Emergency Support Unmanned Aerial Vehicle for Forest Fire Surveillance

Al-Kaff, Abdulla; Madridano, Ángel; Campos, Sérgio; García, Fernando; Martín, David; Escalera, Arturo de la

doi:10.3390/electronics9020260

Cited by 28 publications

(18 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…El material de esta fuente incluido en la presente tesis no está señalado con medios y referencias tipográcas. 1 Los autores de los artículos se enumeran por contribución relativa. El nombre del autor de esta tesis está marcado en negrita para describir fácilmente su participación.…”

Section: Contenido Publicado Artículos En Revistaunclassified

“…En el caso de los enjambres de UAVs es evidente que el problema de la detección y evasión de obstáculos no se reduce únicamente a los objetos estáticos presentes en el entorno, sino que en el caso de los enjambres es inherente la presencia de objetos dinámicos correspondientes al resto de agentes que forman el enjambre. Por este motivo, se hace necesario 1 Publicaciones del autor relacionadas con el capítulo: Sin embargo, el desarrollo de métodos destinados a detectar y evitar colisiones con obstáculos dinámicos sigue siendo un tema problemático al que se le busca una solución de cara al uso compartido futuro del espacio aéreo por parte de vehículos aéreos tripulados y vehículos aéreos no tripulados. Tanto es así, que desde la Organización de Aviación Civil Internacional (OACI) se trabaja activamente en la búsqueda de soluciones tecnológicas que, en primer lugar, garanticen la seguridad en las operaciones de los UAVs en el espacio aéreo compartido y, en segundo lugar, proporcionen a estos vehículos capacidades similares a las de las aeronaves tripuladas por humanos a través de los sentidos del piloto (229).…”

unclassified

See 1 more Smart Citation

Obstacle Avoidance Manager for UAVs Swarm

Madridano

Al-Kaff

Flores³

et al. 2020

2020 International Conference on Unmanned Aircraft Systems (ICUAS)

Self Cite

View full text Add to dashboard Cite

En primer lugar, agradecer a mis directores académicos, Arturo y David y, a Pablo en Drone Hopper, por acompañarme a lo largo de esta etapa que hoy está más cerca de culminarse. Gracias por la ayuda prestada, por hacerme crecer, en el ámbito profesional y en el personal. Gracias por conar en mí y permitir que, junto a Drone Hopper, haya podido cerrar una etapa tan importante.Aunque si algo me ha llevado hoy a escribir estas líneas es formar parte, durante 5 años, de una familia como el LSI, incluida esa nueva generación de chavalitos, que han hecho del B16 un lugar donde nuca sentirse solo. El principal culpable de ello es Fernando. Fue él quien me brindó la oportunidad de trabajar con gente tan buena como la que aquí trabaja y ha trabajado, porque echando la vista atrás, no puedo olvidarme de personas cómo Noelia, Ricardo o Dani con las que ha sido un verdadero placer trabajar y, que junto al resto, han contribuido a que cada día uno se sienta afortunado de formar parte de un grupo humano como este.Dentro de esta gran familia hay otra persona que merece una mención aparte, no es otro que Abdulla, un amigo más que un compañero de trabajo. Sólo él sabe lo duro que, durante muchos momentos, ha sido esto y, sus palabras, su ayuda y su trabajo han hecho posible que las dudas se despejaran y continuara trabajando por llegar hoy a escribir estas líneas.Al escribir estas líneas no puedo olvidarme de un grupo de personas que durante esta etapa han sido más que compañeros de trabajo, han sido amigos, aquellas personas con las que compartir las alegrías y penas del día a día, gente como Carlos, María, Irene, Fran o Jorge que me han ayudado y apoyado de manera especial a lo largo de esta dura etapa, la cual Jorge advirtió y yo no hice caso.Tampoco puedo terminar este párrafo sin agradecer a Sergio y Alejandro todo el trabajo de estos últimos meses, por hacer más fácil y llevadera la vuelta a la normalidad y por estar codo con codo en las últimas fases de este trabajo.Por último, gracias a mi verdadera familia, a unos padres y hermanas que han sido un espejo dónde mirarse, a los que les debo y, sin los cuáles, no habría llegado hoy a escribir este trabajo. Y gracias a ti, Olga, por comprenderme, soportarme y ayudarme en estos duros meses y, sobre todo, por dar sentido a mi vida de la manera en la que lo has hecho.

