Інтеграція БпЛА зі нейронною мережею у завданнях із виявлення наземних мін та мінних полів
DOI:
https://doi.org/10.31861/sisiot2023.2.02008Ключові слова:
безпілотні літальні апарати, штучний інтелект, дрони, машинне навчання, розпізнавання об'єктів різного типу, нейронні мережі, гуманітарна проблема, виявлення мін та мінних полівАнотація
Одним з новітніх етапів удосконалення безпілотних літальних апаратів (БпЛА) є інтеграція таких систем із нейронними мережами, що, в свою чергу, не є новинкою, але забезпечує таким системам подальший рівень практичного застосування. Провівши мета-аналіз результатів попередніх досліджень та наявної інформації за даною тематикою, було виявлено, що в сучасний період, окрім успішних практичних реалізацій інтеграції штучного інтелекту з БпЛА, вже існує певна класифікація таких процесів за принципами оптимального вдосконалення можливостей БпЛА та за сферами життєдіяльності суспільства. Окрім загальнодоступної та загальновідомої інформації про успішне використання дронів у військовій та логістичній сферах людської діяльності, БпЛА успішно виконують завдання в таких галузях, як сільське господарство, інженерія, пошук тощо. Головною метою статті є процес аналізу, огляду, дослідження та систематизація існуючої інформації щодо позитивної ефективності та доцільності використання принципів, підходів та інтеграції безпілотних літальних апаратів з технологіями машинного навчання для підвищення ефективності вирішення завдань із розташування та виявлення наземних мін та мінних полів, що є важливою гуманітарною проблемою для громадянського суспільства, яке знаходиться на території, де наразі відбуваються військові конфлікти, або на територіях, де в минулому відбувалися військові зіткнення чи конфлікти. У рамках даної статті було проведено невеличке дослідження із розробки прототипу нейронної мережі, що в подальшому можна інтегрувати із БпЛА для задач із виявлення наземних мін та мінних полів. Описана нейронна мережа навчалась на відкритому наборі даних, тренувалась за обраними у дослідженні алгоритмами та має досить непоганий кінцевий результат по точності виявлення, що в свою чергу більший на 1.5%, ніж точності загальнодоступних нейронних мереж в огляді схожих розробок, чи досліджень.
Завантажити
Посилання
J. D. Kelleher, et al., “Fundamentals of Machine Learning for Predictive Data Analytics, secondary edition”, The MIT Press, 153-156, (2020).
A. Islam Khan, Yaseen Al-Mulla, “Unmanned Aerial Vehicle in the Machine Learning Environment”, Procedia Computer Science 160, 46–53, (2019), http://creativecommons.org/licenses/by-nc-nd/4.0/.
I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning (Adaptive Computation and Machine Learning series)”, The MIT Press, 88-91, (2016).
Y. Ez-Zazi, I. Guerrero-González, A. El Oualkadi, A. Arioua, “UAV-Enabled Mobile Edge-Computing for IoT Based on AI: A Comprehensive Review. Drones 2021”, 148. https://doi.org/ 10.3390/drones5040148.
Mike Croll, “The history of landmines”, Leo Cooper – University of Michigan, 4-5, (1998).
Jun Ishikawa, Katsuhisa Furuta, “Anti-personnel Landmine Detection for Humanitarian Demining”, Springer London, 43-45, 132-148, (2009).
Ahmed Ismail, “Landmines Detection by Using Mobile Robots”, Grin Verlag, 53-61, (2017).
C. Castiblanco, J. Rodriguez, I. Mondragon, C. Parra, and J. Colorado, «Air Drones for Explosive Landmines Detection», School of Engineering, Pontificia Universidad Javeriana Cr 7 No 40-62, Bogota, Colombia, (2014). https://www.researchgate.net/publication/261471990_Air_Drones_for_Explosive_Landmines_Detection.
M. S. Allahham, M. F. Al-Sa’d, A. Al-Ali, “DroneRF dataset: A dataset of drones for RF-based detection, classification and identification”, Data Br., vol. 26, October 2019. https://www.sciencedirect.com/science/article/pii/ S2352340919306675.
Guang Zhan, Xinmiao Zhang, Zhongchao Li, Lin Xu, “Multiple-UAV Reinforcement Learning Algorithm Based on Improved PPO in Ray Framework”, (2022). https://www.mdpi.com/2504-446X/6/7/166.
Syed-Ali Hassan, Tariq Rahim and Soo-Young Shin, “An Improved Deep Convolutional Neural Network-Based Autonomous Road Inspection Scheme Using Unmanned Aerial Vehicles”, (2021). https://www.mdpi.com/2079-9292/10/22/2764.
Team K., “Keras.” Keras.io, https://keras.io/.
TensorFlow, “TensorFlow”, Tensorflow.org. https://www.tensorflow.org/.
Karunanayake A.I, Rupasinghe T.Y., Manohara H.T., “e17-3yp-Landmine-Detector” https://github.com/cepdnaclk/e17-3yp-Landmine-Detector.
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Безпека інфокомунікаційних систем та Інтернету речей
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.