Dự đoán cháy rừng bằng trí tuệ nhân tạo để giảm thiểu mối đe dọa
Theo báo cáo của UNEP và GRID-Arendal, khi biến đổi khí hậu ngày càng gia tăng và thời tiết trở nên nóng và khô hơn, cháy rừng dự kiến sẽ trở nên thường xuyên và dữ dội hơn, với mức tăng toàn cầu về các vụ cháy cực đoan lên tới 14% vào năm 2030. Để sớm ngăn chặn cháy rừng xảy ra cũng như thiệt hại về người và kinh tế, trí tuệ nhân tạo ngày nay có thể giúp ngăn chặn và phát hiện cháy rừng. Axiomtek cung cấp các hệ thống biên nhẹ và chắc chắn tương thích với các loại cảm biến và có thể chạy suy luận AI có thể được triển khai trong môi trường khắc nghiệt để dự đoán cháy rừng. Việc phát hiện cháy rừng càng sớm càng tốt và ứng phó nhanh chóng là điều cần thiết để ngăn chặn một thảm họa có thể gây chết người. Đây là lúc trí tuệ nhân tạo, học máy và dữ liệu lớn phát huy tác dụng.
Các giải pháp dự đoán và phát hiện cháy rừng thường bao gồm một hệ thống biên tích hợp dữ liệu từ nhiều cảm biến. Mặc dù sức mạnh xử lý về mặt vật lý gần hơn với các cảm biến thu thập dữ liệu nhưng nó cung cấp thông tin chi tiết theo thời gian thực. Có các cảm biến theo dõi khói và nhiệt độ tương ứng để phân tích xem đây có phải là thời điểm có thể bùng phát cháy rừng hay không; đôi khi người dùng thậm chí có thể thêm một trạm thời tiết nhỏ vào rìa để có được bức tranh đầy đủ hơn về thời tiết, chẳng hạn như tốc độ và hướng gió, nhằm hỗ trợ lực lượng cứu hỏa dập lửa nhanh chóng. Hơn nữa, có những camera được kết nối với hệ thống liên tục theo dõi sự hiện diện của ngọn lửa, đặc biệt là ở những khu vực dễ cháy. Những hình ảnh được chụp liên tục có thể được so sánh với mô hình ảnh được chụp trước khi cháy rừng bằng thuật toán AI. Ngoài camera thông thường, việc bổ sung thêm camera hồng ngoại có khả năng phát hiện nhiệt, cháy giúp giải pháp chính xác hơn. Sau khi mô hình AI dự báo xử lý tất cả dữ liệu từ camera và cảm biến trong thời gian thực và phát hiện ra khả năng hoặc sự hiện diện của cháy rừng, nó có thể cảnh báo trước cho sở cứu hỏa địa phương để loại bỏ “vật liệu” làm cháy rừng.
Tính năng phát hiện trực quan do AI điều khiển cũng có thể bảo vệ các cơ sở và địa điểm quan trọng như dây điện. Vào mùa cháy rừng, cơ chế dự đoán có thể xác định được những điểm tích tụ quá nhiều “vật liệu” như lá khô. Sau khi vật liệu được làm sạch trước, nguy cơ cháy rừng sẽ giảm đi.
Đối với giải pháp này, về yêu cầu hệ thống, hệ thống phải dựa trên bộ xử lý có đủ năng lực để chạy suy luận AI nhằm nhận dạng và so sánh các hình ảnh phong cảnh. Để kết nối với các cảm biến khác nhau, hệ thống phải cung cấp nhiều cổng COM, LAN và USB để truyền dữ liệu từ cảm biến và camera. Cuối cùng, hệ thống phải có khả năng hoạt động trong điều kiện khắc nghiệt và thời tiết khắc nghiệt. Hơn nữa, hệ thống cũng phải hỗ trợ các kết nối khác nhau như 4G LTE hoặc Bluetooth không chỉ để nhận dữ liệu từ các cảm biến không dây, quan trọng nhất là còn gửi dữ liệu đến máy chủ trung tâm để phân tích toàn diện và bổ sung cũng như đào tạo mô hình AI.
