неефективними та дорогими. Використання сучасних технологій, таких як дистанційне зондування Землі, штучний інтелект та системи підтримки прийняття рішень (СППР), може значно покращити ефективність моніторингу та попередження лісових пожеж. Саме тому є важливою проблематика розроблення програмного забезпечення, яке забезпечило б виявлення лісових пожеж, є вкрай важливою. Дослідження виконано з використанням знімків з відкритих джерел NASA Earth Observatory. Для обробки та аналізу супутникових зображень використано бібліотеки Python: Keras, TensorFlow, PyTorch. За допомогою методів моделювання спроєктовано архітектуру системи та показано варіанти використання. У статті описано поняття СППР. При розробці СППР для моніторингу та попередження лісових пожеж в Україні було виявлено потреби користувачів та побудовано діаграму варіантів використання. Було описано основні компоненти створюваної системи та розроблено архітектуру. Розглянуто принципи роботи алгоритму СППР для аналізу зображень. Спочатку дані зображень зчитуються та приводяться до одного формату. Далі за допомогою методів навчання нейромережі потрібно видалити шум, сегментувати зображення, виділивши зони вогню, перетворити колір, проаналізувати межі та ключові точки. На основі цього формується оцінка зображення. Алгоритм повторюється протягом кількох циклів для отримання більш точних результатів передбачення. Після первинної обробки зображень та їх аналізу було розроблено алгоритм навчання нейронної мережі. У результаті було побудовано модель згорткової нейронної мережі, точність якої сягає 92%. Розроблена система підтримки прийняття рішень показує гарні результати виявлення вогню на ранніх стадіях, але є ще можливості для подальшого вдосконалення алгоритму.