Detalles de la tecnología
Detalles de la tecnología
Detección de humo forestal con YOLOv7+CBAM
Modelo de visión computacional entrenado con ~6 500 imágenes captadas por UAV, usando YOLOv7 mejorado con CBAM, SPPF+, BiFPN y decoupled heads, para detectar humo temprano en incendios forestales. Sistema altamente automatizado y optimizado para identificar plumas de humo pequeñas y reducir falso positivos en entornos complejos (frames.gov).
Categoría
Prevención, Combate
Corea del Sur
País
Bosques y áreas rurales
Ecosistema de utilización usual
Solar/batería (UAV); eléctrica (servidor IA)
Energía usada
Ciclo de vida
~5–8
Costo estimado (USD)
Inversión ≈ 50 000–100 000; + mantenimiento de servidores
Área de cobertura (km2)
Desconocido
Media-alta
Dificultad de aplicación
Equipo necesario
UAV o cámara fija, servidor con GPU, personal IA, conexión en tiempo real
Mantenimiento
Desconocido
Condiciones previas para implementación
Cielo despejado, acceso UAV, dataset etiquetado, personal capacitado IA
Ventajas
* La identificación automatica del humo en tiempo real permite alertar a las autoridades y brigadas apenas se detectan indicios visuales de un incendio.
* El sistema puede operar las 24 horas del día, sin descanso, reduciendo los tiempos muertos de vigilancia humana y mejorando la capacidad de respuesta inicial.
* La rápida notificación puede marcar la diferencia entre un fuego controlable y un incendio de gran escala.