Использование глубокого обучения для повышения эффективности беспроводных сенсорных сетей
Аннотация
Раннее обнаружение пожаров имеет решающее значение для снижения человеческих и материальных потерь. Одним из современных методов обнаружения пожаров в режиме реального времени является использование беспроводных сенсорных сетей, основанных на глубоком обучении. Беспроводная сенсорная сеть также может транслировать в центр управления видео в реальном времени о месте пожара. Это позволяет службам безопасности и пожарным принимать быстрые и эффективные меры по контролю над огнём и предотвращению его распространения до того, как он причинит значительный ущерб. Но одна из проблем, с которой сталкивается передача данных в беспроводных сенсорных сетях, возникает при наличии каналов связи с недостаточной производительностью. Цель настоящей статьи — разработка метода, который использует глубокое обучение для передачи видеоинформации по беспроводной сенсорной сети, предназначенной для обнаружения пожара, в центр управления тушением пожаров по ненадёжному каналу связи. Предлагаемый метод основан на отправке принимающей стороне только важной информации из всего видеоизображения. На принимающей стороне каждый видеокадр создаётся с использованием опорной информации, ранее сохранённой вместе с передаваемой информацией. В случае, когда для обнаружения пожаров и отправки информации использовалась модель глубокого обучения YOLOv5, средняя вероятность обнаружения пожара составила 90 %. По результатам моделирования объём передачи данных иногда достигает 3% от всей информации, содержащейся в видеокадре. Для проверки эффективности предложенного метода в канале связи малой производительности также были рассчитаны значения отношение сигнал/шум (ОСШ) и пиковое отношение сигнал/шум (ПОСШ). Предложенный метод эффективно передаёт только важную информацию, содержащуюся в изображении, и удовлетворительно восстанавливает изображение в ненадёжных сетях связи. Сделан вывод о большей эффективности данного метода при передаче данных, чем традиционные методы.
