Une étude complète des véhicules aériens sans pilote Détection et la classification à l'aide d'une approche d'apprentissage automatique : Défis, solutions et orientations futures est un ouvrage de référence sur l'apprentissage automatique. libre accès multi-auteurs travail par Md Habibur Rahman, Mohammad Abrar Shakil Sejan, Md Abdul Aziz, Rana Tabassum, Jung-In Baik et Hyoung-Kyu Song.

Les véhicules aériens autonomes sans pilote (UAV) offrent des avantages significatifs dans divers domaines, notamment les secours en cas de catastrophe, la photographie et la vidéographie aériennes, la cartographie et l'arpentage, l'agriculture, la défense et la sécurité publique. Cependant, la probabilité croissante d'une utilisation abusive des drones pour infiltrer des sites critiques tels que les aéroports et les centrales électriques pose de sérieux risques pour la sécurité publique. Il est donc essentiel d'identifier avec précision et rapidité les différents types de drones afin d'empêcher tout accès non autorisé et d'atténuer les menaces qui pèsent sur la sécurité.

Ces dernières années, les algorithmes d'apprentissage automatique ont démontré un potentiel significatif pour relever ces défis en permettant la détection et la classification précises des drones sur une large gamme. Cette technologie est considérée comme très prometteuse pour l'amélioration des systèmes de drones. Cette étude revues les avancées récentes dans les technologies de détection et de classification des drones basées sur des algorithmes de ML et de deep learning (DL). L'étude se concentre sur quatre types principaux de technologies de détection et de classification de drones basées sur l'apprentissage profond : la détection basée sur les fréquences radio, la détection basée sur les données visuelles (images/vidéo), la détection basée sur les sons/acoustiques et la détection basée sur les radars.

En outre, les auteurs explorent les approches hybrides basées sur les capteurs et l'apprentissage par renforcement pour la détection et la classification des drones à l'aide de la ML. Le rapport aborde également les défis, les solutions et les orientations futures de la recherche pour la détection des drones basée sur la ML. En outre, il fournit une exploration approfondie des ensembles de données liés aux technologies de détection et de classification des drones. Cette étude constitue une ressource précieuse pour la recherche actuelle sur la détection et la classification des UAV, en particulier sur les approches basées sur la ML et la DL.

Date de publication- mars 2024

Une étude complète de la détection et de la classification des véhicules aériens sans pilote à l'aide d'une approche d'apprentissage automatique : Défis, solutions et orientations futures contient les sections principales suivantes :

  • Introduction
  • Classification et catégories de drones
  • Conclusions et discussion

Post image - Mécanisme de détection et de classification des drones basé sur l'analyse des signaux RF. (Crédit photo : auteurs)