ارائه یک روش بهبود یافته تشخیص هواپیمای بدون سرنشین با استفاده از یادگیری عمیق جهت افزایش سرعت تشخیص

چکیدهدر سال های اخیر، پرنده های هدایت پذیر از دور (پهپادها) به طور قابل توجهی در دسترس عموم مردم قرار گرفته است. قیمت های مقرون به صرفه، مجهز بودن به تکنولوژی های پیشرفته، اندازه های کوچک، قابلیت حمل و راه اندازی آسان و... نگرانی های زیادی ایجاد می کند. به طور مثال از پهپادها می توان برای فعالیت های مخرب، جاسوسی از املاک خصوصی، پایش مکان های حیاتی، حمل اشیاء خطرناک مانند مواد منفجره و... استفاده کرد که تهدید بزرگی برای جامعه است. به همین دلیل شناسایی هواپیمای بدون سرنشین امری مهم در نظر گرفته شده است. به منظور رفع چالش های فوق، دانشگاه و صنعت چندین راه حل در سال های اخیر ارایه داده اند. از سیستم های سنجش راداری، تصویری، صوتی، فرکانس رادیویی و... برای شناسایی هواپیماهای بدون سرنشین استفاده می شود. بر اساس مطالعات اخیر به نظر می رسد طبقه بندی مبتنی بر یادگیری ماشین برای شناسایی هواپیماهای بدون سرنشین می تواند امیدوار کننده باشد. در این مقاله، یک روش بهبودیافته برای تشخیص هواپیماهای بدون سرنشین بر اساس یادگیری عمیق معرفی می شود. این سیستم بر پایه شناسایی توسط دوربین طراحی شده است. بر مبنای تصاویر دوربین، سیستم، مکان پهپاد را بر روی تصویر با کشیدن کادر دور آن مشخص می کند. این روش در واقع از کتابخانه OpenCV و الگوریتم YOLO بهره برده است. تصاویر هواپیماهای بدون سرنشین جمع آوری شده و سپس با در نظر گرفتن پارامتر سرعت، فرایند یادگیری صورت می گیرد. نتایج شبیه سازی نشان می دهد حدودا در زمان 17 میلی ثانیه، تشخیص هواپیمای بدون سرنشین با دقت 85% درصد انجام می شود.