Система мониторинга пожарной и медико экологической безопасности с использованием анализа видеоданных с беспилотных летательных аппаратов
 Скачать 2.07 Mb.
|
|
Заключение В диссертационной работе получены следующие основные результаты. 1. Проведен анализ методов и средств мониторинга и прогнозирования пожарной безопасности административно-территориальных единиц, который показал, что повышение эффективности процесса мониторинга требует автоматизации классификации видеоданных с беспилотных летательных аппаратов. 2. Разработан метод синтеза математических моделей оценки пожарной обстановки и состояния людей, находящихся в зоне пожара, позволяющий синтезировать решающие правила по классификации типов и характера пожаров, а также по прогнозированию и оценке состояния здоровья в условиях исследуемого класса чрезвычайных ситуаций. 3. Разработана концептуальная модель системы мониторинга пожарной и медико-экологической безопасности с использованием анализа видеоданных с беспилотных летательных аппаратов, позволяющая оперативно классифицировать и прогнозировать пожарную и медико-экологическую обстановку на мониторируемой территории. 4. Разработан метод оптимизации функционирования модуля воздушного наблюдения пожарной и медико-экологической безопасности, включающий алгоритм планирования траектории мониторинга пожарной обстановки, позволяющий определить необходимый ресурс беспилотного летательного аппарата для мониторинга пожарной обстановки и оптимизировать число беспилотных летательных аппаратов в зоне мониторинга территориальной единицы. 5. Разработан метод сегментации видеоданных, поступающих с беспилотного летательного аппарата при мониторинге пожарной обстановки, позволяющий повысить оперативность анализа данных в видеопотоке. 137 6. Разработан метод классификации сегментов на аэроснимках, полученных при мониторинге АТЕ, позволяющий обучать классификаторы на дифференциальную диагностику сегментов снимков видеоряда, полученных с видеокамер БПЛА. 7. Проведены экспериментальные исследования эффективности предложенных методов, алгоритмов и моделей в системе мониторинга пожарной и медико-экологической безопасности АТЕ на видеопоследовательностях, содержащих пламя и дым, которые показали среднее значение точности обнаружения дыма – 86 %, пламени – 89,5 %, при этом ложноположительные срабатывания при обнаружении дыма в среднем составили 13 %, а при обнаружении пламени – 4,5 %. Рекомендации.Результаты исследования могут быть использованы для построения автоматизированных систем мониторинга пожарной и медико- экологической безопасности. Перспективы дальнейшей разработки темы. Улучшение чувствительности коммерческих и экспериментальных автоматизированных систем видеообнаружения пожара с одновременным снижением количества ложных срабатываний посредством разработки мультимодальных алгоритмов классификации, использующих инфракрасные и обычные камеры. 138 Список сокращений и условных обозначений АИА – автономный интеллектуальный агент; АРМ – автоматизированное рабочее место; АСМПМЭБ – автоматизированная система мониторинга пожарной и медико-экологической безопасности; АТЕ – автономная территориальная единица; БД – база данных; БДХСС – блок датчиков химического состава среды; БДЭМИ – блок датчиков электромагнитного излучения; БПЛА - беспилотный летательный аппарат; БПУ – быстрое преобразование Уолша; ГА – газовый анализатор; ГОСТ – Государственный стандарт; ГПС – Государственная противопожарная служба; ДР – датчик расстояния; ДС – диагностическая специфичность; ДСО – датчик окиси углерода; ДЧ – диагностическая чувствительность; ЖК – жидкокристаллический; ИДТ – инфракрасный датчик температуры; ИК – инфракрасный; ИКДП – инфракрасный датчик пожара; ИП – извещатель пожарный; ИПТ – извещатель пожарный тепловой; ИПТЛ – извещатель пожарный тепловой линейный; ИПТМ – извещатель пожарный тепловой многоточечный; ИПТТ – извещатель пожарный тепловой точечный; КУД – контроллер управления движением; 139 ЛНС – локальная навигационная система; ЛПДРП – летающая платформа с двухзональным распознавателем пожаров; ЛПР – лицо, принимающее решение; ЛРМК – летающий робот с машущим крылом; МАК – многофункциональный аналоговый коммутатор; МГУА – метод группового учета аргументов; МК – микроконтроллер; МПП – мобильная приборная платформа; МР – многоканальный регулятор; МСГНРП – методология синтеза гибридных нечетких решающих правил; МЧС – Министерство Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий ; МЭМС – микроэлектромеханические системы; НИР – научно-исследовательская работа; НС – нейронная сеть; НСУ – наземная станция управления; ОЗК – решение обратной задачи кинематики; ОЗУ – оперативное запоминающее устройство; ПДК – предельно допустимая концентрация; ПЗУ – постоянное запоминающее устройство; ПИД - пропорционально-интегрально-дифференцирующий; ПК – показатель качества; ПО – программное обеспечение; РТП – руководитель тушения пожара; РФ – Российская Федерация; СНС – сверточная нейронная сеть; СОАСЗИ – система обработки и анализа спектрозональных изображений; СОПБ – система обеспечения пожарной безопасности; СППР – система поддержки принятия решения; 140 ТП – тестовый пожар; УФ – ультрафиолетовый; УФДП – ультрафиолетовый датчик пожара; ХВ – химическое вещество; ЧРП – частные решающие правила; ЧС – чрезвычайная ситуация; ШФП – широкополосный фотоприемник; ЭМП – электромагнитное поле; ЭЭГ – электроэнцефалограмма; EEPROM – электрически стираемое перепрограммируемое ПЗУ; GPIO – General-Purpose Input/Output (низкоуровневый интерфейс ввода- вывода прямого управления); GPS – Global Positioning System; HIS – Hue, Saturation, Intensity (тон, насыщенность и интенсивность); HSL – Hue Saturation Lightness; HSV – Hue, Saturation, Value (тон, насыщенность, значение); I 2 C – Inter-Integrated Circuit (последовательная асимметричная шина для связи между интегральными схемами внутри электронных приборов); I 2 S – Integrated Inter-chip Sound (стандарт интерфейса электрической последовательной шины); MSD – Mean of Squared Differences; MSR – Multi-Scale Retinex (взвешенная сумма SSR с разными коэффициентами размытия); NET – Neural Network (нейронная сеть); RGB – Red Green Blue (красный, зелѐный, синий); ROI – Region of Interest (область (регион) интереса); SAD – Sum of Absolute Differences; SD – Secure Digital Memory Card (формат карт памяти (флеш-память)); SDIO – Secure Digital Input/Output (интерфейс, разработанный на основе интерфейса карты памяти SD); 141 SPI – Serial Peripheral Interface (последовательный периферийный интерфейс); SRAM - Static Random Access Memory (статическая память с произвольным доступом); SSD – Sum of Squared Differences; SSR – Single-Scale Retinex (алгоритм, который производит выравнивание освещенности изображения и при этом сохраняет контраст в ярко и плохо освещенных областях); UART – Universal Asynchronous Receiver-Transmitter (универсальный асинхронный приѐмопередатчик – последовательный интерфейс передачи данных); URL – универсальный ресурсный индикатор; YCbCr – цветовое пространство c компонентой яркости (Y) и двумя хроматическими компонентами (Сb, Сr). 142 Список литературы 1. Алиев, И.Р. Применение алгоритмов компьютерного зрения для обнаружения и локализации пожаров на аэрофотоснимках / И.Р. Алиев, В.А. Павлов // СПбНТОРЭС: труды ежегодной НТК. – 2020. – № 1(75). – С. 225-228. 2. Баканов, М.О. Дистанционный мониторинг техногенных пожаров и чрезвычайных ситуаций / М.О. Баканов, Д.В. Тараканов // Известия высших учебных заведений. Технология текстильной промышленности. – 2018. – №. 1. – С. 173. 3. Буняев, В.В. Методы поиска информативных проекционных зон и синтеза нечетких решающих правил для рефлексодиагностки / В.В. Буняев, Н.А. Кореневский // Системный анализ и управление в биомедицинских системах. – 2004. – Т.3, №3. – С. 175–178. 4. Васюков, В.Н. Алгоритмы анализа изображений для системы раннего обнаружения лесных пожаров [Электронный ресурс] / В.Н. Васюков, А. Ю. Зайцева // Доклады АН ВШ РФ. - 2014. - №4 (25). - URL: https://cyberleninka.ru/article/n/algoritmy-analiza-izobrazheniy-dlya-sistemy-rannego- obnaruzheniya-lesnyh- pozharov (дата обращения 16.01.2022). 5. ГОСТ Р 53325-2012. Техника пожарная. Технические средства пожарной автоматики. Общие технические требования и методы испытаний. - Введ. 2012- 11-22. - М. : Стандартинформ, 2014. - 142с.: ил. 6. Григоров, И.Ю. Методы и средства прогнозирования и ранней диагностики профессиональных заболеваний работников гальванических производств на основе нечетких моделей принятия решений: дис. … д–ра техн. наук : 05.11.17 / Григоров И.