Методи глибоко навчання та стереозору для детектування БПЛА

Скорочена інформація про документ
dc.contributor.advisorШелестов, Андрій Юрійович
dc.contributor.authorКолесник, Андрій Миколайович
dc.date.accessioned2025-06-10T11:28:03Z
dc.date.available2025-06-10T11:28:03Z
dc.date.issued2025
dc.description.abstractМагістерська 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.
dc.description.abstractotherScientific novelty. For the first time, an integrated system has been implemented that combines deep neural detection with classical stereo vision depth estimation for 3D localization of drones. The proposed approach enables precise target positioning in space based solely on passive video streams, eliminating the need for active sensors. Practical significance. The developed system can be applied in security, military, or industrial scenarios for airspace monitoring. Preliminary testing in field conditions confirmed its effectiveness at distances up to 100 meters. The software is implemented in Python and can be deployed on a standard GPU-enabled workstation. Results validation. The research results were validated through participation in the “Nastup Mashyn 2” and “smartRTF” hackathons and presented as a scientific report at the XXIII All-Ukrainian Scientific and Practical Conference for Students, Postgraduates, and Young Scientists. Publications. One scientific article has been published in conference proceedings. An additional article for a peer-reviewed academic journal is in preparation.
dc.format.extent97 с.
dc.identifier.citationКолесник, А. М. Методи глибоко навчання та стереозору для детектування БПЛА : магістерська дис. : 113 Прикладна математика / Колесник Андрій Миколайович. – Київ, 2025. – 97 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74163
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectглибоке навчання
dc.subjectоб’єктна детекція
dc.subjectстереозір
dc.subjectyolov8
dc.subjectкомп’ютерний зір
dc.subjectбпла
dc.subjectдиспаритет
dc.subjectтриангуляція
dc.subjectдетектор дронів
dc.subjectсистема спостереження
dc.subjectdeep learning
dc.subjectobject detection
dc.subjectstereo vision
dc.subjectyolov8
dc.subjectcomputer vision
dc.subjectuav
dc.subjectdisparity
dc.subjecttriangulation
dc.subjectdrone detector
dc.subjectmonitoring system
dc.subject.udc004.93
dc.titleМетоди глибоко навчання та стереозору для детектування БПЛА
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kolesnyk_magistr.pdf
Розмір:
1001.94 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММАД)
Магістерські роботи