Los métodos de detección temprana de incendios forestales pueden identificar el fuego de manera precoz y ganar un tiempo valioso para las labores de rescate. En los últimos años, el teledetección por drones, gracias a su alta resolución espacial y rápida capacidad de respuesta, ha mostrado un importante potencial en la monitorización temprana de incendios forestales, aunque aún enfrenta desafíos clave como la pequeña escala de los objetivos, la complejidad del fondo y los recursos computacionales limitados. Frente a estos problemas, este artículo propone un modelo de detección de incendios forestales tempranos basado en aprendizaje profundo, EFFNet (early forest fire net), que fusiona imágenes multiespectrales visibles e infrarrojas térmicas. El modelo plantea cuatro diseños clave teniendo en cuenta las características de las imágenes de teledetección y los objetivos de incendios: (1) uso de una estrategia de fusión temprana EF (early fusion) para una integración eficaz de la información visible y térmica, aumentando la adaptabilidad del modelo en entornos complejos; (2) diseño de una red de extracción de características de enrutamiento global heterogéneo HGRNet (heterogeneous global routing network) que mejora la percepción multiescala y suprime la pérdida de características clave, reduciendo la tasa de falsos negativos; (3) incorporación de una red de agregación de características FAN (feature aggregation network) con doble ruta de fusión descendente para mejorar la precisión en la localización de pequeñas llamas y humo; (4) diseño de una cabeza de detección semiacoplada eficiente ESCHead (efficient semi-coupled detection head) que reduce la complejidad computacional y la tasa de falsas alarmas. Los resultados experimentales sobre el conjunto de datos RGBT-3M (fotografía aérea forestal multiescena, multobjetivo y multimodal RGB-térmico) muestran que EFFNet alcanza un mAP50 de 97,2 %, precisión de 94,9 % y recall de 94,1 %, con solo 1,84 millones de parámetros y 5,6 GFLOPs de cálculo. En comparación con los modelos avanzados actuales de detección de objetivos, EFFNet ofrece mayor precisión de detección junto con ventajas de ligereza y capacidad de operación en tiempo real, satisfaciendo las necesidades de monitoreo en tiempo real de incendios forestales tempranos en plataformas de teledetección con drones.

dron; imágenes de teledetección; aprendizaje profundo; detección de objetivos; incendios forestales tempranos; proceso de detección de objetivos; conjunto de datos; métricas de evaluación de rendimiento