Дослідження ефективності оптичного методу для виявлення безпілотних літальних апаратів за допомогою популярних Yolo алгоритмів машинного навчання

М.І. Ковальчук

doi:10.36910/6775-2524-0560-2024-57-22

М.І. Ковальчук https://orcid.org/0009-0005-6412-5894

DOI: https://doi.org/10.36910/6775-2524-0560-2024-57-22

Ключові слова: виявлення, БПЛА, YOLO, згорткова нейронна мережа, CNN

Анотація

Сучасний світ переживає швидкий розвиток технологій, і однією з ключових сфер, де цей розвиток стає особливо помітним, є використання безпілотних літальних апаратів (БПЛА). Ці технології знаходять застосування в різних галузях, починаючи від сільського господарства і закінчуючи військовими застосуваннями. Однак, разом із численними перевагами, БПЛА також створюють нові виклики, зокрема, у сфері безпеки. Розробка та впровадження ефективних систем для виявлення БПЛА є критично важливою задачею для забезпечення безпеки критично важливих об’єктів та запобігання можливому використанню дронів у нелегальних цілях. Результати дослідження підкреслюють важливість вибору оптимальної моделі YOLO для конкретних сценаріїв використання БПЛА, інтеграції з іншими системами виявлення та розробки нових стратегій для покращення загальної ефективності систем виявлення. Ці результати мають важливе значення як для розвитку технологій штучного інтелекту, так і для підвищення рівня безпеки в критично важливих сферах життєдіяльності

Посилання

1. A. Sedunov, D. Haddad, H. Salloum, A. Sutin, N. Sedunov, A. Yakubovskiy, Stevens drone detection acoustic system and experiments in acoustics uav tracking, in: 2019 IEEE International Symposium on Technologies for Homeland Security (HST), IEEE, 2019, pp. 1–7.
2. P. Casabianca, Y. Zhang, Acoustic-based uav detection using late fusion of deep neural networks, Drones 5 (2021) 54.
3. K. R. Sapkota, S. Roelofsen, A. Rozantsev, V. Lepetit, D. Gillet, P. Fua, A. Martinoli, Visionbased unmanned aerial vehicle detection and tracking for sense and avoid systems, in: 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Ieee, 2016, pp. 1556–1561.
4. M. Wisniewski, Z. A. Rana, I. Petrunin, Drone model identification by convolutional neural network from video stream, in: 2021 IEEE/AIAA 40th Digital Avionics Systems Conference (DASC), IEEE, 2021, pp. 1–8.
5. U. Seidaliyeva, D. Akhmetov, L. Ilipbayeva, E. T. Matson, Real-time and accurate drone detection in a video with a static background, Sensors 20 (2020) 3856.