《国际信息与通信技术杂志》报道了一种旨在通过先进的实时图像处理来改善森林监测和检测的新系统。这项工作可以实现更快、更准确的检测，从而有助于改善应急响应，以减少对环境、人类和经济的影响。

山西长治学院的季壮伟和钟新成介绍了一种基于STDCNet(BiseNet模型的增强版)的图像分割模型。图像分割涉及对图像内的区域进行分类，以区分火焰和森林背景。STDCNet方法可以高效提取相关特征，而无需过多的计算资源。

该团队解释了他们的方法如何使用双向注意力模块(BAM)。这使得它能够专注于不同图像特征的不同特性，并确定同一特征内图像中相邻区域之间的关系。这种双重方法提高了边界检测的精度，特别是对于小规模，这种通常会在规模扩大之前被忽视。

在公共数据集上对该模型进行的测试表明，其在准确性和计算效率方面的表现均优于现有方法。这增强了实时检测的潜力，早期识别可以防止失控蔓延。

与地面传感器和卫星图像等标准探测方法相比，新系统具有多项优势。这些方法存在维护成本高、信号传输问题以及云层和崎岖地形等环境因素的干扰等局限性。

研究人员表示，配备新图像处理技术的无人机可以成为传感器或卫星更具适应性、更具成本效益的替代方案，允许在不同的天气条件和具有挑战性的环境下进行探测。