論文の概要: Rapid drone-based wildfire detection at a fraction of current prevention spending
- arxiv url: http://arxiv.org/abs/2609.18556v1
- Date: Wed, 16 Sep 2026 12:18:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.795421
- Title: Rapid drone-based wildfire detection at a fraction of current prevention spending
- Title（参考訳）: ドローンによる山火事の迅速検出
- Abstract要約: 早期の山火事検出は、小規模な着火が大規模災害にエスカレートするのを防ぐために重要である。
我々は、監視インフラの配置と自律ドローンのルーティングを共同で最適化する。
5年間の予算で1億ドルで運用される最適化されたドローンネットワークは、最初の1時間で74%を含む97.3%の火災を検出する。
- 参考スコア（独自算出の注目度）: 4.503166572897005
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early wildfire detection is critical to prevent small ignitions from escalating into large-scale disasters, yet current monitoring systems lack a quantitative framework for allocating detection infrastructure at scale. We jointly optimize the placement of monitoring infrastructure and the routing of autonomous drones under realistic operational constraints to quantify the investment required for rapid, large-scale wildfire detection. Evaluated out-of-sample on 3,693 California ignitions from 2021-2024, an optimized drone network operating at a $100 million five-year budget detects 97.3% of fires, including 74% within the first hour. Amortized over five years, that budget is about $20 million per year, roughly 5% of California's annual wildfire-prevention expenditure. Under current technology costs, drone-based monitoring is substantially more cost-effective than static ground sensors. Detection is governed primarily by spatial coverage, while routing strategy mainly determines detection speed.
- Abstract（参考訳）: 早期の山火事検出は、小規模な着火が大規模災害にエスカレートするのを防ぐために重要であるが、現在の監視システムは、大規模に検知インフラを割り当てるための定量的な枠組みを欠いている。
我々は、高速で大規模な山火事検知に必要な投資を定量化するために、現実的な運用制約の下で監視インフラの配置と自律ドローンのルーティングを共同で最適化する。
2021年から2024年までの3,693回のカリフォルニア点火で評価され、5年間の予算で1億ドルの最適化されたドローンネットワークは、最初の1時間で74%を含む97.3%の火災を検知する。
年間予算は約2000万ドルであり、カリフォルニア州の毎年の山火事防止費の約5%である。
現在の技術コストでは、ドローンによる監視は静的な地上センサーよりもはるかに費用対効果が高い。
検出は主に空間的カバレッジによって管理され、ルーティング戦略は主に検出速度を決定する。
関連論文リスト
- Gaze-DETR: Top-Down Guidance Through Priority Maps for Infrared Weak-Small UAV Detection with DETR [60.12701295852494]
局所化前に内部優先度マップを学習する検出器であるGaze-DETRを提案する。
プライオリティヘッドは画像特徴から正規化優先度マップを予測し、RPFMは高プライオリティ応答を強化し、PAQIは高プライオリティ位置をデコーダアンカークエリに変換する。
その結果,空間優先学習は,境界ボックスの監督を補完する事前局所化指導を提供することがわかった。
論文 参考訳（メタデータ） (2026-07-21T12:29:58Z) - Towards Foundational Models for Single-Chip Radar [49.896124982717716]
mmWaveレーダーは小型で安価で耐久性のあるセンサーで、天気や暗闇といった環境条件によらず機能する。
これは角分解能の低さ、特に自動車や屋内センサーの用途で一般的に使用される安価な単チップレーダーのコストが伴う。
我々は、4Dシングルチップレーダーの基本モデルを訓練し、3D占有率とセマンティックセマンティックセグメンテーションを、高解像度センサーでのみ可能な品質で予測できる。
