По данным властей, ежегодно камеры фиксируют около 5 млн срабатываний, из которых реальными пожарами оказываются лишь около 1,2 тыс.. Сейчас систему донастраивают: обновлённая модель ИИ, по расчетам, должна сократить число ложных тревог с 5 млн до 800 тыс. в год.

Проблема ложных срабатываний характерна для всех подобных систем. Сложные условия освещения (ночь, тени, отражения), а также объекты, напоминающие по цвету огонь, регулярно вводят нейросети в заблуждение. Исследователи отмечают, что ложные срабатывания в сумерках, тумане или при атмосферных искажениях остаются критической проблемой для алгоритмов обнаружения пожаров, сообщает 360.ru.

Мировой опыт показывает, что даже лучшие системы сталкиваются с теми же вызовами. Известная немецкая система FIRE-WATCH способна обнаруживать возгорания в радиусе 10 км, но её оборудование стоит дорого. А на тестах в Пакистане система, сочетавшая ИИ-камеры с датчиками IoT и спутниковыми данными, смогла успешно детектировать реальные пожары и снизить число ложных срабатываний, но только при условии качественной локальной настройки моделей и регулярного обучения алгоритмов. Как отмечается в обзорных исследованиях, помимо ложных тревог системами ИИ для мониторинга лесов остаются проблемы интеграции разнородных данных, высокая стоимость установки и необходимость адаптации алгоритмов к конкретным ландшафтам и климатическим условиям.

Российские учёные тоже активно работают над совершенствованием технологий. Специалисты Сколтеха создали нейросеть на основе спутниковых данных, способную предсказывать лесные пожары с точностью до 87% на пять дней вперед — система учитывает тип растительности, погоду и даже активность населения в конкретном регионе. Однако она ориентирована на прогнозирование, а не на оперативное обнаружение. Камеры в Подмосковье обеспечивают непрерывный мониторинг в реальном времени, но их главная уязвимость — зависимость от погоды: в густом тумане или сильный снегопад эффективность видеонаблюдения резко падает.

По оценкам экспертов, стоимость одной камеры варьируется от 116 до 400 тыс. рублей. Только на установку 147 устройств регион потратил десятки миллионов, не считая затрат на обслуживание вышек сотовой связи, ПО и обучение диспетчеров. Для сравнения: пилотные проекты с использованием беспилотников, которые планируют запустить в регионе, смогут патрулировать территорию в радиусе до 50 км, но требуют регулярного обслуживания и имеют ограниченное время полёта. Спутниковый мониторинг охватывает огромные территории, но его разрешение недостаточно для раннего обнаружения небольших очагов, а данные могут устаревать на часы. Комбинированный подход — камеры для оперативной фиксации дыма плюс спутники для контроля удалённых участков — пока остаётся самым рациональным.

Что касается эффективности: видеомониторинг в Подмосковье обеспечивает 41% всех обнаружений, опережая систему «112» (37%) и наземное патрулирование (17%). Среднее время реагирования составляет 48 минут. Однако, как показывают исследования в других регионах, эффективность падает почти до нуля, когда небо затянуто густыми облаками. Постоянный контроль, по утверждениям специалистов, позволяет предотвращать более трети пожаров на отдалённых территориях.

Алгоритмы ИИ в подмосковных камерах продолжают обучаться, но их точность напрямую зависит от качества и разнообразия данных, на которых они тренированы. Облака, туман, заводские выбросы и просто пыль по-прежнему могут вводить нейросети в заблуждение, а значит, окончательное решение о выезде бригады остаётся за человеком-диспетчером. Как справедливо отмечают зарубежные эксперты, ранние системы предупреждения должны быть встроены в более широкие стратегии управления пожарами: технологии сами по себе недостаточно