Ein umfassender Überblick über unbemannte Luftfahrzeuge Erkennung und Klassifizierung durch maschinelles Lernen: Challenges, Solutions, and Future Directions ist ein frei zugänglich Mehrere Autoren Arbeit von Md Habibur Rahman, Mohammad Abrar Shakil Sejan, Md Abdul Aziz, Rana Tabassum, Jung-In Baik, und Hyoung-Kyu Song.

Autonome unbemannte Luftfahrzeuge (UAVs) bieten in verschiedenen Bereichen wie Katastrophenhilfe, Luftbildfotografie und -videografie, Kartierung und Vermessung, Landwirtschaft, Verteidigung und öffentliche Sicherheit erhebliche Vorteile. Die zunehmende Wahrscheinlichkeit, dass UAVs missbraucht werden, um in kritische Bereiche wie Flughäfen und Kraftwerke einzudringen, stellt jedoch ein ernstes Risiko für die öffentliche Sicherheit dar. Daher ist es von entscheidender Bedeutung, die verschiedenen Arten von UAVs genau und schnell zu identifizieren, um unbefugten Zugang zu verhindern und Sicherheitsbedrohungen zu mindern.

In den letzten Jahren haben Algorithmen des maschinellen Lernens (ML) ein erhebliches Potenzial zur Bewältigung dieser Herausforderungen gezeigt, indem sie die genaue Erkennung und Klassifizierung von UAVs in einem weiten Bereich ermöglichen. Diese Technologie gilt als sehr vielversprechend für die Verbesserung von UAV-Systemen. Diese Übersicht Bewertungen die jüngsten Fortschritte bei der Erkennung und Klassifizierung von UAVs auf der Grundlage von ML- und Deep-Learning-Algorithmen (DL). Die Übersicht konzentriert sich auf vier primäre Arten von ML-basierten UAV-Erkennungs- und Klassifizierungstechnologien: Funkfrequenz-basierte Erkennung, visuelle Daten (Bilder/Video), akustische/schallbasierte Erkennung und radarbasierte Erkennung.

Darüber hinaus untersuchen die Autoren hybride sensorbasierte und auf Verstärkungslernen basierende Ansätze für die UAV-Erkennung und -Klassifizierung mit ML. Der Bericht erörtert auch die Herausforderungen, Lösungen und zukünftigen Forschungsrichtungen für ML-basierte UAV-Erkennung. Darüber hinaus bietet er eine eingehende Untersuchung von Datensätzen im Zusammenhang mit UAV-Erkennungs- und Klassifizierungstechnologien. Diese Übersicht ist eine wertvolle Ressource für die aktuelle UAV-Detektions- und Klassifikationsforschung, insbesondere für ML- und DL-basierte Ansätze.

Datum der Veröffentlichung- März 2024

A Comprehensive Survey of Unmanned Aerial Vehicles Detection and Classification Using Machine Learning Approach: Challenges, Solutions, and Future Directions enthält die folgenden Hauptabschnitte:

  • Einführung
  • UAV-Klassifizierung und Kategorien
  • Schlussfolgerungen und Diskussion

Post Image- Der Mechanismus zur Erkennung und Klassifizierung von UAVs auf der Grundlage der RF-Signalanalyse. (Post Image Credit: Authors)