Utiliser des technologies basées sur l'IoT pour combattre les incendies

Une combinaison dévastatrice de changement climatique, d'activité humaine et de mauvaise gestion du territoire a entraîné des incendies sans précédent en termes d'ampleur et de fréquence. Rien qu'en 2021, les incendies aux États-Unis ont ravagé plus de 4 millions d'hectares, des milliers de structures et d'innombrables habitats naturels pour les animaux. Au-delà des ravages visibles au sol, les feux de forêt sont responsables de 20 % des émissions mondiales, ce qui est stupéfiant. Jusqu'à récemment, l'accent était mis sur la lutte contre les incendies actifs. Désormais, le Service des forêts des États-Unis, les groupes de recherche et les entreprises privées exploitent les mêmes technologies IoT (Internet des objets) que celles utilisées dans l'automatisation des usines pour détecter les incendies le plus tôt possible.

Figure 1 : L'incendie de Caldor en 2021 vu par une caméra de sécurité thermique de Teledyne FLIR. (Source : Teledyne FLIR)

Architecture des systèmes de détection précoce des incendies

La détection précoce des incendies dépend d'une connaissance de la situation en temps réel, souvent dans des paysages vastes et montagneux. La structure de ces systèmes est relativement simple (Figure 2). Des capteurs recueillent en permanence des données météorologiques et de qualité de l'air. Lorsqu'un seuil prédéfini est atteint, ces données sont envoyées au cloud, où des algorithmes d'intelligence artificielle (IA) et d'apprentissage automatique sont appliqués. Des alertes sont instantanément transmises à une station de base, où des guetteurs d'incendie utilisent un réseau de caméras infrarouges pour confirmer la situation.

Figure 2 : Détection de feux de forêt grâce à des capteurs basés sur l'IoT, à des passerelles réseau et au cloud. (Source : PsiBorg.com)

Des entreprises comme Bosch Sensortec, Ericsson et Acti ont développé des composants capables de résister à des conditions extrêmes. Silvanet, le système de détection ultraprécoce de Dryad, est une solution de bout en bout qui intègre des capteurs à alimentation solaire, une infrastructure de mise en réseau maillé basée sur un réseau LoRaWAN (réseau étendu longue portée) propriétaire, ainsi qu'une plateforme d'analyse cloud.

Réseaux de capteurs sans fil

Les réseaux de capteurs sans fil (WSN) sont fiables, bon marché et faciles à étendre, ce qui les rend parfaitement adaptés aux applications de détection des incendies. Les nœuds sont déployés de manière stratégique dans la nature, que ce soit sur des mâts portatifs, des troncs d'arbre ou encore des poteaux électriques. La portée de détection des dispositifs va de quelques dizaines de mètres jusqu'à 15 km.

Les détecteurs d'incendie Silvanet (Figure 3) sont conçus pour détecter un incendie en 1 à 60 minutes. Le capteur BME688 de Bosch intégré détecte l'hydrogène, le monoxyde de carbone et d'autres gaz au niveau des parties par million (ppm). Le BME688 est le premier capteur de gaz avec IA et capteurs de pression, d'humidité et de température haute précision et haute linéarité intégrés.

Figure 3 : Capteur de gaz BME688 de Bosch intégré au détecteur d'incendie Silvanet à alimentation solaire. (Source : Bosch Sensortec)

Réseaux IoT maillés

Les réseaux IoT maillés contournent les défis d'infrastructure des réseaux cellulaires en connectant directement chaque nœud à tous les autres nœuds de manière décentralisée. Les signaux passent d'un nœud à l'autre pour atteindre les destinations qui ne sont pas à portée d'un capteur individuel. Les données sont transmises à un serveur cloud via des réseaux comme LoRaWAN. Ce dernier offrant des capacités exceptionnelles en termes de distance, ainsi qu'une faible consommation énergétique, il est parfaitement adapté aux applications IoT longue portée.

