سامانه تشخیص ریزپرنده های مهاجم با استفاده از سنسور تصویر

پیشرفت فناوری ساخت پهپادها و ریز پرنده ها، استفاده فراگیر از این پرنده ها را به دنبال داشته است که باعث شده حفاظت از اطلاعات و اماکن خاص همچون ورزشگاه ها و ادارات و ارگان های نظامی و انتظامی متفاوت تر از گذشته مورد ملاحظه و مدیریت قرار گیرد. بر همین اساس برای مقابله با این تهدید ها باید به فراخور نوع تهدید ابزارهای دفاعی طراحی و تعبیه کرد. اساس کار سامانه پیشنهادی در این پژوهش استفاده از فقط یک دوربین با رزولوشن بالا می باشد که اهداف تعریف شده را بر اساس کتابخانه تهیه شده، شناسایی کند. در پژوهش های پیشین روش های متعددی برای طراحی و پیاده سازی این شیوه همچون استفاده از فیلتر ذرات، استفاده از سیستم شبکه های عصبی و ... ارائه شده است که در این مقاله ابتدا به بررسی روش های پیاده سازی مرسوم پرداخته می شود، سپس با استفاده از بهترین روش که ترکیبی از تکنیک های مذکور همراه با پیاده سازی نوین می باشد، اقدام به طراحی و ساخت نمونه آزمایشگاهی آشکارساز و ردیاب ریزپرنده شده است. تمام تمرکز در بخش پیاده سازی این پروژه استفاده از شبکه های عصبی کانولوشنال می باشد که باید چالش بسیار مهم  نرخ قاب(فریم ریت) دریافتی از دوربین و خروجی شبکه را به حداکثر رساند. این پروژه با سه روش تفریق پس زمینه و شبکه عصبی شامل فریمورک دارکنت، YOLO و شبکه Fast RCNN پیاده سازی شده و فریم ریت ها بررسی می شوند. میانگین دقت مورد انتظار در این پروژه بیش  از  ۹۰% می باشد. آزمایش های سامانه حاضر، با استفاده از رایانه انجام شده، ولی قابلیت پیاده سازی در بستر FPGA با استفاده از ابزار HLS نیز لحاظ گردیده است. 

کلیدواژه ها:

ریزپرنده ناشناس ، تشخیص ریزپرنده ، پردازش تصویر با شبکه های عصبی ، FPGA