Інтеграція БпЛА зі нейронною мережею у завданнях із виявлення наземних мін та мінних полів

Автор(и)

  • Артем Касьянчук Чернівецький національний університет імені Юрія Федьковича Автор
  • Галина Ластівка Чернівецький національний університет імені Юрія Федьковича Автор https://orcid.org/0000-0003-3639-3507

DOI:

https://doi.org/10.31861/sisiot2023.2.02008

Ключові слова:

безпілотні літальні апарати, штучний інтелект, дрони, машинне навчання, розпізнавання об'єктів різного типу, нейронні мережі, гуманітарна проблема, виявлення мін та мінних полів

Анотація

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

Дані для завантаження поки недоступні.

Біографії авторів

  • Артем Касьянчук, Чернівецький національний університет імені Юрія Федьковича

    Отримав перший ступінь магістра з кібербезпеки у 2020 році та другий ступінь магістра з телекомунікацій та радіотехніки у 2023 році в Чернівецькому національному університеті імені Юрія Федьковича, Чернівці, Україна. Наразі здобуває ступінь доктора філософії в галузі телекомунікацій та радіотехніки в Чернівецькому національному університеті імені Юрія Федьковича, Україна.

  • Галина Ластівка, Чернівецький національний університет імені Юрія Федьковича

    Отримала ступінь бакалавра та магістра радіотехніки в Чернівецькому національному університеті імені Юрія Федьковича, Україна. Отримала ступінь кандидата технічних наук з твердотільної електроніки в Чернівецькому національному університеті імені Юрія Федьковича. Наразі працює доцентом кафедри радіотехніки Чернівецького національного університету імені Юрія Федьковича. Наукові інтереси: методи та засоби радіоспектроскопії, їх застосування для дослідження сенсорних властивостей напівпровідників, вивчення штучного інтелекту.

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.

Завантаження


Переглядів анотації: 165

Опубліковано

2023-12-30

Номер

Розділ

Статті

Як цитувати

[1]
А. Касьянчук and Г. Ластівка, “Інтеграція БпЛА зі нейронною мережею у завданнях із виявлення наземних мін та мінних полів”, SISIOT, vol. 1, no. 2, p. 02008, Dec. 2023, doi: 10.31861/sisiot2023.2.02008.

Схожі статті

1-10 з 26

Ви також можете розпочати розширений пошук схожих статей для цієї статті.

Статті цього автора (цих авторів), які найбільше читають