Leichtes unbemanntes Luft-Luft-Fahrzeug Zielerkennung Modell ist ein frei zugänglich Arbeit von Qing Cheng, Yazhe Wang, Wenjian He und Yu Bai.

Die rasche Expansion der Drohnenindustrie hat zu einem erheblichen Anstieg der Anzahl von Drohnen in geringer Höhe geführt, was Bedenken hinsichtlich der Kollisionsvermeidung und der Strategien für Gegenmaßnahmen bei diesen unbemannten Flugkörpern aufkommen lässt. Diese Herausforderungen verdeutlichen den dringenden Bedarf an einer effektiven Luft-Luft-Drohnenzielerfassung. Ein ideales Erkennungsmodell muss hohe Genauigkeit, Echtzeitfähigkeiten und eine leichtgewichtige Netzwerkarchitektur bieten, um Präzision und Geschwindigkeit auf eingebetteten Geräten in Einklang zu bringen.

Um diese Anforderungen zu erfüllen, haben die Autoren einen Datensatz mit über 10.000 Bildern von Drohnen in geringer Höhe zusammengestellt. Dieser Datensatz enthält vielfältige und komplizierte Hintergründe, die die Trainingskapazität des Modells erheblich verbessern. Die Autoren haben eine Reihe von Verbesserungen am YOLOv5-Algorithmus vorgenommen, um eine leichtgewichtige Objekterkennung zu erreichen.

Ein neuartiges Merkmalsextraktionsnetzwerk, CF2-MC, wurde eingeführt, um den Merkmalsextraktionsprozess zu rationalisieren, während ein innovatives Modul, MG, im Bereich der Merkmalsfusion entwickelt wurde, um die Erkennungsgenauigkeit zu verbessern und die Modellkomplexität zu reduzieren. Außerdem wurde die ursprüngliche CIoU-Verlustfunktion durch die EIoU-Verlustfunktion ersetzt, um die Genauigkeit des Modells weiter zu verbessern.

Die experimentellen Ergebnisse zeigten eine verbesserte Genauigkeit bei der Erkennung von Drohnenzielen und erreichten mAP-Werte von 95,4% im UAVfly-Datensatz und 82,2% im Det-Fly-Datensatz. Schließlich ergab der Praxistest auf dem Jetson TX2, dass das YOLOv5s-ngn-Modell eine durchschnittliche Inferenzgeschwindigkeit von 14,5 Millisekunden pro Bild erreichte.

Datum der Veröffentlichung- Januar 2024

Das Modell für die Zielerfassung von unbemannten Luftfahrzeugen in Leichtbauweise enthält die folgenden Hauptabschnitte:

• Einführung
• Verwandte Arbeiten
• UAVfly-Datensatz
• Methoden
• Ergebnisse
• Diskussion
• Verfügbarkeit von Daten

Post Image- UAVfly-Datensatz (Post Image Credit: Authors)