Поєднання зображень видимого та інфрачервоного спектру з використанням машинного навчання для виявлення малих безпілотних літальних апаратів - дослідницька робота Вінісіуса Г. Гекса, Грейсона Вудса та Джона Валасека з Texas A&M.

Попит на технології і рішення для протидії комерційно доступним малим безпілотним авіаційним системам (БПЛА) зростає. Досягнення в галузі машинного навчання і глибоких нейронних мереж для виявлення об'єктів у поєднанні зі зниженням вартості і енергоспоживання камер проклали шлях до перспективних рішень для виявлення БПЛА на основі технічного зору. Однак, покладання виключно на видимий спектр створило проблеми з надійністю в умовах низької контрастності, наприклад, коли БпАК пролітає під лінією дерев або проти яскравих джерел світла. Як альтернатива, використання довгохвильових інфрачервоних (LWIR) датчиків, які фіксують відносно високі теплові сигнатури, що випромінюються БпАК під час польоту, може генерувати зображення, які ефективно виділяють БпАК на фоні інших об'єктів.

Проте, порівняно з легкодоступними датчиками видимого спектру, LWIR-сенсори мають нижчу роздільну здатність і можуть генерувати більшу кількість хибних спрацьовувань, коли піддаються впливу джерел тепла, таких як птахи. Це дослідження пропонує рішення, поєднуючи сильні сторони LWIR і датчиків видимого спектру за допомогою машинного навчання для виявлення на основі зору малі безпілотні авіаційні системи (sUAS). Використовуючи підвищений контраст фону, що забезпечується датчиком LWIR, і синхронізуючи його з відносно підвищеною роздільною здатністю датчика видимого спектру, датчик модель глибокого навчання навчили виявляти БпАК навіть у складних умовах.

Дата публікації- Квітень 2020 року

Поєднання зображень видимого та інфрачервоного спектру з використанням машинного навчання для виявлення малих безпілотних літальних апаратів містить такі основні розділи:

  • Вступ
  • Пов'язані роботи
  • Методи
  • Результати та обговорення
  • Висновок
  • Обмеження та подальша робота

Цей документ не має жодних обмежень щодо розповсюдження. C-UAS Hub не є власником цього контенту і надає посилання для користувачів на дно сторінки, щоб отримати доступ до неї в її початковому розташуванні. Це дозволяє автору(ам) відстежувати важливі показники статті, пов'язані з їхньою роботою. Усі авторські права належать їх законному власнику.

Пост-кредит зображення - envatoelements by пів-очка