Apprentissage fédéré/Profond dans les réseaux de drones pour la surveillance des incendies de forêt

Le réseau de véhicules aériens sans pilote (UAV-net) attire une attention considérable en tant que solution de surveillance des incendies de forêt. L'application de l'apprentissage fédéré (FL) pour le UAV-net peut fournir une solution louable pour atténuer les incendies de forêt. Chaque UAV peut planer à différents endroits et obtenir des images avec des caractéristiques distinctives. Par conséquent, il est considéré comme une méthodologie efficace où chaque UAV remplit différents niveaux d'apprentissage profond (DL) de manière distribuée et collaborative, ce qui est un nouveau paradigme soulevé par le FL. Cet article examine les travaux de recherche à la pointe de l'état actuel sur la détection des incendies de forêt utilisant le DL et les UAV. De plus, cet article propose d'utiliser le FL pour le UAV-net afin de surveiller et de détecter les incendies de forêt. L'impact de différents modèles de réseaux de neurones convolutifs (CNN) et de couches avec des paramètres de modèle adaptés sur la performance de la précision de prédiction est abordé avec des simulations.