[論文レビュー] A comprehensive survey of research towards AI-enabled unmanned aerial systems in pre-, active-, and post-wildfire management

Sayed Pedram Haeri Boroujeni, Abolfazl Razi+8 more|arXiv (Cornell University)|Jan 4, 2024

Fire effects on ecosystems被引用数 8

ひとこと要約

AIを活用した UAV 技術の体系的レビューを、事前火災、活動中の火災、および火災後の管理に跨り、UAVの進歩、センサー技術、および火災任務のためのAI手法を分析する。

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.

研究の動機と目的

• 事前・活動・事後の各段階におけるAI対応UAVシステムの最新状況を調査する。
• 森林火災管理に関連するリモートセンシング、UAVハードウェア仕様、センサ技術を分析する。
• 森林火災の分類・セグメンテーション・検出・監視のための機械学習・強化学習・深層学習手法をまとめる。

提案手法

• AI対応UAVsにおける最近の最先端技術の系統的レビュー。
• 森林火災管理のためのUAVの進歩、デバイス仕様、センサ技術の分析。
• 事前火災および事後の管理アプローチのレビュー（燃料監視、予防戦略、避難計画、被害評価、運用戦略を含む）。
• Active-fire管理におけるコンピュータビジョン技術の要約、分類・セグメンテーション・検出・監視のための ML、RL、DL に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 事前・活動・事後の各段階での森林火災管理に使用される最新のAI対応UAV技術とセンサ構成は何か。
• RQ2 AIモデル（ML/DL/RL）はUAVデータと組み合わせたとき、森林火災の分類・セグメンテーション・検出・監視・予測モデリングにどのように寄与するか。
• RQ3 UAVベースの森林火災管理におけるギャップと課題は何か、予測能力と対応を改善するための将来の方向性は何か。
• RQ4 事前火災および事後の戦略（燃料監視、予防、避難計画、被害評価）は、活動中のAI対応UAVシステムとどのように統合されるか。

主な発見

• AI対応UAVシステムとAIモデルは、マルチステージの森林火災管理を支援するよう進歩している。
• UAVハードウェア・センサ技術・リモートセンシングが森林火災任務に関連する点に焦点が当てられている。
• 活動火災の管理は、分類・セグメンテーション・検出・監視タスクのためにML・RL・DLを用いたコンピュータビジョン技術を強調している。
• AI技術とUAVベースデータを統合した森林火災モデルの進展により、予測能力が向上する点が強調されている。