Використання нейронних мереж для пошуку наземних мін

Скорочена інформація про документ
dc.contributor.authorМикитенко, В. І.
dc.contributor.authorШинкарьов, Д. Д.
dc.date.accessioned2025-03-25T09:50:46Z
dc.date.available2025-03-25T09:50:46Z
dc.date.issued2024
dc.description.abstractПроблема наявності великих замінованих територій і їх розширення є критичною через їхній вплив на безпеку та економіку. Стаття присвячена підвищенню ефективності оптичних методів пошуку наземних мін поверхневого розташування в задачах гуманітарного розмінування. Показано, що одним з найбільш перспективних оптичних методів виявлення мін є гіперспектральна зйомка, яка забезпечує надзвичайно точний аналіз спектрального складу випромінювання фоно-цільової обстановки. Але практичне використання гіперспектральних методів є суттєво ускладненим, враховуючи величезні площі замінованих територій. Отже виявлення мін має бути автоматизованим. Для вирішення цієї задачі досліджено можливості використання штучних нейронних мереж. Запропоновано інтеграцію штучного інтелекту, зокрема RBF-мереж, для підвищення ефективності та точності виявлення об'єктів. У роботі порівнюються традиційні методи класифікації з інноваційними підходами, що базуються на машинному навчанні. Проведено тестування алгоритмів на симуляційних і реальних даних. Це дозволило оцінити їхню здатність до ідентифікації об'єктів за умов різного спектрального заповнення. Специфіка досліджуваної області формує вимоги до оцінювання ефективності функціонування технічних засобів: в першу чергу має бути забезпечена мінімальна ймовірність пропуску сигналу. В той же час з врахуванням великих обсягів обчислень бажано, щоб ймовірність хибних тривог залишалась невисокою. Показано, що RBF нейронна мережа здатна виявляти міни з низькою кількістю хибних тривог. Під час навчання мережі з великим параметром розповсюдження чутливість виходу до спектральної варіативності пікселів знижується. Це дозволяє мережі виявити ціль навіть за низького коефіцієнта заповнення. Отже результати досліджень свідчать, що використання запропонованих методів дозволяє значно зменшити кількість хибних тривог і забезпечити високу продуктивність у реальних умовах.
dc.description.abstractotherThe issue of large mined areas and their expansion is critical due to their impact on safety and the economy. This article focuses on enhancing the efficiency of optical methods for detecting surface-laid landmines in humanitarian demining tasks. It demonstrates that one of the most promising optical methods for mine detection is hyperspectral imaging, which provides exceptionally precise analysis of the spectral composition of the radiation in the background-target environment. However, practical application of hyperspectral methods is significantly complicated by the vast size of mined territories. Therefore, mine detection must be automated. To address this challenge, the potential of artificial neural networks was investigated. The study proposes the integration of artificial intelligence, specifically RBF (Radial Basis Function) networks, to improve the efficiency and accuracy of object detection. The work compares traditional classification methods with innovative machine learning approaches. Algorithms were tested on both simulated and real data, enabling an evaluation of their ability to identify objects under varying spectral content conditions. The specific characteristics of the study area define the requirements for assessing the performance of technical tools: foremost, the probability of missing a signal must be minimized. At the same time, given the large-scale computations involved, the probability of false alarms should remain low. The study shows that RBF neural networks can detect mines with a low rate of false alarms. During network training with a large spread parameter, the sensitivity of the output to the spectral variability of pixels decreases. This allows the network to detect a target even at low fill coefficients. Thus, the research results indicate that the proposed methods significantly reduce false alarms and ensure high performance under real-world conditions.
dc.format.pagerangeС. 11-17
dc.identifier.citationМикитенко, В. І. Використання нейронних мереж для пошуку наземних мін / Микитенко В. І., Шинкарьов Д. Д. // Вісник КПІ. Серія Приладобудування : збірник наукових праць. – 2024. – Вип. 68(2). – С. 11-17. – Бібліогр.: 20 назв.
dc.identifier.doihttps://doi.org/10.20535/1970.68(2).2024.318158
dc.identifier.orcid0000-0001-7213-9368
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/73052
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofВісник КПІ. Серія Приладобудування : збірник наукових праць, 2024, Вип. 68(2)
dc.subjectнейронні мережі
dc.subjectназемні міни
dc.subjectгіперспектральна зйомка
dc.subjectавтоматизація класифікації
dc.subjectштучний інтелект
dc.subjectneural networks
dc.subjectlandmines
dc.subjecthyperspectral imaging
dc.subjectclassification automation
dc.subjectartificial intelligence
dc.subject.udc004.8:621.391.21
dc.titleВикористання нейронних мереж для пошуку наземних мін
dc.title.alternativeUsing neural networks for landmine detection
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
318158-738999-1-10-20241224.pdf
Розмір:
559.03 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

Вісник КПІ. Серія Приладобудування: збірник наукових праць, Вип. 68(2)