Thermographie infrarouge

Les caméras infrarouges PTZ (panoramique/inclinaison/zoom) haute définition utilisent l'imagerie thermique pour détecter les signatures thermiques et les variations de température. Le personnel présent dans les stations de base peut contrôler et commander directement les caméras, et ainsi surveiller le paysage, le comportement des incendies et les conditions météorologiques en temps réel. Avec une vision panoramique à 360°, une inclinaison à 90° et un zoom optique 40X, la caméra PTZ de détection d'incendie d'AEM crée une carte 3D des conditions environnementales dans un rayon de 40 km. Les équipes de gestion des incendies utilisent la plateforme logicielle FTS360 de l'entreprise pour voir des images en direct sur lesquelles apparaissent les données météorologiques.

Figure 4 : Caméra PTZ de détection d'incendie d'AEM. (Source : AEM)

Recherches pour la détection précoce des incendies

En 2023, un partenariat entre le département de la Sécurité intérieure des États-Unis et l'initiative OHAZ (Oregon Hazards Lab) évaluera les technologies de détection par rapport aux alertes générées par le système de caméras ALERTWildfire. Les caméras HD d'ALERTWildfire présentent des capacités dans le proche infrarouge jusqu'à 64 km en journée et 96 à 128 km la nuit. Il s'agit d'un système large bande, et toute personne disposant d'une connectivité Internet peut donc accéder à ses flux vidéo publics. Les dispositifs de détection ont été développés par Breeze Technologies à Hambourg, en Allemagne, et N5 Sensors à Rockville, dans le Maryland. Les recherches sont menées dans la vallée de la Willamette, dans l'Oregon.

Figure 5 : Capteurs conçus par Breeze Technologies (à gauche) et par N5 Sensors (à droite) installés dans la vallée dans la Willamette, dans l'Oregon. (Source : Breeze Technologies et N5 Sensors)

Les informations en temps réel aident les responsables de la gestion des incendies à prendre des décisions quant à l'allocation des ressources et à la sécurité publique. Le fait d'avoir des données régulières permet aux scientifiques spécialisés dans les incendies d'identifier des schémas en fonction des variables environnementales. Malgré des développements aussi prometteurs, la réalité est que plus de 80 % des feux de forêt sont provoqués par la négligence humaine, comme les feux de camp laissés sans surveillance, les mégots jetés dans la nature, le brûlage d'ordures et le mauvais fonctionnement de certains équipements. Le 5 septembre 2020, un dispositif pyrotechnique utilisé lors d'une fête prénatale a provoqué l'incendie meurtrier d'El Dorado. Cet incendie a ravagé près de 9000 hectares et a entraîné la mort d'un pompier. Le couple responsable de la fête a été inculpé pour 30 délits et pour homicide involontaire. Alors que les États commencent à engager la responsabilité pénale des particuliers pour les comportements irresponsables comme celui-là, il y aura peut-être moins d'incendies à détecter.

Sources

Dampage, U., et al. (2022). Forest fire detection system using wireless sensor networks and machine learning (système de détection des feux de forêt avec réseaux de capteurs sans fil et apprentissage automatique).Sci Rep 12, 46.

Gupta, V. (1er février 2023). Forest Fire Protection Using Sensor Network and IoT (protection contre les feux de forêt grâce à un réseau de capteurs et à l'IoT). PsiBorg.

Peruzzi, G., & Pozzebon, A. (2023). Fight Fire with Fire: Detecting Forest Fires with Embedded Machine Learning Models Dealing with Audio and Images on Low Power IoT Devices (combattre le feu par le feu : détecter les feux de forêt grâce à des modèles d'apprentissage automatique embarqués avec audio et images sur des dispositifs IoT basse consommation). Sensors, 23(2), 783.

Stoking Wildfire Resilience in Oregon | Homeland Security (attiser la résilience face aux incendies dans l'Oregon | département de la Sécurité intérieure).(9 février 2023).

Wildfire Causes and Evaluations (US National Park Service) (causes et évaluations des incendies [service des parcs nationaux américains]). (aucune date)