يمكن لطرق الكشف المبكر عن حرائق الغابات اكتشاف الحرائق مبكراً وكسب وقت ثمين لعمليات الإنقاذ. على الرغم من أن الاستشعار عن بعد باستخدام الطائرات بدون طيار أظهر آفاق تطبيق مهمة في مراقبة حرائق الغابات المبكرة بفضل الدقة المكانية العالية والاستجابة السريعة، فإنه لا يزال يواجه تحديات رئيسية مثل صغر حجم الهدف، وتعقيد الخلفية، وموارد الحوسبة المحدودة. لمواجهة هذه المشكلات، يقترح هذا المقال نموذج كشف حرائق الغابات المبكر باستخدام التعلم العميق EFFNet (Early Forest Fire Net) الذي يدمج الصور المحسوسة في الضوء المرئي والأشعة تحت الحمراء الحرارية. يشمل النموذج أربعة تصميمات رئيسية بناءً على خصائص التصوير عن بعد وميزات الهدف الحرائق: (1) استخدام استراتيجية الدمج المبكر EF (Early Fusion) لدمج معلومات الضوء المرئي والأشعة تحت الحمراء الحرارية بشكل فعال، مما يعزز قدرة النموذج على التكيف مع التعرف في البيئات المعقدة؛ (2) تصميم شبكة استخراج الميزات ذات التوجيه العالمي غير المتجانس HGRNet (Heterogeneous Global Routing Network) لتعزيز قدرة الإدراك متعددة المقاييس وتقليل فقدان الميزات الحيوية ومعدل الفشل في الاكتشاف؛ (3) إدخال شبكة تجميع الخصائص FAN (Feature Aggregation Network) باستخدام مسارين للدمج من الأعلى إلى الأسفل لتعزيز دقة تحديد مواقع الأهداف الصغيرة مثل اللهب والدخان؛ (4) تصميم رأس كشف شبه مترابط فعال ESCHead (Efficient Semi-Coupled Detection Head) لتقليل تعقيد الحوسبة ومعدل الإنذارات الكاذبة. أظهرت التجارب على مجموعة بيانات RGBT-3M (RGB-Thermal Multi-scene, Multi-target, and Multimodal forest fire aerial photography) أن mAP50 الخاص بـ EFFNet يصل إلى 97.2%، مع دقة وصول 94.9% واسترجاع 94.1%، بينما يبلغ عدد معلمات النموذج 1.84 مليون فقط وحجم الحساب 5.6 جيجا FLOPs. مقارنةً بنماذج الكشف المتقدمة الحالية، يتمتع EFFNet بدقة كشف أعلى بالإضافة إلى خفة الوزن والقدرة على العمل في الوقت الحقيقي، مما يجعله مناسباً لمتطلبات مراقبة حرائق الغابات المبكرة في منصات الاستشعار عن بعد بالطائرات بدون طيار.

طائرات بدون طيار;صور استشعار عن بعد;تعلم عميق;كشف الأهداف;حرائق الغابات المبكرة;عملية كشف الأهداف;مجموعة بيانات;معايير تقييم الأداء