Инженеры Московского авиационного института (МАИ) создали систему раннего обнаружения лесных пожаров, которая использует нейросети для распознавания дыма с борта беспилотных летательных аппаратов. Разработка позволяет выявить очаг возгорания в радиусе пяти километров и передать координаты в МЧС за 5–7 секунд. Об этом сообщила пресс-служба вуза.
Система работает на базе обычных серийных беспилотников, оснащённых стандартными оптическими камерами. Ключевое отличие от существующих решений — способность обнаруживать пожар на ранней стадии по появлению дыма, а не по тепловым аномалиям, которые фиксируются инфракрасными камерами уже при сильном огне.
«Лесные пожары распространяются стремительно, каждая секунда промедления в их обнаружении ведёт к увеличению ущерба. Созданная система позволяет выявить очаг возгорания на ранней стадии по появлению дыма и в автоматическом режиме оперативно передать его координаты МЧС. Это даёт возможность локализовать пожар на небольшой площади и не дать ему перерасти в катастрофу», — пояснил руководитель проекта, студент института № 3 «Системы управления, информатика и электроэнергетика» МАИ Никита Лалетин.
Как работает нейросетевая модель
В основе разработки лежит нейросетевая модель компьютерного зрения, которая анализирует видеопоток с бортовой камеры беспилотника. Для обучения системы МЧС предоставило видеоматериалы с учебных полигонов. Команда МАИ собрала обширный датасет с изображениями дыма и огня, снятыми с воздуха. Несмотря на дефицит качественных данных, точность обнаружения дыма достигла 95,1%.
Система умеет отличать дым от пара, тумана и облаков благодаря многоуровневому модулю защиты от ложных срабатываний. На первом уровне проводится временной анализ: нейросеть требует несколько последовательных кадров объекта, сравнивает их и исключает блики, размытие от движения камеры и визуально похожие на дым разовые помехи.
На втором уровне выполняется контекстный анализ: система обучена игнорировать объекты в небе (например, облака), поскольку очаг возгорания должен находиться на поверхности земли. Третий уровень защиты предусматривает перекрёстную проверку второй нейросетью, которая будет анализировать текстуру объекта. Внедрение этого элемента планируется в перспективе.
Планы по внедрению
На данный момент готов рабочий прототип системы, проверенный в стендовых условиях. Следующий этап — полевые испытания на беспилотнике. В 2026 году разработчики планируют выйти на уровень готового демонстрационного образца, после чего намерены обратиться в МЧС и коммерческие компании с предложением провести испытания на полигонах.
В перспективе система будет дополнена функциями классификации типа возгорания и определения скорости распространения огня. Это позволит оперативным службам более точно оценивать масштаб угрозы и принимать обоснованные решения о развёртывании сил и средств пожаротушения.