ارائه يك روش بهبوديافته تشخيص هواپيماي بدون سرنشين با استفاده از يادگيري عميق جهت افزايش سرعت تشخيص

در سال هاي اخير، پرنده هاي هدايت پذير از دور(پهپادها) به طور قابل توجهي در دسترس عموم مردم قرار گرفته است. قيمت هاي مقرون به صرفه، مجهز بودن به تكنولوژي هاي پيشرفته، اندازه هاي كوچك، قابليت حمل و راه اندازي آسان و... نگراني هاي زيادي ايجاد مي كند. به طور مثال از پهپادها مي توان براي فعاليت هاي مخرب، جاسوسي از املاك خصوصي، پايش مكان هاي حياتي، حمل اشياء خطرناك مانند مواد منفجره و... استفاده كرد كه تهديد بزرگي براي جامعه است. به همين دليل شناسايي هواپيماي بدون سرنشين امري مهم در نظر گرفته شده است. به منظور رفع چالش هاي فوق، دانشگاه و صنعت چندين راه حل در سال هاي اخير ارائه داده اند. از سيستم هاي سنجش راداري، تصويري، صوتي، فركانس راديويي و... براي شناسايي هواپيماهاي بدون سرنشين استفاده مي شود. بر اساس مطالعات اخير به نظر مي رسد طبقه بندي مبتني بر يادگيري ماشين براي شناسايي هواپيماهاي بدون سرنشين مي تواند اميدوار كننده باشد. در اين مقاله، يك روش بهبوديافته براي تشخيص هواپيماهاي بدون سرنشين بر اساس يادگيري عميق معرفي مي شود. اين سيستم بر پايه شناسايي توسط دوربين طراحي شده است. بر مبناي تصاوير دوربين، سيستم، مكان پهپاد را بر روي تصوير با كشيدن كادر دور آن مشخص مي كند. اين روش در واقع از كتابخانهOpenCV و الگوريتم YOLO بهره برده است. تصاوير هواپيماهاي بدون سرنشين جمع آوري شده و سپس با در نظر گرفتن پارامتر سرعت، فرايند يادگيري صورت مي گيرد. نتايج شبيه سازي نشان مي دهد حدوداً در زمان 17ميلي ثانيه، تشخيص هواپيماي بدون سرنشين با دقت 85% درصد انجام مي شود.