Ю. – Курск, 2020. – 147 с. 7. Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, Б. Иошуа, А. Курвилль. – М.: ДМК–Пресс, 2017. – 652 с. 8. Дабагов, А.Р. Автоматизированная система для классификации заболеваний молочной железы по рентгеновским маммографическим снимкам / 143 А.Р. Дабагов, И.А. Малютина, Д.С. Кондрашов и др. // Прикаспийский журнал: управление и высокие технологии. – 2019. – № 4 (48). – С.10–24. 9. Дабагов, А.Р. Автоматизированная система для классификации заболеваний молочной железы по рентгеновским маммографическим снимкам / А.Р. Дабагов, И.А. Малютина, Д.С. Кондрашов и др. // Прикаспийский журнал: управление и высокие технологии. – 2019. – № 4 (48). – С.10–24. 10. Дабагов, А.Р. Автоматизированная система классификации рентгенограмм молочной железы / А.Р. Дабагов, В.А. Горбунов, С.А. Филист и др. // Медицинская техника. – 2019. – №6 (318). – С. 39–41. 11. Дабагов, А.Р. Многослойные морфологические операторы для сегментации сложноструктурируемых растровых полутоновых изображений / А.Р. Дабагов, И.А. Малютина, Д.С. Кондрашов и др. // Известия Юго–Западного государственного университета. Серия: Управление, вычислительная техника, информатика, медицинское приборостроение. – 2019. – Т.9, №3. – С. 44–63. 12. Денисов, А.Н. Анализ существующей структуры управления силами и средствами на пожаре / А.Н. Денисов, М.В. Шевцов // Пожары и чрезвычайные ситуации: предотвращение, ликвидация. – 2009. – № 3. – С. 79–81. 13. Денисов, А.Н. Глубина тушения пожара как основание для ресурсного обоснования сил и средств пожарных подразделений [Электронный ресурс] / А.Н. Денисов, Н.М. Журавлѐв, М.В. Шевцов, В.Б. Захаревский // Технологии техносферной безопасности: интернет–журнал. – 2011. – № 5 (39). – URL: http://agps –2006.narod.ru/ttb/2011–5/02–05–11.ttb.pdf (дата обращения 09.08.2021 г.). 14. Денисов, А.Н. Информационно–функциональный подход к управлению силами и средствами на пожаре [Электронный ресурс] / А.Н. Денисов, М.В. Шевцов // Технологии техносферной безопасности: интернет–журнал. – 2010. – №3(31). – Режим доступа: http://agps–2006.narod.ru/ttb/2010–3/01–03–10.ttb.pdf ( дата обращения 09.09.2021). 15. Дюдин, М.В. Автоматические классификаторы сложно структурируемых изображений на основе мультиметодных технологий 144 многокритериального выбора / М.В. Дюдин, И.В. Зуев, С.М. Чудинов и др. // Вопросы радиоэлектроники. Серия: Системы и средства отображения информации и управления спецтехникой (СОИУ). – 2015. – №1. – С.130–141. 16. Зобнин, Ю.В. Отравление монооксидом углерода (угарным газом): учебное пособие / Ю.В. Зобнин, Т.Н. Савватеева–Любимова, А.Н. Коваленко и др.; под ред. Ю.В. Зобнина. – Санкт–Петербург: Издательство «Тактик–Студио», 2011. – 80 с. 17. Кассим, К.Д.А. Формирование признакового пространства для задач классификации сложноструктурируемых изображений на основе спектральных окон и нейросетевых структур / К.Д.А. Кассим, А.А. Кузьмин, О.В. Шаталова и др. // Известия Юго–Западного государственного университета. – 2016. – №4(67). – С. 56–68. 18. Кореневский, Н.А. Синтез коллективов гибридных нечетких моделей оценки состояния сложных систем / Н.А. Кореневский, К.В. Разумова // Наукоемкие технологии. – 2014 – Т.15, №12. – С. 31–39. 19. Кореневский, Н.А. Использование нечеткой логики принятия решений для медицинских экспертных систем / Н.А. Кореневский // Медицинская техника. – 2015. – №1. – С. 33–35. 20. Кореневский, Н.А. Использование технологии мягких вычислений для прогнозирования и диагностики профессиональных заболеваний работников агропромышленного комплекса: монография / Н.А. Кореневский, В.И. Серебровский, Р.В. Степашов, Т.Н. Говорухина. – Курск: Изд–во Курск. гос. с.–х. ак., 2016. – 224 с. 21. Кореневский, Н.А. Метод оценки функционального резерва человека – оператора на основе комбинированных правил нечеткого вывода / Н.А. Кореневский, А.Н. Коростелев, Л.В. Стародубцева, В.В. Серебровский // Биотехносфера. – 2012. – №1 (19). – С. 44–49. 22. Кореневский, Н.А. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем / Н.А. Кореневский // 145 Известия Юго–Западного государственного университета. – 2013. – №2. – С. 99 – 103. 23. Кореневский, Н.