Combining Visible and Infrared Spectrum Imagery using Machine Learning for Small Unmanned Aerial System Detection é um trabalho de investigação de Vinicius G. Goecks, Grayson Woods e John Valasek da Texas A&M.

A procura de tecnologia e soluções para combater os pequenos sistemas aéreos não tripulados (sUAS) disponíveis no mercado está a aumentar. Os avanços na aprendizagem automática e nas redes neurais profundas para a deteção de objectos, combinados com a redução do custo e dos requisitos de energia das câmaras, abriram caminho a soluções promissoras baseadas na visão para a deteção de sUAS. No entanto, confiar apenas no espetro visível colocou desafios de fiabilidade em cenários de baixo contraste, como quando os sUAS voam sob a linha das árvores ou contra fontes de luz brilhante. Como alternativa, a utilização de sensores de infravermelhos de ondas longas (LWIR), que captam as assinaturas de calor relativamente elevadas emitidas pelos sUAS durante o voo, pode gerar imagens que distinguem efetivamente o sUAS do seu fundo.

No entanto, em comparação com os sensores de espetro visível facilmente acessíveis, os sensores LWIR apresentam uma resolução inferior e podem gerar um aumento de falsos positivos quando sujeitos a fontes de calor como as aves. Esta investigação sugere uma solução que combina os pontos fortes dos sensores LWIR e do espetro visível através da aprendizagem automática para a deteção baseada na visão de pequenos sistemas aéreos não tripulados (sUAS). Tirando partido do contraste de fundo mais elevado proporcionado pelo sensor LWIR e sincronizando-o com a resolução relativamente melhorada do sensor de espetro visível, uma modelo de aprendizagem profunda foi treinado para detetar sUAS mesmo em ambientes difíceis.

Data de publicação- abril de 2020

A combinação de imagens do espetro visível e infravermelho utilizando a aprendizagem automática para a deteção de pequenos sistemas aéreos não tripulados contém as seguintes secções principais

  • Introdução
  • Trabalhos relacionados
  • Métodos
  • Resultados e discussão
  • Conclusão
  • Limitações e trabalho futuro

Não existem limitações de distribuição deste documento. O C-UAS Hub não é proprietário deste conteúdo e fornece uma ligação para os utilizadores no fundo da página para aceder à mesma na sua localização original. Isto permite ao(s) autor(es) registar métricas importantes do artigo relacionadas com o seu trabalho. Todos os créditos vão para o seu legítimo proprietário.

Crédito da imagem do post - envatoelements por meio ponto