Дослідження та вдосконалення системи розпізнавання образів для дронів

Abstract

Безпілотні літальні апарати (БПЛА) дедалі частіше застосовуються для моніторингу, пошуково-рятувальних операцій, аграрного нагляду, військової розвідки та логістики. Ключовим компонентом їх інтелектуальної поведінки є система розпізнавання образів, що забезпечує здатність ідентифікувати об’єкти та реагувати на зміни в навколишньому середовищі у режимі реального часу [14, 15]. В умовах високої динаміки сцени, обмежених обчислювальних ресурсів бортових систем і впливу зовнішніх чинників (освітлення, погодні умови, вібрації), точність і швидкодія таких систем набувають критичного значення [6, 7]. Це зумовлює актуальність дослідження методів комп’ютерного зору та вдосконалення алгоритмів розпізнавання образів, орієнтованих на автономні дрони [6, 8]. Актуальність теми полягає у зростаючій потребі в інтелектуальних системах комп’ютерного зору, здатних працювати на енергообмежених пристроях у реальних умовах експлуатації. Від ефективності алгоритмів детекції, класифікації та відстеження об’єктів залежить безпека польоту, точність навігації, а також здатність БПЛА виконувати складні завдання без участі оператора [1, 2, 3]. Подальше вдосконалення архітектури систем розпізнавання образів на базі Python-емуляторів дає змогу моделювати процеси сприйняття та прийняття рішень у дронах із використанням бібліотек TensorFlow, PyTorch, OpenCV та NumPy, що підвищує рівень відтворюваності експериментів і прискорює прототипування [14, 15]. Мета дослідження — підвищення точності, швидкодії та стійкості системи розпізнавання образів для дронів шляхом аналізу, моделювання та вдосконалення алгоритмів комп’ютерного зору з використанням Python-емулятора для відтворення процесів оброблення відеопотоку. Для досягнення поставленої мети необхідно вирішити такі завдання: 1. Провести системний аналіз предметної області систем комп’ютерного зору для БПЛА [6, 7]. 2. Проаналізувати існуючі архітектури та алгоритми розпізнавання образів у безпілотних системах [1, 2, 5]. 3. Побудувати математичну модель і Python-емулятор процесу розпізнавання [14, 15]. 4. Розробити та реалізувати алгоритми оброблення, класифікації й відстеження об’єктів [6, 8]. 5. Оцінити ефективність запропонованих удосконалень за показниками точності, затримки оброблення та ресурсоємності [14, 15]. Об’єкт дослідження — процес автоматизованого розпізнавання та класифікації образів у відеопотоці, отриманому з камер безпілотних літальних апаратів. Предмет дослідження — методи, алгоритми та архітектурні рішення систем комп’ютерного зору для БПЛА, зокрема на основі Python-емуляції та глибоких згорткових нейронних мереж [14, 15]. Методи дослідження включають методи комп’ютерного зору, машинного навчання, статистичного аналізу, нейромережевої обробки зображень, моделювання програмних процесів у середовищі Python, а також методи структурного й функціонального аналізу систем [6, 7, 8, 14]. Наукова новизна роботи полягає у розробленні вдосконаленого підходу до побудови емулятора системи розпізнавання образів, який дозволяє відтворювати послідовність процесів сенсорного сприйняття, попередньої обробки, сегментації, класифікації та аналізу сцен із урахуванням обмежень апаратних ресурсів дрону [6, 7]. Запропоновані методи дозволяють підвищити точність і стабільність розпізнавання об’єктів у складних умовах експлуатації, а також забезпечують можливість інтеграції з реальними апаратно-програмними комплексами для автономного керування [1, 2, 5]. Практичне значення роботи полягає у створенні модульного Python-емулятора для тестування систем комп’ютерного зору, який може бути використаний як навчальний, дослідницький або інженерний інструмент для аналізу ефективності моделей розпізнавання образів у безпілотних апаратах [14, 15].