А. Метод синтеза математических моделей оценки пожарной обстановки и состояния людей, находящихся в зоне пожара / Н.А. Кореневский, М.В. Шевцов, Л.В. Стародубцева, Г.В. Сипливый // Известия Юго– Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. – 2021. – Т.11, № 3. – С. 142 –159. 24. Кореневский, Н.А. Метод синтеза нечетких моделей и ранней диагностики профессиональных заболеваний работников гальванических производств / И.Ю. Григоров, Т.Н. Говорухина, Р.А. Крупчатников // Системный анализ и управление в биомедицинских системах. – 2019. – Т.18, №3. – С. 163– 169. 25. Кореневский, Н.А. Методология синтеза гибридных нечетких решающих правил для медицинских интеллектуальных систем поддержки принятия решений: монография / Н.А. Кореневский, С.Н. Родионова, И.И. Хрипина. - Старый Оскол: ООО «Тонкие наукоемкие технологии», 2019. – 472 с. 26. Кореневский, Н.А. Оценка и управление состоянием здоровья на основе моделей Г. Раша / Н.А. Кореневский, А.Н. Шуткин, Е.А. Бойцова, В.В. Дмитриева // Медицинская техника. – 2015. – № 6 (294). – С. 37–40. 27. Кореневский, Н.А. Оценка и управление состоянием здоровья обучающихся на основе гибридных интеллектуальных технологий: монография / Н.А. Кореневский, А.Н. Шуткин, С.А. Горбатенок, В.И. Серебровский. - Старый Оскол: ООО «Тонкие наукоемкие технологии», 2016. – 472 с. 28. Кореневский, Н.А. Прогнозирование и ранняя диагностика заболеваний сельскохозяйственных рабочих на основе нечеткой логики принятия решений / Н.А. Кореневский, Н.А. Коптева, Р.А. Крупчатников // Вестник Воронежского государственного технического университета. – 2008. – Т.4, №7. – С. 86–89. 29. Кореневский, Н.А. Проектирование биотехнических систем медицинского назначения». Средства оценки состояния биообъектов: учебное 146 пособие / Н.А. Кореневский, З.М. Юлдашев. - Старый Оскол: ООО «Тонкие наукоемкие технологии», 2017. – 456 с. 30. Кореневский, Н.А. Проектирование биотехнических систем медицинского назначения. Общие вопросы проектирования: учебник / Н.А. Кореневский, З.М. Юлдашев. - Старый Оскол: ООО «Тонкие наукоемкие технологии», 2018. – 812 с. 31. Кореневский, Н.А. Проектирование медико–экологических информационных систем: учебное пособие / Н.А. Кореневский, Н.Д. Тутов, Л.П. Лазурина. – Курск, 2021. – 193 с. 32. Кореневский, Н.А. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики и прогнозирования / Н.А. Кореневский // Телекоммуникации. – 2006. – №6. – С. 25– 31. 33. Кореневский, Н.А. Синтез гибридных нечетких правил для прогнозирования, оценки и управления состоянием здоровья в экологически неблагоприятных регионах / Н.А. Кореневский, А.С. Башир, С.А. Горбатенко // Известия Юго–Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. – 2013. – №4. – С. 69–73. 34. Кореневский, Н.А. Синтез нечетких классификационных правил в многомерном пространстве признаков для медицинских приложений / Н.А. Кореневский, К.В. Разумова // Известия Юго–Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. – 2012. – №21. – С. 223–227. 35. Кореневский, Н.А. Синтез нечетких решающих правил для прогнозирования и ранней диагностики заболеваний, вызываемых состоянием окружающей среды, с учетом индивидуальных особенностей организма / Н.А. Кореневский, Ю.А. Иванков, Е.А. Яковлева, Н.Н. Савченко // Системный анализ и управление в биомедицинских системах. – 2007 – Т.6, №2. – С. 395–400. 147 36. Кореневский, Н.А. Теория проектирования нечетких сетевых экспертных систем для управления медико–экологической безопасностью / Н.А. Кореневский, С.А. Филист, А.Б. Красковский и др. // Научные ведомости Белгородского государственного университета. Серия: История. Политология. Экономика. Информатика. – 2009. – Т.11, № 9–1 (64). – С. 146–151. 37. Кудрявцев, П.С. Моделирование морфологических образований на рентгенограммах грудной клетки в интеллектуальных диагностических системах медицинского назначения / П.С. Кудрявцев, А.А. Кузьмин, Д.Ю. Савинов, С.А. Филист, О.В. Шаталова // Прикаспийский журнал: управление и высокие технологии. – 2017. – № 3 (39). – С. 109–120. 38. Кудрявцев, П.С. Развитие методологии бустинга для классификации флюорограмм грудной клетки / П.С. Кудрявцев, А.А. Кузьмин, С.А. Филист // Биомедицинская радиоэлектроника. – 2016. – №9. – С. 10–15. 39. |