小型無人航空機システム検出のための機械学習を用いた可視および赤外線スペクトル画像の組み合わせは、Vinicius G. Goecks氏、Grayson Woods氏、John Valasek氏による研究論文である。 テキサスA&M.

市販の小型無人航空機システム（sUAS）に対抗する技術やソリューションに対する需要が高まっている。物体検出のための機械学習とディープニューラルネットワークの進歩は、カメラのコストと電力要件の低減と相まって、sUAS検出における有望なビジョンベースのソリューションへの道を開いてきた。しかし、可視スペクトルのみに頼ることは、sUASが樹林帯の下を飛行する場合や明るい光源を相手にする場合など、低コントラストのシナリオでは信頼性に課題があった。代替案として、飛行中にsUASから放出される比較的高い熱シグネチャを捕捉する長波赤外線（LWIR）センサーを利用することで、sUASを背景から効果的に区別する画像を生成することができます。

しかし、容易に利用できる可視スペクトルセンサーと比較すると、LWIRセンサーは解像度が低く、鳥のような熱源にさらされると誤検知が増える可能性がある。この研究では、LWIRセンサーと可視スペクトルセンサーの長所を機械学習によって組み合わせることで、視覚に基づく鳥類検知のための解決策を提案する。 小型無人航空機システム (sUAS）。LWIRセンサーが提供する背景のコントラストの高さを利用し、可視スペクトルセンサーの比較的向上した解像度と同期させることで を検出するためにディープラーニングモデルを学習させた。 sUASは厳しい環境下でも使用できる。

出版日- 2020年4月

小型無人航空機システム検出のための機械学習を用いた可視および赤外線スペクトル画像の組み合わせには、以下の主要セクションが含まれる：

  • はじめに
  • 関連作品
  • 方法
  • 結果と考察
  • 結論
  • 限界と今後の課題

このドキュメントの配布制限は明記されていません。C-UAS Hubは本コンテンツを所有しておらず、以下のリンクをユーザーに提供しています。 ボトム をクリックすると、そのページの元の場所にアクセスできます。これにより、著者は自分の作品に関連する重要な記事の指標を追跡することができる。すべてのクレジットは正当な所有者に帰属します。

画像引用元- envatoelements ハーフポイント