show abstract

Section: Contenido Publicado Artículos En Revistaunclassified

unclassified

Obstacle Avoidance Manager for UAVs Swarm

Madridano

Al-Kaff

Flores³

et al. 2020

2020 International Conference on Unmanned Aircraft Systems (ICUAS)

Self Cite

View full text Add to dashboard Cite

show abstract

“…According to the European Commission annual report in 2017, forest fires are considered among the top environmental hazards [6]. Authors in [7] propose an emergency support UAV for forest fire surveillance. The system is equipped with thermal sensors, communication modules, and thermal cameras that provide valuable realtime data about the fire to the response team.…”

Section: Related Workmentioning

confidence: 99%

Autonomous First Response Drone-Based Smart Rescue System for Critical Situation Management in Future Wireless Networks

Lemayian

Hamamreh

2020

RS Open Journal on Innovative Communication Technologies

View full text Add to dashboard Cite

The codes used to implement the proposed system and generate the results in this article can be found at researcherstore.com ABSTRACT Numerous problems have been experienced due to the current exponential rise in urban population. Such challenges include insecurity and disaster management. It is therefore critical that new and efficient ways of disaster management are realized. Drone technology has been used in many applications due to their flexibility and cost-effectiveness in executing tasks. Such applications include goods delivery, data collection, surveillance, and tracking. This paper proposes an autonomous first response drone-based (Auto-FRD) smart rescue system. Auto-FRD paradigm uses drones to provide quick response to critical situations in a smart city setting. The system comprises three main sections: sensor network, intelligent drones, and the command center. The Auto-FRD system is designed such that the drones automatically deploy to a specific location upon receiving an alert signal from the smart sensors, as opposed to people sending the signal. Moreover, the system is implemented using cheap LoRa technology. Experimental results show that the proposed system drastically reduces the response time compared to conventional critical situation response systems. Additionally, the data collected by the drones prove to be extra valuable when analyzing the critical situation.

show abstract

“…The presence of fire is confirmed using image processing techniques of images collected by the UAV. In [16], The authors used UAV supported by optical and thermal camera besides a temperature sensor to localize the fire area in forest regions. Once the UAV receives an alert message with the position of the center of the fire from telecommunication tower, it calculates a list of waypoints (x,y,z) of the fire area based on several trajectories, in a respect to take-off position.…”

Section: Introductionmentioning

confidence: 99%

A Privacy-Preserving Iot-Based Fire Detector

et al. 2021

View full text Add to dashboard Cite

Fire detection has been an issue of interest to researchers due to its significant damage to lives and property within a very short time. One of the recent solutions developed to detect fire is to use Internetof-Things (IoT) devices equipped with cameras for surveillance. The captured videos of surroundings may be processed by the IoT devices themselves or at the cloud. The latter case is required if the detection algorithm is computationally demanding. However, the use of cloud has a flaw. In fact, using the cloud could pose the threat of having the privacy of a place violated, either through hacking or unauthorized access to the footage of the place where the cloud is installed. In this paper, a fire detection system that preserves the privacy of surroundings, while maintaining a high level of accuracy for fire detection is proposed. The proposed system makes use of the cloud for fire detection; and that is achieved by sending to the cloud features extracted from the video captured by the IoT device, instead of sending the actual footage. Binary video descriptors and Convolutional Neural Network (CNN) have been used to develop the fire detection algorithm. The video descriptors are used to extract features, while the CNN is used for classification. Videos with real fire and non-fire scenes have been used in this development. Results show that the performance of proposed fire detection algorithm can achieve 97.5% classification accuracy, that outperforms the state-of-the art algorithms which make direct use of raw videos. Therefore, the proposed fire detector is as reliable as other available systems, with the advantage of having a privacy-preserving capability. It is also demonstrated that the proposed video descriptors can be implemented for real-time processing using an IoT device, Raspberry Pi 4 platform, with an average processing speed of 100ms per frame, which well satisfies practical needs.

show abstract

Emergency Support Unmanned Aerial Vehicle for Forest Fire Surveillance

Cited by 28 publications

References 20 publications

Obstacle Avoidance Manager for UAVs Swarm

Obstacle Avoidance Manager for UAVs Swarm

Autonomous First Response Drone-Based Smart Rescue System for Critical Situation Management in Future Wireless Networks

A Privacy-Preserving Iot-Based Fire Detector

Contact Info

Product

Resources

About