Phần mềm sử dụng các trạm quan sát đặt ngoài thực địa. Phần mềm ứng dụng phát hiện sớm cháy rừng từ trạm quan sát mặt đất được thiết kế và phát triển dựa trên yêu cầu về công tác quản lý tài nguyên rừng và giảm thiểu thiệt hại do cháy cháy ở nước ta.
Cháy rừng chỉ sảy ra khi có sự xuất hiện của ba nhân tố cơ bản: Oxy, vật liệu cháy, nhiệt lượng. Nếu thiếu ba nhân tố đó thì sự cháy sẽ không xảy ra. Sự kết hợp của ba nhân tố này tạo thành một quy luật chung của cháy rừng. Đây là cơ khoa học để nghiên cứu, và chế tạo ra thiết bị dự báo cháy rừng. Bằng việc bố trí các thiết bị dự báo cháy rừng trong rừng, một hệ thống mạng lưới được hình thành. Mỗi thiết bị cảm biến có thể thu thập nhiều thông tin khác nhau liên quan đến cháy rừng như: nhiệt độ, độ ẩm, khói… Các dữ liệu thu thập được sẽ được truyền máy chủ machine learning để tính toán, tại đây các số liệu sẽ được phân tích và tính toán một cách chính xác. Từ đó thiết sẽ đưa cảnh báo về thảm họa cháy rừng trong thời gian sớm nhất và độ chính xác cao.
Thiết bị dự báo cháy rừng hoạt động nhờ cảm biến. Nhìn chung các hạn chế của các cảm biến hiện nay là thời gian hoạt động của chúng không được lâu, các cảm biến chỉ hoạt động được trong một thời gian nhất định. Để khắc phục tình hình đó, cảm biến của chúng tôi dùng trong thiết bị dự báo cháy rừng được thiết kế với pin dự phòng kết hợp với pin năng lượng mặt trời. Cảm biến có thể hoạt động liên tục trong thời gian khá dài mà không gặp bất cứ trở ngại nào. Ngoài ra cảm biến còn khắc phục được các vấn đề còn hạn chế của các cảm biến khác như: hoạt động được trong điều kiện thời tiết bất thường, chụi được áp suất và nhiệt độ cao, tuổi thọ trung bình của cảm biến cũng rất cao…
Một models không thể hoạt động nếu thiếu data, đối với trường hợp những dự án ứng dụng thực tế IOT trong đời sống xã hội, y học, .... Có tầm quan trọng rất lớn. Lượng dataset quá nhỏ thì dể dẫn đến overfitting và model không thể học được đầy đủ các features cho các trường hợp tổng quan hay nói khác đi là model thiếu khả năng tổng quan hóa của một chương trình ,điều này khá là nguy hiểm vì trên thực tế có rất nhiều trường hợp có thể xảy ra theo cả 2 hướng tích cực và tiêu cực.
37
Đối với dự án cháy rừng nói riêng đây được xem là công việc quan trọng nhất và mất nhiều thời gian và công sức nhất. Vì vậy cần phải cố gắng để có thể chọn được một bộ data đúng, an toàn và đầy đủ các trường hợp nhất đối với dự án cảnh báo cháy rừng
Thu thập dữ liệu xong thì cần tiến hành tiền xử lí vì hầu như dữ liệu thu thập được đều là dữ liệu thô nên không thể đưa thẳng vào Models. Ta sẽ tiến hành đánh nhãn dữ liệu Đây là bước khá quan trọng vì sẽ đánh giá mô hình chúng ta làm việc tốt hay không! Đánh nhãn sai dữ liệu sẽ làm cho model dự đoán và đánh giá sai dẫn đến tốn nhiều thời gian và công sức bỏ ra cho quá trình training.
Một dự án học máy nói chung và IOT nói riêng sau khi qua các bước: chuẩn bị dữ liệu, mô hình hóa dữ liệu, tinh chỉnh các mô hình thì bước cuối cùng quan trọng nhất là đánh giá độ chính xác, một mô hình có quy mô tầm cỡ, bao gồm nhiều thuật toán chuyên sâu, cấu hình xử lý cực khủng, nhưng nếu không có sự đồng bộ giữa dữ liệu ,thuật toán, các mô hình xử lý , cho ra kết quả tỷ lệ rủi ro cao, độ chính xác thấp thì cũng như không