Postgraduate Student
аспирант
Associate Professor, Candidate of Physical and Mathematical Sciences, Kaluga Branch
кандидат физико-математических наук, Калужский филиал
Associate Professor, Candidate of Technical Sciences
кандидат технических наук, доцент
The objective of this study is to conduct a comparative analysis of four modern convolutional neural network architectures - ResNet50, MobileNetV2, MobileNetV3 Large, and EfficientNet-B0 - for wildfire detection on multimodal RGBT images captured by UAV-mounted cameras, with emphasis on practical applicability under resource-constrained conditions. The object of study consists of deep learning algorithms trained on the FireMan UAV RGBT dataset, comprising 12,000 annotated RGB and thermal images. The methodology is based on transfer learning with ImageNet-pretrained weights, the use of Focal Loss to address class imbalance, and 5-fold cross-validation. Objective evaluation employed non-parametric statistical tests (Kruskal - Wallis, Mann - Whitney) and a multi-criteria ranking using TOPSIS with bootstrap estimation, considering four key metrics: accuracy (F1-score), sensitivity, inference speed (FPS), and computational complexity (MACs). Experiments were conducted on the NVIDIA Jetson Xavier NX platform. Results showed that all architectures achieve high accuracy (F1-score > 0.92), but MobileNetV2 delivers the optimal balance: F1 = 0.934, 18.2 FPS, and minimal computational load (1.3 G MACs), making it the most suitable for autonomous UAV-based monitoring systems. ResNet50 and EfficientNet-B0 offer comparable accuracy but require 2-3 times more computational resources. MobileNetV3 Large achieved the highest sensitivity but lagged in speed. The scientific novelty lies in a statistically rigorous evaluation of CNN architectures not only by accuracy but also by real-world computational constraints, enabling a transition from laboratory experiments to practical deployment on UAVs. The findings provide a robust basis for selecting optimal architectures in resource-limited environmental monitoring systems.
Цель исследования - сравнительный анализ четырех современных архитектур сверточных нейронных сетей: ResNet50, MobileNetV2, MobileNetV3 Large и EfficientNet-B0 - для детекции лесных пожаров на мультимодальных RGBT-изображениях, снятых с бортовых камер БПЛА, с акцентом на практическую применимость в условиях ограниченных ресурсов. Объектом исследования выступают алгоритмы глубокого обучения, обученные на датасете FireMan UAV RGBT, включающем 12 000 аннотированных изображений в RGB и тепловом диапазонах. Методология основана на трансферном обучении с предобученными весами ImageNet, использовании фокальной функции потерь для компенсации дисбаланса классов и 5-фолд кросс-валидации. Для объективной оценки применены непараметрические статистические тесты (Краскела - Уоллиса, Манна - Уитни) и многокритериальная ранжировка по методу TOPSIS с бутстрэп-оценкой, учитывающей четыре ключевых параметра: точность (F1-score), чувствительность, скорость инференса (FPS) и вычислительную сложность (MACs). Эксперименты проведены на платформе NVIDIA Jetson Xavier NX. Результаты показали, что все архитектуры достигают высокой точности (F1-score > 0,92), однако MobileNetV2 демонстрирует оптимальный баланс: F1 = 0,934, скорость 18,2 FPS при минимальной вычислительной нагрузке (1.3 G MACs), что делает ее наиболее подходящей для автономных систем мониторинга. ResNet50 и EfficientNet-B0 обеспечивают сопоставимую точность, но требуют в 2-3 раза больше ресурсов. MobileNetV3 Large показала наилучшую чувствительность, но уступает по скорости. Научная новизна работы заключается в комплексной, статистически обоснованной оценке CNN-архитектур не только по точности, но и по реальным ограничениям вычислительной эффективности, что позволяет перейти от лабораторных экспериментов к практическому внедрению на БПЛА. Полученные данные формируют основу для выбора оптимальной архитектуры в системах экологического мониторинга с ограниченными ресурсами.