旨在通过先进的实时图像处理改进森林火灾监测和检测的新系统报道在国际信息与通信技术杂志。这项工作可以实现更快、更准确的检测，从而有助于改善应急响应，减少对环境、人类和经济的影响。

中国山西长治学院的 Zhuangwei Ji 和 Xin Cheng Zhu 描述了一种基于 STDCNet 的图像分割模型，STDCNet 是 BiseNet 模型的增强版本。图像分割涉及对图像内的区域进行分类，以区分火焰和森林背景。STDCNet 方法可以有效地提取相关特征，而不需要过多的计算资源。

该团队解释了他们的方法如何使用双向注意力模块（BAM）。这使得它能够关注不同图像特征的不同特征，并确定同一特征内图像中相邻区域之间的关系。这种双重方法提高了精度火边界检测，特别是对于小规模火灾，这些火灾往往会被错过，直到它们变得更大为止。

在公共数据集上对该模型进行的测试表明，在准确性和计算效率方面，该模型的性能优于现有方法。这增强了实时火灾探测的潜力，早期识别可以防止火灾失控蔓延。

与标准火灾探测方法（例如地面传感器和卫星图像。这些技术存在一些局限性，例如维护成本高、信号传输问题以及云和崎岖地形等环境因素的干扰。

研究人员建议无人机配备新的图像处理技术可以为传感器或卫星提供更具适应性和成本效益的替代方案，从而可以在不同的天气条件和具有挑战性的环境中进行火灾探测。

更多信息：季壮伟等，基于无人机图像的森林火灾实时分割的双向关注网络，国际信息与通信技术杂志（2024）。DOI：10.1504/IJICT.2024.141434