Οι επιστημονικές δημοσιεύσεις που δημοσιεύτηκαν κατά  τη διάρκεια του έργου e-OUTLAND  ήταν αποτέλεσμα της επιστημονικής έρευνας που πραγματοποιήθηκε στα πλαίσιά του. Παρακάτω μπορείτε να βρείτε σύντομες περιγραφές των  συγκεκριμένων ερευνητικών εργασιών που σχετίζονται με το έργο και τις εκπαιδευτικές του δραστηριότητες, όπως η προστασία του περιβάλλοντος/βιοποικιλότητας, η διαχείριση πυρκαγιών σε άγρια περιοχή, η ανίχνευση και εντοπισμός έκτατων συμβάντων (π.χ. πυρκαγιές και πλημμύρες) με βάση μεθοδολογίες και τεχνολογίες αιχμής.

1.1 Ερευνητική εργασία με θέμα ανίχνευσης πυρκαγιάς από εικόνες χρησιμοποιώντας ένα faster R-CNN μοντέλο και πολυδιάστατη ανάλυση υφής

Στη παρούσα ερευνητική εργασία [1] που πραγματοποιήθηκε στα πλαίσια του έργου, προτείνεται μια καινοτόμα μεθοδολογία (εικόνα 1) για ανίχνευση συμβάντων πυρκαγιάς με χρήση εικόνων, η οποία συνδυάζει τη δύναμη σύγχρονων δικτύων βαθιάς μάθησης με πολυδιάστατη ανάλυση υφής και βασίζεται σε γραμμικά δυναμικά συστήματα υψηλότερης τάξης. Οι εν δυνάμει περιοχές πυρκαγιάς προσδιορίζονται από ένα δίκτυο Faster R-CNN που έχει εκπαιδευτεί για την ανίχνευση πυρκαγιάς χρησιμοποιώντας ένα σύνολο επισημασμένων με ετικέτες εικόνων που περιέχουν στιγμιότυπα πραγματικής φωτιάς, καθώς και επισημασμένα αρνητικά δεδομένα που δεν περιέχουν. Οι υποψήφιες περιοχές πυρκαγιάς προβάλλονται σε έναν χώρο Grassmannian και κάθε εικόνα αναπαρίσταται ως ένα σύννεφο σημείων σε πολύπτυχο μόρφωμα. Επίσης, εφαρμόστηκε μια προσέγγιση αναπαράστασης διανυσμάτων με στόχο τη συγκέντρωση των σημείων Grassmanni βάσει ενός κριτηρίου εντοπιότητας σε πολύπτυχο μόρφωμα. Για την αξιολόγηση της απόδοσης της προτεινόμενης μεθοδολογίας πραγματοποιήθηκαν πειράματα με χρήση επισημασμένων εικόνων δύο διαφορετικών βάσεων δεδομένων που περιέχουν αντικείμενα με χρώμα φωτιάς και στιγμιότυπα φωτιάς. Τα πειραματικά αποτελέσματα (εικόνα 2) καταδεικνύουν τις δυνατότητες της προτεινόμενης μεθοδολογίας σε σύγκριση με άλλες  σύγχρονες ερευνητικές προσεγγίσεις αιχμής.

 

Σύνδεσμος άρθρου: https://ieeexplore.ieee.org/iel7/8671773/8682151/08682647.pdf 

Ερευνητική εργασία ανασκόπησης των συστημάτων πρώιμης ανίχνευσης δασικών πυρκαγιών με χρήση οπτικής τηλεπισκόπησης

Οι περιβαλλοντικές προκλήσεις που αντιμετωπίζει ο κόσμος στις μέρες μας δεν ήταν ποτέ μεγαλύτερες ή πιο περίπλοκες. Οι παγκόσμιες περιοχές που καλύπτονται από δάση και αστικές δασικές εκτάσεις απειλούνται από φυσικές καταστροφές που έχουν αυξηθεί δραματικά τις τελευταίες δεκαετίες, τόσο σε συχνότητα όσο και σε μέγεθος. Οι δασικές πυρκαγιές μεγάλης κλίμακας είναι ένας από τους πιο επιβλαβείς φυσικούς κινδύνους που επηρεάζουν την κλιματική αλλαγή και τη ζωή σε όλο τον κόσμο. Έτσι, για να ελαχιστοποιηθούν οι επιπτώσεις τους στους ανθρώπους και τη φύση, είναι απαραίτητη η υιοθέτηση καλά σχεδιασμένων και συντονισμένων προσεγγίσεων αποτελεσματικής πρόληψης, έγκαιρης προειδοποίησης και αντίδρασης. Η συγκεκριμένη ερευνητική εργασία  παρουσιάζει μια επισκόπηση των τεχνολογιών οπτικής τηλεπισκόπησης που χρησιμοποιούνται σε συστήματα έγκαιρης προειδοποίησης πυρκαγιάς και παρέχει μια εκτενή έρευνα για τους αλγόριθμους ανίχνευσης φλόγας και καπνού που χρησιμοποιούνται  σε σύγχρονα τεχνολογικά συστήματα. Εντοπίζονται τρεις τύποι συστημάτων, τα επίγεια, τα αερομεταφερόμενα και τα διαστημικά συστήματα, ενώ μελετώνται διάφορα μοντέλα που στοχεύουν στην ανίχνευση περιστατικών πυρκαγιάς με υψηλή ακρίβεια σε δυσμενή περιβάλλοντα. Τέλος, συζητούνται τα πλεονεκτήματα και οι αδυναμίες των συστημάτων πυρανίχνευσης που βασίζονται στην οπτική τηλεπισκόπηση με στόχο τη συμβολή σε μελλοντικά ερευνητικά έργα για την ανάπτυξη συστημάτων έγκαιρης προειδοποίησης συμβάντων πυρκαγιάς.

Σύνδεσμος άρθρου: https://www.mdpi.com/1424-8220/20/22/6442/pdf

 

Ερευνητική εργασία πρώιμης ανίχνευσης συμβάντων πυρκαγιάς με βάση εναέριους αισθητήρες 360 μοιρών και νευρωνικά δίκτυα βαθιάς συνέλιξης, και χρήση δυναμικών υφών πυρκαγιάς

Οι παγκόσμιες περιοχές που καλύπτονται από δάση και αστικές δασικές εκτάσεις απειλούνται από δασικές πυρκαγιές μεγάλης κλίμακας που έχουν αυξηθεί δραματικά τις τελευταίες δεκαετίες στην Ευρώπη και παγκοσμίως, τόσο σε συχνότητα όσο και σε μέγεθος. Για το σκοπό αυτό, έχουν υιοθετηθεί ταχείες πρόοδοι στα συστήματα τηλεπισκόπησης, συμπεριλαμβανομένων των συστημάτων επίγειας, μη επανδρωμένων εναέριων οχημάτων και δορυφορικών συστημάτων για αποτελεσματική επιτήρηση δασικών πυρκαγιών. Σε αυτή την ερευνητική εργασία, χρησιμοποιήθηκαν οι πρόσφατες κάμερες αισθητήρων 360 μοιρών για έγκαιρη ανίχνευση συμβάντων πυρκαγιάς, καθιστώντας δυνατή την απόκτηση απεριόριστων λήψεων οπτικού πεδίου που μειώνουν τον αριθμό των απαιτούμενων αισθητήρων και το υπολογιστικό κόστος και κάνουν τα συστήματα πιο αποτελεσματικά. Πιο συγκεκριμένα, λήφθηκαν οπτικά ακατέργαστα δεδομένα 360 μοιρών με χρήση κάμερας RGB 360 μοιρών που είναι τοποθετήθηκε σε μη επανδρωμένο αεροσκάφος, και μετατράπηκαν από  εικόνες ισοορθογώνιας μορφής (εικόνα 3) σε στερεογραφικές εικόνες (εικόνα 4). Στη συνέχεια, εφαρμόστηκαν δύο δίκτυα DeepLab V3+ για τη τμηματοποίηση φλόγας και καπνού, αντίστοιχα. Ακόμη, προτάθηκε μια νέα προσαρμοστική μέθοδος που εκμεταλλεύεται τη περιβαλλοντική σύνθεση κάθε δοκιμαστικής εικόνας και μειώνει τα ποσοστά ψευδώς θετικών. Για την αξιολόγηση της απόδοσης του προτεινόμενου συστήματος δημιουργήθηκε ένα σύνολο δεδομένων, δηλαδή το «Fire detection 360-degree data», που αποτελείται από 150 απεριόριστες εικόνες οπτικού πεδίου που περιέχουν τόσο συνθετική όσο και πραγματική φωτιά. Τα πειραματικά αποτελέσματα καταδεικνύουν τις μεγάλες δυνατότητες του προτεινόμενου συστήματος, το οποίο έχει επιτύχει ρυθμό ανίχνευσης πυρκαγιάς με ακρίβεια ίση με 94,6%, μειώνοντας έτσι τον αριθμό των απαιτούμενων αισθητήρων. Αυτό δείχνει ότι η προτεινόμενη μέθοδος θα μπορούσε να συμβάλλει σημαντικά στον έγκαιρο εντοπισμό συμβάντων πυρκαγιάς.

Σύνδεσμος άρθρου: https://www.mdpi.com/2072-4292/12/19/3177

Fire detection – 360-degree Dataset: https://zenodo.org/record/3736280#.Y34fgMdByUm