旨在透過先進的即時影像處理改進森林火災監測和偵測的新系統報道在國際資訊與通訊科技雜誌。這項工作可以實現更快、更準確的檢測，有助於改善緊急應變，減少對環境、人類和經濟的影響。

中國山西長治學院的 Zhuangwei Ji 和 Xin Cheng Zhu 描述了一種基於 STDCNet 的影像分割模型，STDCNet 是 BiseNet 模型的增強版本。影像分割涉及對影像內的區域進行分類，以區分火焰和森林背景。STDCNet 方法可以有效地擷取相關特徵，而不需要過多的運算資源。

該團隊解釋了他們的方法如何使用雙向注意力模組（BAM）。這使得它能夠專注於不同影像特徵的不同特徵，並確定同一特徵內影像中相鄰區域之間的關係。這種雙重方法提高了精度火邊界偵測，特別是對於小規模火災，這些火災往往會被錯過，直到它們變得更大為止。

在公共資料集上對該模型進行的測試表明，在準確性和計算效率方面，該模型的性能優於現有方法。這增強了即時火災偵測的潛力，早期識別可以防止火災失控蔓延。

與標準火災偵測方法（例如地面感測器和衛星影像。這些技術存在一些局限性，例如維護成本高、訊號傳輸問題以及雲和崎嶇地形等環境因素的干擾。

研究人員建議無人機配備新的影像處理技術可為感測器或衛星提供更具適應性和成本效益的替代方案，從而可以在不同的天氣條件和具有挑戰性的環境中進行火災偵測。

更多資訊：季壯偉等，基於無人機影像的森林火災即時分割的雙向關注網絡，國際資訊與通訊科技雜誌（2024）。DOI：10.1504/IJICT.2024.141434