Investigadores de España y México han desarrollado un método que registra las imágenes del humo y analiza su movimiento, color y textura para detectar incendios en segundos con una precisión de hasta el 99,83 %. En un principio, la herramienta está pensada para incendios en edificios.
A partir de características visuales como el color del humo, investigadores de la Universidad Complutense de Madrid (UCM) y del Instituto Politécnico Nacional de Ciudad de México han desarrollado un método que permite anticipar la detección de incendios en edificios y en áreas cerradas.
Esto es posible gracias a un sistema de videovigilancia que registra las imágenes del humo y analiza su movimiento, color, textura, crecimiento y dirección.
“Según las pruebas realizadas, el vídeo que más tardó en activar la alarma fue alrededor de 14 segundos, pero en promedio tarda seis segundos en detectar el humo”, explica Luis Javier García Villalba, director del grupo de investigación de Análisis, Seguridad y Sistemas de la UCM y coautor del estudio.
Precisión de hasta el 99.83 %
Esta metodología, descrita en la revista Sustainability, puede ayudar a disminuir la intensidad del incendio dada la alarma temprana, así como la aplicación de los debidos protocolos para su mitigación. Su precisión oscila entre el 97.85 % y el 99.83 %.
Para llevar a cabo el estudio, los científicos han empleado bases de datos con grabaciones de humo a las que se fueron aplicando etapas como la textura y el color.
El humo es la primera consecuencia que se aprecia tras la combustión y adquiere tonalidades diferentes en la escala de grises dependiendo del material que se esté quemando. Cuando la herramienta registra ese matiz, es capaz de clasificar la gravedad de ese fuego.
“Además, el análisis de características como el movimiento, el crecimiento y la dirección ayudan a tener un porcentaje mucho más bajo de falsos positivos debido a que el humo siempre muestra una tendencia ascendente con un movimiento constante”, añade el investigador de la UCM.
Aunque en un principio este trabajo se focalizó en incendios menos expansivos –producidos en edificios o áreas cerradas–, en la actualidad se trabaja en “la aplicación en incendios forestales que implican distancias más largas y áreas a cubrir más grandes, así como con otros factores que deben de tomarse en cuenta”, adelanta García Villalba.
Referencia bibliográfica:
Jesús Olivares-Mercado, Karina Toscano-Medina, Gabriel Sánchez-Pérez , Aldo Hernández-Suarez , Héctor Pérez-Meana, Ana Lucila Sandoval Orozco y Luis Javier García Villalba. “Early Fire Detection on Video Using LBP and Spread Ascending of Smoke”. Sustainability 2019, 11. DOI: 10.3390/su11123261.
Solo para medios:
Si eres periodista y quieres el contacto con los investigadores, regístrate en SINC como periodista.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
Investigadores de la Universidad de León han aplicado redes neuronales artificiales a imágenes captadas con drones para reconocer, con un 95 % de acierto, la huella que dejaron las explotaciones auríferas de los romanos en el noroeste peninsular. El sistema se puede aplicar para reducir los riesgos asociados a las minas abandonadas, que causan pérdidas humanas y económicas en todo el mundo.