Để xây dựng các giải pháp phát hiện và dự đoán cháy rừng, Axiomtek khuyến nghị ICO300-83B, một hệ thống nhúng DIN-rail chắc chắn với công suất thấp và thiết kế không quạt. Nhiệt độ hoạt động của nó dao động từ -40°C đến +70°C, khiến nó trở nên hoàn toàn phù hợp như một cổng ngoài trời. Nó có bộ xử lý Intel® Pentium® N4200 và một DDR3L-1866 SO-DIMM với bộ nhớ lên tới 8GB. Tương thích với nhiều cảm biến và thiết bị ngoại vi, nó cung cấp bốn cổng COM biệt lập (RS-232/422/485), 2 cổng LAN và 4 cổng USB 3.0.
Đối với cảm biến có dây, chúng có thể kết nối với cổng COM thông qua RS-485 - Modbus RTU để truyền đường dài và nhanh chóng. Người dùng có thể tận dụng thêm lợi thế của RS-485, với bộ lặp tín hiệu, có thể kết nối nhiều thiết bị để tối đa hóa số lượng cảm biến. Hơn nữa, cảm biến còn có thể kết nối với hệ thống qua mạng LAN với Modbus TCP. Đối với cảm biến không dây, mô-đun Bluetooth bổ sung cho phép hệ thống đọc trạng thái thời gian thực. Hai khe cắm Thẻ PCI Express Mini kích thước đầy đủ đi kèm với khe cắm SIM bên trong cho phép hệ thống giao tiếp với máy chủ trung tâm hoặc trung tâm điều khiển mà không bị trễ với mô-đun 4G LTE.
Xem xét vị trí triển khai từ xa của hệ thống, trong tương lai, Axiomtek sẽ phát hành mô-đun Ngoài băng tần (OOB) để cho phép người vận hành theo dõi trạng thái của hệ thống nhằm tiết kiệm nhân công và thời gian bảo trì tại chỗ; nếu hệ thống bị treo, nó có thể được bật từ xa thông qua OOB. Vì hệ thống được triển khai ngoài tự nhiên phụ thuộc vào năng lượng mặt trời nên tiết kiệm điện là một vấn đề quan trọng khác. Hệ thống có thể chuyển sang chế độ ngủ thông qua OOB để giảm thiểu mức tiêu thụ điện năng và bật lại khi cần thiết. Về phần mềm, với các dịch vụ từ Đối tác dịch vụ đám mây của chúng tôi, Allxon, phần mềm của hệ thống có thể được cập nhật từ xa, thực hiện bảo trì dự đoán và quản lý từ xa.
Nếu người dùng muốn tích hợp và triển khai các thiết bị ngoại vi tiêu thụ điện năng thấp trong giải pháp, Axiomtek cung cấp ICO320-83C với bốn cổng RJ-45 Gigabit PoE đáp ứng nhu cầu. Nó có thể hoạt động ở nhiệt độ rộng từ -40°C đến 70°C và chịu được độ rung lên tới 2G. Ngoài ra, hệ thống còn cung cấp một cổng RS-232/422/485, hai cổng USB 3.0, một cổng VGA, một cổng CANbus 2.0 A/B và một DIO lập trình 8 bit.
Hơn thế nữa, phiên bản cổng siêu nhẹ (0,45 kg) của Axiomtek, ICO120-E3350, có bộ xử lý Intel® Celeron® N3350, hai cổng COM và hai cổng LAN. Với cùng nhiệt độ hoạt động mở rộng từ -40°C đến +70°C, tính năng lớn nhất là I/O linh hoạt để hỗ trợ các thiết bị ngoại vi khác nhau. Axiomtek có thể tùy chỉnh hai cổng COM thành cổng CAN và DIO theo nhu cầu; hơn nữa, một mô-đun mở rộng cung cấp COM, CAN, LAN và DIO có thể được thêm vào ICO120 để tối đa hóa khối lượng công việc và khả năng kết nối của nó. ICO120 được chứng nhận bởi Microsoft Azure, đảm bảo khả năng tương thích với đám mây và mở ra nhiều dịch vụ phân tích hơn.