Методи глибоко навчання та стереозору для детектування БПЛА
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація містить 97 сторінки, 6 рисунків, 1 таблицю, 1 додаткок, 71 джерела.
Зв’язок роботи з науковими програмами, планами, темами.
Дисертацію виконано відповідно до плану науково-дослідних робіт кафедри математичного моделювання та аналізу даних Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського».
Мета і задачі дослідження. Метою роботи є створення апаратнопрограмної системи для автоматичного виявлення БПЛА та визначення їхнього положення в просторі шляхом інтеграції алгоритмів об’єктної детекції та методів стереозору.
Для досягнення мети було поставлено такі завдання:
- провести огляд існуючих методів детекції дронів;
- сформувати датасет, придатний для навчання детектора;
- реалізувати модуль глибокої детекції на основі YOLOv8;
- розробити стереосистему для оцінки глибини;
- провести тестування системи на синтетичних і реальних даних;
- оцінити ефективність роботи системи порівняно з існуючими відкритими реалізаціями;
- апробувати систему на конференціях.
Об’єкт дослідження – процес виявлення безпілотних літальних апаратів у повітряному просторі.
Предмет дослідження – методи поєднання глибокого навчання та стереозору для детектування БПЛА та визначення їхнього просторового положення.
Методи дослідження. В роботі застосовано методи машинного навчання, згорткові нейронні мережі (YOLOv8), геометричні методи триангуляції для розрахунку глибини, обробку зображень, а також експериментальні методи оцінки якості моделі.
Наукова новизна одержаних результатів. Вперше реалізовано інтегровану систему, що поєднує глибоку нейронну детекцію з класичним стереозоровим вимірюванням для тривимірної локалізації дронів. Запропонований підхід забезпечує точне позиціонування цілі в просторі на основі лише пасивного відеопотоку без використання активних сенсорів.
Практичне значення одержаних результатів. Розроблена система може бути впроваджена в охоронних, військових або промислових рішеннях для моніторингу повітряного простору. Попереднє тестування на полігоні засвідчило її ефективність при відстанях до 100 метрів. Програма реалізована на Python, придатна для запуску на стандартному комп’ютері з GPU.
Апробація результатів. Результати дослідження були апробовані у вигляді наукової доповіді на XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених.
Публікації. Опубліковано 1 наукову статтю в матеріалах конференції. У процесі підготовки – стаття у фаховому науковому журналі.
Опис
Ключові слова
глибоке навчання, об’єктна детекція, стереозір, yolov8, комп’ютерний зір, бпла, диспаритет, триангуляція, детектор дронів, система спостереження, deep learning, object detection, stereo vision, yolov8, computer vision, uav, disparity, triangulation, drone detector, monitoring system
Бібліографічний опис
Колесник, А. М. Методи глибоко навчання та стереозору для детектування БПЛА : магістерська дис. : 113 Прикладна математика / Колесник Андрій Миколайович. – Київ, 2025. – 97 с.