تشخيص به‌موقع پرنده‌هاي هدايت‌پذير از دور چند بال چرخان با استفاده از الگوريتم YOLOv5 بهينه‌سازي‌شده

در سال‌هاي اخير پيشرفت بسيار سريع فنّاوري در حوزة پهپادها (پرنده‌هاي هدايت‌پذير از دور)، در كنار مزاياي خود، تهديدات جدي را در سطوح مختلف اجتماعي و امنيتي به همراه داشته است. از جملة اين مشكلات، مي‌توان به بحث پروازهاي غيرمجاز در مناطق حفاظت‌شده و امنيتي اشاره كرد. لذا تشخيص به‌موقع اين دستگاه‌ها در جهت انجام سريع اقدامات مربوطه، ضروري است. در همين راستا، در اين پژوهش با بهره‌گيري از الگوريتم YOLOv5l كه جزء جديدترين نسخه الگوريتم‌هاي يك‌مرحله‌اي بينايي رايانه‌اي است، دو مدل با بهينه‌سازهاي SGD و Adam جهت تشخيص به‌موقع پهپادها توسعه داده شده است. براي توسعة مدل‌هاي حاضر در اين پژوهش، از يك مجموعه داده شامل 10046 عدد عكس از انواع و حالات مختلف پهپادها استفاده شده است. پردازش مدل‌ها به كمك بستر گوگل كولب انجام شده است كه به‌صورت رايگان يك سيستم پردازشي قدرتمند را در اختيار توسعه‌دهندگان قرار مي‌دهد. ارزيابي مدل‌ها بر روي چهار مجموعه‌آزمون 1000 عددي شامل مجموعه‌آزمون معمولي، كم‌حجم، حالت شب، خاكستري مقياس و همچنين يك مجموعه‌آزمون شامل 100 عدد عكس از چندين پهپاد صورت‌گرفته است. طبق نتايج، مدل توسعه داده شده با بهينه‌ساز Adam نسبت به مدل توسعه داده شده با بهينه‌ساز SGD عملكرد بهتري داشته است.