扑救重庆山火 背后有这些科技支撑

今年8月17日以来，重庆多个地方连续发生森林火灾，在国家应急管理部支持，甘肃、四川、云南三地森林消防指战员的支援下，截至26日早，重庆全市火场明火已全部扑灭。

灭山火、阻疫情、抗干旱……这个八月，重庆人用坚韧和顽强向世人展示了刻在骨子里的血性与团结。面对熊熊山火，各方力量也迅速集结。山上，救援人员昼夜鏖战，山下，众多市民加入志愿者。前后方众志成城，汇聚起感动整座城市的温暖和力量。

除了救援人员在火场以命搏火外，在火灾扑救过程中还运用了多种科技支撑。

据报道，重庆市应急局航空应急救援总队直升机数量今年增加至6架，一次性载水量在3.5-5吨，但由于多点发生山火，在应急部支持下，调集6架飞机，共有12架飞机在参与这次灭火作战。

“无人机巡检、5G通信手段、防火通等技术给我们掌握火场态势、队伍行动提供保障。”

这便于指挥员指挥行动，确保灭火队员的人身安全。

自然灾害等不可抗力灾难发生时：

1. 实施感知能力不足，无法准确判断灾情现场内部实况；

2. 事态细节掌控度不足，错过最佳救援时间；

3. 火灾发生时伴随高温、坍塌，人工勘察危机高；

4. 事态紧急情况下，人员慌乱无序，找不到救生通道，易发生踩踏、二次伤亡；

5. 应急指挥中心责任重大，为灾情指挥、调度需要第一时间感知，评估。

无人机巡检中极其重要的一点就是目标追踪及检测，实时跟进火势、伤亡人员的疏散和救援人员的指挥等，无人机的快速反应和空中进入，在处理应急情况具备很大优势。

无人机搭载红外热成像和可见光相机，在光伏电站高空飞行拍摄采集火灾的热成像、可见光影像数据，通过AI智能图像软件自动识别火势大小、走向等，并将分析结果发送到云服务器，自动生成检测报告可供查看。数据同步至移动端的导航app，快速确定位置，形成导航路线，协助救援人员前往灭火。

除了火灾火情监控，无人机在电网巡检、公路巡检、应急安防巡检、基站巡检等各种巡检场景中都有着广泛应用，在各个领域中也发挥着重要作用。

Coovally—机器视觉平台则是一款十分便捷的AI智能图像软件，可以根据场景需求提供快速建模能力与算法支持，帮助提升无人机企业的AI技术栈和智能软件开发能力，赋能无人机企业！

Coovally是一个包含完整AI建模流程、AI项目管理及AI系统部署管理的机器视觉平台，可提供数据预处理、智能标注、分布式模型训练、多维度模型评估、一键式模型部署服务，帮助无人机企业快速批量验证多种机器学习和深度学习模型的性能，增强无人机传回图像的质量。

1. 支持对常见的机器学习任务对应格式的样本进行标注，如：图像分类、目标检测、图像分割等。支持自动根据已标注样本，训练模型，辅助标注。

2. 支持30+机器学习算法，任务类型包含降维、分类、回归以及聚类；支持100+深度学习算法，任务类型包含图像分类、目标检测、图像分割以及目标跟踪等；支持训练集群资源调度以及分布式训练；支持训练过程损失、评价指标等可视化。

3. 支持基于网格算法、进化算法、贝叶斯算法的超参数搜索；支持根据数据集、任务类型自动生成搜索空间。

4. 支持常见的模型压缩方法，如剪枝、蒸馏等，支持模型转换成ONNX、TensorRT、OpenVINO、NCNN；支持边端设备的模型移植。 支持ONNX、TensorRT、OpenVINO、NCNN格式的模型加载；提供模型调用SDK。

5. 增强工具箱支持图像增强、滤波、色彩空间转换、边缘检测等操作；转换工具箱支持VOC、COCO、YOLO、LabelMe等格式数据集标签的互转；生成工具箱支持图像分布报告生成、分类数据生成、标签归一化等操作。

通过这些强大功能，Coovally可赋能无人机企业，助其更好地监测和发现隐患，分析传回图像，帮助工作人员在第一时间掌握情况，为其在应对应急事件中实现快速反应和及时救援提供技术支撑。