[논문 리뷰] A comprehensive survey of research towards AI-enabled unmanned aerial systems in pre-, active-, and post-wildfire management

Sayed Pedram Haeri Boroujeni, Abolfazl Razi외 8명|arXiv (Cornell University)|2024. 01. 04.

Fire effects on ecosystems인용 수 8

한 줄 요약

사전 화재, 현장 화재, 사후 관리에 걸친 AI 기반 UAV 기술에 대한 체계적 고찰로, UAV 발전, 센서 기술, 그리고 산불 작업을 위한 AI 방법을 분석한다.

ABSTRACT

Wildfires have emerged as one of the most destructive natural disasters worldwide, causing catastrophic losses in both human lives and forest wildlife. Recently, the use of Artificial Intelligence (AI) in wildfires, propelled by the integration of Unmanned Aerial Vehicles (UAVs) and deep learning models, has created an unprecedented momentum to implement and develop more effective wildfire management. Although some of the existing survey papers have explored various learning-based approaches, a comprehensive review emphasizing the application of AI-enabled UAV systems and their subsequent impact on multi-stage wildfire management is notably lacking. This survey aims to bridge these gaps by offering a systematic review of the recent state-of-the-art technologies, highlighting the advancements of UAV systems and AI models from pre-fire, through the active-fire stage, to post-fire management. To this aim, we provide an extensive analysis of the existing remote sensing systems with a particular focus on the UAV advancements, device specifications, and sensor technologies relevant to wildfire management. We also examine the pre-fire and post-fire management approaches, including fuel monitoring, prevention strategies, as well as evacuation planning, damage assessment, and operation strategies. Additionally, we review and summarize a wide range of computer vision techniques in active-fire management, with an emphasis on Machine Learning (ML), Reinforcement Learning (RL), and Deep Learning (DL) algorithms for wildfire classification, segmentation, detection, and monitoring tasks. Ultimately, we underscore the substantial advancement in wildfire modeling through the integration of cutting-edge AI techniques and UAV-based data, providing novel insights and enhanced predictive capabilities to understand dynamic wildfire behavior.

연구 동기 및 목표

• 사전-활화재, 현장 화재, 사후 관리에 걸친 산불 관리용 최신 AI 기반 UAV 시스템의 현황을 조사한다.
• 산불 관리에 관련된 원격 탐사, UAV 하드웨어 명세, 센서 기술을 분석한다.
• 산불 분류, 세분화, 탐지, 모니터링을 위한 기계 학습, 강화 학습, 딥 러닝 기법을 요약한다.

제안 방법

• 사실상 최신의 산불용 AI 기반 UAV 기술에 대한 체계적 검토를 수행한다.
• 산불 관리에 대한 UAV 발전, 장치 명세, 센서 기술을 분석한다.
• 연료 모니터링, 예방 전략, 대피 계획, 피해 평가 및 작전 전략을 포함한 사전-화재 및 사후 관리 접근법을 검토한다.
• 활동 화재 관리에서의 컴퓨터 비전 기법을 ML, RL, DL에 중점을 두어 분류, 세분화, 탐지, 모니터링에 대해 요약한다.

실험 결과

연구 질문

• RQ1 사전-, 현장-, 사후 관리 전반에서 산불 관리에 사용되는 최신 AI 기반 UAV 기술 및 센서 구성이 무엇인가?
• RQ2 AI 모델(ML/DL/RL)이 UAV 데이터와 통합될 때 산불 분류, 세분화, 탐지, 모니터링, 예측 모델링에 어떻게 기여하는가?
• RQ3 UAV 기반 산불 관리에서의 격차와 도전과제는 무엇이며, 개선된 예측 능력과 대응을 위한 향후 방향은 무엇인가?
• RQ4 사전-화재 및 사후 전략(연료 모니터링, 예방, 대피 계획, 피해 평가)이 현장 화재 AI 기반 UAV 시스템과 어떻게 통합되는가?

주요 결과

• AI 기반 UAV 시스템과 AI 모델이 다단계 산불 관리 지원으로 발전해 왔다.
• UAV 하드웨어, 센서 기술, 원격 탐사와 관련된 초점이 산불 작업에 관여한다.
• 현장 화재 관리에선 ML, RL, DL을 활용한 분류, 세분화, 탐지, 모니터링 작업에 컴퓨터 비전 기법이 강조된다.
• AI 기법과 UAV 기반 데이터를 통합하여 예측 능력을 향상시키는 산불 모델링의 발전이 주목된다.