آشکارسازی ریزپهپادها در طیف مرئی با استفاده از الگوریتم YOLO
محل انتشار: مجله پدافند غیر عامل، دوره: 16، شماره: 4
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAPD-16-4_001
تاریخ نمایه سازی: 29 دی 1404
چکیده مقاله:
ریزپهپاد نوعی هواپیمای بدون سرنشین با ابعادی در حدود چند سانتی متر است که به صورت خودمختار عمل کرده و در طیف گسترده ای از کاربردهای نظامی و جاسوسی مورد استفاده قرار میگیرند. باتوجه به تهدیداتی که در سال های اخیر در حوزه ریزپهپادها وجود دارد اولین گام برای مقابله با این تهدیدات نوین، آشکارسازی آنها است. امروزه با پدیدآمدن فناوری هوش مصنوعی و شبکه های عصبی، پیشرفت های قابل توجهی در راستای ارتقاء و کارآمدی روش های شناسایی ریزپهپادها صورت گرفته است. شناسایی ریزپهپادها با هوش مصنوعی در طیف مرئی رویکردی است که در آن ریزپهپادهایی که دارای خطر امنیتی برای یک منطقه ی حفاظت شده می باشند را در زمان روز به کمک روشهای هوش مصنوعی شناسایی میشوند. یکی از محبوب ترین و جدیدترین الگوریتم هوش مصنوعی که به جهت شناسایی ریزپهپادها در طیف مرئی به کار گرفته شده است، الگوریتم YOLOv۸ می باشد. در این پژوهش، نتایج تجربی به دست آمده بر روی مجموعه داده Roboflow نشان می دهد الگوریتم YOLOv۸ میتواند با دقت ۹۵% و سرعت ۳۰ فریم بر ثانیه، ریزپهپادها را شناسایی کند.
کلیدواژه ها:
نویسندگان
شاهین میرزایی
کارشناسی ارشد مهندسی پدافند غیرعامل گرایش آفا، دانشگاه جامع امام حسین (ع)، تهران، ایران
صفا خزایی
دانشیار دانشگاه جامع امام حسین (ع)، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
