无人机监测大面积野火的可行性已得到证实，但这类设备搭载的热成像仪，普遍存在价格高、体积大、耗电多的问题。 

　　不过，克莱姆森大学的一项新研究，或许能让这类设备在部分场景下“留守地面”。该校团队研发出全新方案，仅靠普通相机搭配人工智能，就能完成野火温度估算。 

　　这项研究由电子与计算机工程系副教授法特梅·阿夫加（Fatemeh Afghah），与她的前硕士研究生迈克尔·马里纳乔（Michael Marinaccio）合作完成。马里纳乔现已毕业，投身工业界发展。 

　　研究发现，人工智能可通过学习普通红绿蓝（RGB）图像中的纹理特征实现热量估算。这里所说的RGB图像，即数码相机拍摄的标准彩色照片。 

　　这一突破有望催生出更经济、更易部署的监测系统，助力消防管理人员精准定位隐藏在烟雾、灰烬或植被下的残留火点。 

　　阿夫加格外看重研究的实际应用价值。她表示：“从终端用户那里摸清需求，找到解决方案后再协助他们落地使用，这种感觉特别好，也是我深耕这个野火项目的动力所在。” 

　　马里纳乔则称，参与这项极具影响力的野火研究，能与干劲十足、才华出众的同行并肩作战，是他研究生生涯最宝贵的经历。“推进这个原创项目的全过程，锻炼了我的研究、沟通和人际交往能力，这些能力已用到当前工作中。IS-WiN实验室非常出色，我强烈建议对通信系统、无人机或野火监测感兴趣的人，来这里寻找研究机会。” 

　　研究期间，团队收集了实际计划性烧除作业的同步数据，包括RGB图像与热成像图像的配对素材。他们用这些数据训练人工智能模型，找出热成像特征模式与RGB图像细微视觉线索的对应关系。 

　　经过训练后，该系统仅依靠RGB图像就能完成温度估算，在部分场景开展监测任务时，无需额外配备热成像仪。 

　　尽管该系统精度不及高端热成像仪（后者测温误差可控制在数度内），但研究人员表示，在热成像设备难以获取或不便使用的场景中，其监测效果完全能满足实际需求。 

　　研究团队将这套训练框架命名为SAM-TIFF，全称是“分割一切模型-辐射热TIFF文件”（Segment Anything Model-Radiometric Thermal TIFF files）。 

　　这项研究是克莱姆森大学一项大型研究计划的一部分。该计划聚焦无人驾驶航空器系统，旨在提升野火探测、监测及应急响应能力。 

　　相关研究获得多方支持，包括美国国家航空航天局（NASA）“火灾感知”项目、美国国家科学基金会等机构，以及合作的消防部门。 

　　研究成果已发表在一篇学术论文中，论文标题为《通过色彩感知热量——基于SAM引导的多模态蒸馏技术，利用辐射实测数据实现仅靠RGB图像的野火温度推断》（英文标题：Seeing Heat with Color – RGB-Only Wildfire Temperature Inference from SAM-Guided Multimodal Distillation using Radiometric Ground Truth）。 

　　该论文在电气和电子工程师协会（IEEE）信号处理学会阿西洛马信号、系统与计算机会议的“最佳学生论文”评选中荣获二等奖。 

　　霍尔科姆电子与计算机工程系主任肖海（Hai Xiao）表示，这项研究既解决了现实问题，又为学生创造了宝贵的研究体验。“这类研究彰显了我校师生携手应对南卡罗来纳州及其他地区重大挑战的决心，也体现了克莱姆森大学注重实践、让学生为有影响力的研究贡献力量的办学理念。”