Kompleksowa analiza bezzałogowych statków powietrznych Wykrywanie and Classification Using Machine Learning Approach: Wyzwania, rozwiązania i przyszłe kierunki jest otwarty dostęp wieloautorski praca Md Habibur Rahman, Mohammad Abrar Shakil Sejan, Md Abdul Aziz, Rana Tabassum, Jung-In Baik i Hyoung-Kyu Song.

Autonomiczne bezzałogowe statki powietrzne (UAV) oferują znaczące korzyści w różnych dziedzinach, w tym w zakresie pomocy w przypadku katastrof, fotografii lotniczej i wideografii, mapowania i pomiarów, rolnictwa oraz obrony i bezpieczeństwa publicznego. Jednak rosnące prawdopodobieństwo niewłaściwego wykorzystania UAV do infiltracji krytycznych lokalizacji, takich jak lotniska i elektrownie, stwarza poważne zagrożenie dla bezpieczeństwa publicznego. Dlatego też kluczowe znaczenie ma dokładna i szybka identyfikacja różnych typów UAV, aby zapobiec nieautoryzowanemu dostępowi i złagodzić zagrożenia dla bezpieczeństwa.

W ostatnich latach algorytmy uczenia maszynowego (ML) wykazały znaczny potencjał w radzeniu sobie z tymi wyzwaniami, umożliwiając dokładne wykrywanie i klasyfikację UAV w szerokim zakresie. Technologia ta jest uważana za wysoce obiecującą w zakresie ulepszania systemów UAV. Niniejszy przegląd recenzje Ostatnie postępy w technologiach wykrywania i klasyfikacji UAV opartych na algorytmach uczenia maszynowego i głębokiego uczenia (DL). Przegląd koncentruje się na czterech podstawowych typach technologii wykrywania i klasyfikacji UAV opartych na ML: wykrywanie oparte na częstotliwości radiowej, wykrywanie oparte na danych wizualnych (obrazy / wideo), wykrywanie akustyczne / dźwiękowe i wykrywanie oparte na radarze.

Ponadto autorzy badają hybrydowe podejścia oparte na czujnikach i uczeniu się ze wzmocnieniem do wykrywania i klasyfikacji UAV przy użyciu uczenia maszynowego. W raporcie omówiono również wyzwania, rozwiązania i przyszłe kierunki badań w zakresie wykrywania UAV w oparciu o ML. Ponadto zapewnia dogłębną analizę zbiorów danych związanych z technologiami wykrywania i klasyfikacji UAV. Niniejsza ankieta stanowi cenne źródło informacji dla bieżących badań nad wykrywaniem i klasyfikacją UAV, w szczególności w zakresie podejść opartych na ML i DL.

Data publikacji- Marzec 2024 r.

Kompleksowy przegląd wykrywania i klasyfikacji bezzałogowych statków powietrznych z wykorzystaniem podejścia opartego na uczeniu maszynowym: Challenges, Solutions, and Future Directions zawiera następujące główne sekcje:

  • Wprowadzenie
  • Klasyfikacja i kategorie UAV
  • Wnioski i dyskusja

Post Image- Mechanizm wykrywania i klasyfikacji UAV oparty na analizie sygnału RF. (Post Image Credit: Autorzy)