論文 参考訳（メタデータ） (2025-09-15T22:06:17Z) - AI and Semantic Communication for Infrastructure Monitoring in 6G-Driven Drone Swarms [0.0]
従来のインフラ監視システムは、大規模なドローン調整のレイテンシと信頼性に欠ける5Gネットワークに重大なボトルネックに直面している。
我々は,超信頼性,低レイテンシ通信,エッジAI,セマンティック通信を統合し,検査を自動化する6G対応ドローン群システムを提案する。
論文 参考訳（メタデータ） (2025-02-26T17:05:35Z) - ForestProtector: An IoT Architecture Integrating Machine Vision and Deep Reinforcement Learning for Efficient Wildfire Monitoring [0.9423257767158634]
森林火災の早期発見は、それらが引き起こす環境と社会経済の被害を最小限に抑えるために重要である。
既存の火災検知システムは高価であり、人的介入を必要とすることが多く、大規模地域の継続的な監視は実行不可能である。
本研究は、コンピュータビジョン機能を備えた中央ゲートウェイ装置を用いて、遠距離における煙の360度視野をモニタする低コスト森林火災検知システムを提案する。
論文 参考訳（メタデータ） (2025-01-17T02:47:14Z) - A Synergistic Approach to Wildfire Prevention and Management Using AI, ML, and 5G Technology in the United States [44.99833362998488]
本研究は、アメリカ合衆国における山火事の検出および対処のための積極的な方法を検討する。
本研究の目的は,高度技術を用いた山火事の予防的検出と防止である。
AI対応のリモートセンシングや5Gベースのアクティブモニタリングなど、さまざまな方法により、アクティブな山火事の検出と管理が強化される。
論文 参考訳（メタデータ） (2024-02-27T04:09:30Z) - Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。
そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
論文 参考訳（メタデータ） (2022-12-09T11:32:36Z) - Image-based Early Detection System for Wildfires [2.8494271563126676]
森林火災は土地の被害、財産の喪失、大気汚染、さらには人命の喪失を引き起こす破壊的な現象である。
本稿では,機械学習を用いて山火事の煙を高精度に検出するWildfire Detection and Alertシステムを提案する。
私たちの技術は現在、米国内で毎日何百ものカメラから送られてくるデータを監視するために使われています。
論文 参考訳（メタデータ） (2022-11-03T07:38:30Z) - URANUS: Radio Frequency Tracking, Classification and Identification of
Unmanned Aircraft Vehicles [9.48595824154853]
URANUSは、制限空域におけるドローンの存在を検出するための費用対効果とリアルタイムのフレームワークである。
我々は、UAVを90ドル%の精度でリアルタイムで識別し分類するために、多層パーセプトロンニューラルネットワークを採用する。
我々の分析によると、URANUSは、ほとんどのクリティカルインフラストラクチャーオペレーターが採用できるUAVを特定し、分類し、追跡するための理想的なフレームワークである。
論文 参考訳（メタデータ） (2022-07-13T08:14:18Z) - Oriented R-CNN for Object Detection [61.78746189807462]
本研究では、オブジェクト指向R-CNNと呼ばれる、効果的でシンプルなオブジェクト指向オブジェクト検出フレームワークを提案する。
第1段階では,高品質な指向型提案をほぼ無償で直接生成する指向型領域提案ネットワーク(指向RPN)を提案する。
第2段階は、R-CNNヘッダーで、興味のある領域(オブジェクト指向のRoI)を精製し、認識する。
論文 参考訳（メタデータ） (2021-08-12T12:47:43Z) - Real-Time Drone Detection and Tracking With Visible, Thermal and
Acoustic Sensors [66.4525391417921]
熱赤外カメラは、ドローン検出タスクに対する実現可能な解決策であることが示されている。
また,センサ間距離の関数としての検出器性能についても検討した。
ドローン、鳥、飛行機、ヘリコプターの650個の注釈付き赤外線と可視ビデオを含む新しいビデオデータセットも紹介されている。
論文 参考訳（メタデータ） (2020-07-14T23:06:42Z) - Unmanned Aerial Systems for Wildland and Forest Fires [0.0]
森林火災は経済的損失、人命、重要な環境被害を引き起こす重要な自然災害である。
森林と森林の火災支援と戦闘のための専用ソリューションの開発に向けた研究が進められている。
無人航空システム(UAS)は操縦性のために有用であることが証明されている。
論文 参考訳（メタデータ） (2020-04-28T23:01:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。