Автоматизована комп'ютерна система розпізнавання об'єктів з бортової камери БПЛА

Abstract

Об’єкт дослідження – процес автоматизованого розпізнавання об’єктів з зображення та відеопотоку отриманих з камери БПЛА. Предметом дослідження – автоматизована комп’ютерна мережа розпізнавання об’єктів з камери БПЛА. Мета роботи – розробка автоматизованої комп’ютерної мережі розпізнавання об’єктів з камери БПЛА. Технічні та програмні засоби – мова програмування Python та набір бібліотек для комп’ютерного зору і глибинного навчання: Ultralytics YOLOv8, OpenCV, NumPy; сучасні методи розробки вебдодатків: HTML, CSS, JavaScript. Основні характеристики та показники – система містить серверний модуль детекції з двома моделями YOLOv8, веб-інтерфейс оператора, модуль обробки відео з формуванням анотованих матеріалів. Отримані результати та їх новизна – у роботі побудовано узагальнений UAV-датасет на основі власних кадрів з БПЛА та відкритих наборів даних, виконано навчання моделей YOLOv8 для умов аеророзвідки, розроблено веб-сервіс для взаємодії оператора з системою. Наукова новизна полягає в адаптації сучасних архітектур детекції до задачі виявлення дрібних військових цілей на складному фоні, а також у реалізації двомодельного підходу розпізнавання. Рекомендації щодо використання результатів – розроблену систему можна використовувати для підтримки роботи операторів під час аналізу кадрів з БПЛА, а також як базу для подальшої інтеграції на борт БПЛА.The object of the study is the process of automated object recognition from the image and video stream obtained from the UAV camera. The subject of the study is an automated computer network for object recognition from the UAV camera. The purpose of the work is to develop an automated computer network for object recognition from the UAV camera. Technical and software tools are the Python programming language and a set of libraries for computer vision and deep learning: Ultralytics YOLOv8, OpenCV, NumPy; modern methods for developing web applications: HTML, CSS, JavaScript. Main characteristics and indicators are the system contains a server detection module with two YOLOv8 models, a web operator interface, a video processing module with the formation of annotated materials. The results obtained and their novelty – the work built a generalized UAV dataset based on its own UAV footage and open datasets, trained YOLOv8 models for aerial reconnaissance conditions, developed a web service for operator interaction with the system. The scientific novelty lies in the adaptation of modern detection architectures to the task of detecting small military targets against a complex background, as well as in the implementation of a two-model recognition approach. Recommendations for using the results – the developed system can be used to support the work of operators during the analysis of UAV footage, as well as as a basis for further integration on board the UAV.