PT
Durante o verão, os incêndios florestais constituem a principal razão do desflorestamento e dos danos causados às casas e aos bens das diferentes comunidades
de todo o mundo. A utilização de veículos aéreos não tripulados (VANTs), em
inglês denominados por Unmanned Aerial Vehicles (UAVs) ou Drones, aumentou
nos últimos anos, tornando-os uma excelente solução para tarefas difíceis como
a conservação da vida selvagem e prevenção de incêndios florestais. Um sistema
de deteção de incêndio florestal pode ser uma resposta para essas tarefas. Com
a utilização de uma câmara visual e uma Rede Neuronal Convolucional (RNC)
para processamento de imagem com um UAV pode resultar num eficiente sistema
de deteção de incêndio. No entanto, para que seja possível ter um sistema completamente autónomo, sem intervenção humana, para observação e deteção de
incêndios durante 24 horas, numa dada área geográfica, requer uma plataforma e
procedimentos de recarga automática. Esta dissertação reúne o uso de tecnologias
como RNCs, posicionamento cinemático em tempo real (RTK) e transferência de
energia sem fios (WPT) com um computador e software de bordo, resultando num
sistema totalmente automatizado para tornar a vigilância florestal mais eficiente
e, ao fazê-lo, realocando recursos humanos para outros locais, onde estes são mais
necessários.
EN
During the summer, forest fires are the main reason for deforestation and
the damage caused to homes and property in different communities around the
world. The use of Unmanned Aerial Vehicles (UAVs, and also known as drones)
applications has increased in recent years, making them an excellent solution for
difficult tasks such as wildlife conservation and forest fire prevention. A forest
fire detection system can be an answer to these tasks. Using a visual camera and
a Convolutional Neural Network (CNN) for image processing with an UAV can
result in an efficient fire detection system. However, in order to be able to have a
fully autonomous system, without human intervention, for 24-hour fire observation
and detection in a given geographical area, it requires a platform and automatic
recharging procedures. This dissertation combines the use of technologies such as
CNNs, Real Time Kinematics (RTK) and Wireless Power Transfer (WPT) with an
on-board computer and software, resulting in a fully automated system to make
forest surveillance more efficient and, in doing so, reallocating human resources to
other locations where they are most needed.
