ВДОСКОНАЛЕНИЙ МЕТОД ВИЯВЛЕННЯ БПЛА ЗА ТЕПЛОВІЗІЙНИМИ ЗОБРАЖЕННЯМИ НА ОСНОВІ МОДЕЛІ ГЛИБОКОГО НАВЧАННЯ YOLO

Анотація

У роботі представлено результати дослідження застосування методу виявлення БПЛА на тепловізійних зображеннях із використанням методів глибокого навчання. Основну увагу приділено розробці та вдосконаленню архітектури YOLO, яка дозволяє ефективно визначати та локалізувати БПЛА у реальному часі. Для тренування та тестування моделей використовувався публічний датасет “shahed136-detect” із 8100 тепловізійними зображеннями, а також застосовувалася симуляція різних погодних умов, таких як туман, дощ та шум.

Для підвищення стійкості моделі до реальних умов експлуатації було використано кілька технік вдосконалення архітектури YOLO, включаючи зміну щільності сітки до 30x30, збільшення кількості фільтрів у згорткових шарах та застосування методів регуляризації. Було реалізовано три версії моделей YOLO (YOLOv1, YOLOv2, YOLOv3), кожна з яких відрізняється глибиною, розміром сітки та методами регуляризації. Найкращі результати було досягнуто для YOLOv3, яка забезпечила точність 96.8%, що на 7.6% більше порівняно з YOLOv1.

Проведені експерименти показали, що вдосконалена модель YOLOv3 забезпечує високу точність розпізнавання навіть у складних умовах, включаючи низький контраст, шумові перешкоди та варіативні кути спостереження. Використання симуляції погодних умов дозволило моделі краще адаптуватися до реальних сценаріїв роботи, що підтверджено зростанням метрик точності, повноти та F1-міри.

Впровадження методу в автоматизовані системи моніторингу повітряного простору дозволяє своєчасно та точно визначати наявність БПЛА навіть у складних погодних умовах, таких як туман та дощ. Використання методів попередньої обробки зображень та адаптація архітектури YOLO для роботи з тепловізійними даними дозволяє значно підвищити точність і надійність роботи системи в реальних умовах.