Fire Monitoring with a Fixed-wing Unmanned Aerial Vehicle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
When it comes to wildfire surveillance missions, Unmanned Aerial Vehicles (UAVs) offer a safer alternative over manned aircraft in such dangerous flight conditions. Furthermore, the efficiency of fixed-wing UAVs, as compared to multi-rotors platforms, makes them more desirable for prolonged missions with sustained surveillance. Therefore, while previous research has explored autonomous monitoring of fires with multi-rotor UAVs, this work focuses on developing an approach for fire monitoring with a fixed-wing UAV. In order to autonomously track the fire as it propagates, images of the fire from an on-board IR camera are first processed to extract an edge of the fire front. The proposed algorithm then guides the UAV to fly towards the fire front and track it, by obtaining a reference point located on the extracted fire edge, and using L <inf xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">1</inf> guidance law to command the aircraft. Furthermore, as the UAV navigates around the fire, a map of the fire is constructed on-board the vehicle, using a fire occupancy grid map to denote the probability of a fire in each cell. Results from two simulations, with fire data obtained from WRF-Fire simulations, demonstrate the ability for the UAV to autonomously track the propagating fire, regardless of its shape or scale, and maintain a map of the fire on-board the vehicle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle