Inteligentne podejście do wczesnego wykrywania dymu/pożaru za pomocą czujników wizyjnych w inteligentnych miastach

Dlaczego obserwacja dymu ma znaczenie w inteligentnych miastach

W zatłoczonych, nowoczesnych miastach niewielka smuga dymu może szybko przerodzić się w śmiertelny pożar zagrażający ludziom, budynkom i kluczowym usługom. Tradycyjne alarmy przeciwpożarowe często reagują z opóźnieniem lub uruchamiają się z niewłaściwych powodów, na przykład z powodu pary z prysznica lub dymu kuchennego. W artykule przedstawiono nowy system oparty na kamerach, który potrafi wykrywać dym i ogień wcześnie i dokładnie, dając zespołom ratunkowym cenne dodatkowe minuty na reakcję. Łączy on najnowsze osiągnięcia sztucznej inteligencji, by nadzorować ulice, lasy na obrzeżach miasta i przestrzenie publiczne, pomagając uczynić inteligentne miasta bezpieczniejszymi i bardziej odpornymi.

Problem z dzisiejszymi alarmami przeciwpożarowymi

Konwencjonalne systemy wykrywania pożaru opierają się na czujnikach temperatury, gazu lub dymu wewnątrz budynków. Urządzenia te muszą znajdować się blisko płomieni, zanim zareagują, co może opóźnić alarmy w chwili, gdy każda sekunda ma znaczenie. Często też generują wiele fałszywych alarmów spowodowanych nieszkodliwymi źródłami, takimi jak kurz, para czy opary kuchenne, co marnuje zasoby i osłabia zaufanie publiczne. Wykrywanie na zewnątrz jest jeszcze trudniejsze: dym bywa podobny do chmur, mgły czy cieni i może szybko zmieniać kształt oraz gęstość. Stałe czujniki pokrywają tylko małe obszary, pozostawiając martwe strefy w dużych lub złożonych miejskich przestrzeniach, takich jak parki, tereny przemysłowe czy węzły komunikacyjne.

Kamera i inteligentniejsze widzenie jako nowe zabezpieczenie

Wraz z obniżaniem się ceny i rosnącą wydajnością kamer cyfrowych oraz urządzeń sieciowych, badacze zwrócili się ku widzeniu komputerowemu — nauczaniu maszyn „widzieć” jak ludzie — aby wykrywać dym i płomienie. Wcześniejsze systemy wykorzystywały ręcznie tworzone reguły, na przykład wyszukiwanie szarawych plam czy migoczących kolorów, ale te triki zawodziły przy zmieniającym się oświetleniu, pogodzie lub zagraconym tle. Metody uczenia głębokiego, które uczą się wzorców bezpośrednio z dużych zbiorów obrazów, poprawiły wykrywanie, jednak wiele z nich nadal skupia się na drobnych lokalnych szczegółach i przegapia słabe lub wczesne sygnały dymu. Inne są dokładne, lecz zbyt wolne lub zbyt zasobożerne, by działać w czasie rzeczywistym w miejskiej infrastrukturze.

Dwustopniowy strażnik AI dla pożaru i dymu

W pracy zaproponowano inteligentne rozwiązanie łączące dwa potężne pomysły AI w jedną linię przetwarzania. Najpierw Vision Transformer — metoda analizy obrazów adaptowana z modeli językowych — dzieli każdy kadr z kamery na wiele małych fragmentów i bada, jak odnoszą się one do siebie w całej scenie. Ten globalny obraz pomaga dostrzec subtelne oznaki dymu, takie jak delikatne gradienty kolorów, zamglone tekstury czy rozmyte krawędzie rozciągające się na dużych obszarach. Następnie te bogate wskazówki wizualne trafiają do YOLOv8, szybkiego detektora zaprojektowanego do rysowania prostokątów wokół obiektów zainteresowania. YOLOv8 precyzyjnie wskazuje obszary, gdzie pojawia się dym lub otwarty ogień, i robi to wystarczająco szybko, by nadążyć za strumieniami wideo na żywo.

Testy systemu

Aby sprawdzić wydajność tego dwustopniowego strażnika, autorzy trenowali i oceniali go na ponad 7 700 starannie oznakowanych obrazach pochodzących z dwóch dużych publicznych zbiorów obejmujących ulice miejskie, budynki i obszary leśne w różnych warunkach oświetleniowych i pogodowych. Zwiększyli różnorodność danych przez obracanie, lustrzane odbicia i rozjaśnianie obrazów, aby imitować sceny dzienne i nocne oraz różne kąty widzenia. Na niewidzianych wcześniej zdjęciach system poprawnie rozpoznawał dym i ogień w ponad 99% przypadków i wykazał zrównoważenie pominięć i fałszywych alarmów na imponującym poziomie. Przetwarzał też każdy kadr w około 45 milisekund — około 22 klatki na sekundę — na tyle szybko, by umożliwić monitorowanie w czasie rzeczywistym w centrach kontroli lub na podłączonych urządzeniach.

Czym to podejście się wyróżnia

W porównaniu z innymi zaawansowanymi metodami, w tym wcześniejszymi wersjami tej samej rodziny detektorów i różnymi zespołami modeli głębokiego uczenia, nowe rozwiązanie oferuje wyższą dokładność i lepszą lokalizację obszarów ryzyka. Poprzez połączenie modelu rozumiejącego szerszą scenę z modelem doskonałym w szybkim, precyzyjnym oznaczaniu obiektów, redukuje mylenie z podobnymi zjawiskami, takimi jak mgła, ubrania w kolorze dymu czy obrazy pożaru na ekranach. Jednocześnie umiarkowane rozmiary i efektywny projekt czynią go bardziej praktycznym do wdrożenia w realnych systemach inteligentnych miast, gdzie zasoby obliczeniowe i przepustowość sieci mogą być ograniczone.

Co to oznacza dla codziennego bezpieczeństwa

Dla osób niezwiązanych ze specjalistyczną dziedziną wniosek jest taki, że kamery w inteligentnych miastach mogą robić znacznie więcej niż rejestrować materiał do późniejszego przeglądu — mogą pomagać zapobiegać katastrofom, gdy one się rozwijają. Proponowany system pokazuje, że dzięki połączeniu szerokiego rozumienia wizualnego z szybkim wykrywaniem możliwe jest uchwycenie pożarów w ich najwcześniejszych stadiach, ograniczenie fałszywych alarmów i wsparcie szybszych, lepiej ukierunkowanych działań ratunkowych. Przy dalszych pracach nad obsługą ekstremalnej pogody, scen nocnych i dodatkowymi danymi z czujników podobne narzędzia mogłyby stać się podstawowym elementem miejskich sieci bezpieczeństwa, cicho strzegąc domów, lasów i przestrzeni publicznych, by małe iskry nie przerodziły się w duże katastrofy.

Cytowanie: Abozeid, A., Alanazi, R. An intelligent approach for early smoke/fire detection using vision sensors in smart cities. Sci Rep 16, 11387 (2026). https://doi.org/10.1038/s41598-026-42762-y

Słowa kluczowe: wykrywanie pożaru, wykrywanie dymu, inteligentne miasta, widzenie komputerowe, uczenie głębokie