Методи комп’ютерного зору для розпізнавання безпілотних літальних апаратів
Тип публікації :
Магістерська робота
Дата випуску :
2026
Автор(и) :
Мірошник, Андрій Петрович
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Мірошник, А. П. (2026). Методи комп’ютерного зору для розпізнавання безпілотних літальних апаратів [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/15071834/23582
[ДСТУ] Мірошник А. П. Методи комп’ютерного зору для розпізнавання безпілотних літальних апаратів : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. О. В. Заріцький. Київ, 2026. 107 с. URL: https://ir.library.knu.ua/handle/15071834/23582 (дата звернення: 25.07.2026).
Мета дипломної роботи магістра – розробити та дослідити методи розпізнавання БПЛА на основі архітектури FOMO, реалізувати повний цикл від навчання моделі до її розгортання на мікроконтролері ESP32-S3.
Об’єкт дослідження – процес автоматичного розпізнавання та класифікації безпілотних літальних апаратів на зображеннях з використанням методів комп’ютерного зору.
Предмет дослідження – методи та моделі комп’ютерного зору на основі згорткових нейронних мереж для виявлення та розпізнавання БПЛА з їх розгортанням на крайових пристроях з обмеженими апаратними ресурсами.
Наукова новизна роботи – удосконалено підхід до квантизації моделей FOMO шляхом виявлення залежності між розміром вихідної сітки теплової карти та точністю розпізнавання специфічних класів БПЛА. Також удосконалено метод навчання моделі FOMO для розпізнавання БПЛА шляхом підбору оптимальної роздільної здатності вхідного зображення, що забезпечує збереження точності розпізнавання специфічних класів БПЛА після квантизації при розгортанні на крайовому пристрої.
У роботі досліджено наявні архітектури нейронних мереж для розпізнавання об’єктів та проведено їх порівняльний аналіз для задачі розпізнавання БПЛА. Було навчено декілька варіантів моделі FOMO на основі MobileNetV2 з різними параметрами та роздільною здатністю зображень. Було виявлено ефект диференційованої деградації класів при INT8 квантизації та визначено оптимальні параметри розгортання на крайовий пристрій. Реалізовано прототип системи на мікроконтролері ESP32-S3 з веб-інтерфейсом для дистанційного розпізнавання. Вдалося отримати точність розпізнавання Shahed та Other_UAV на рівні 85-95% на тестових зображеннях.
Дипломна робота складається зі вступу, основної частини, яка містить чотири розділи, висновків та списку використаних інформаційних джерел. Всього налічує 107 сторінок та перелік посилань з 29 джерел на 4 сторінках.
Ключові слова: безпілотний літальний апарат, комп’ютерний зір, FOMO, MobileNetV2, INT8 квантизація, TensorFlow Lite Micro, ESP32-S3, Edge AI, розпізнавання БПЛА.
Об’єкт дослідження – процес автоматичного розпізнавання та класифікації безпілотних літальних апаратів на зображеннях з використанням методів комп’ютерного зору.
Предмет дослідження – методи та моделі комп’ютерного зору на основі згорткових нейронних мереж для виявлення та розпізнавання БПЛА з їх розгортанням на крайових пристроях з обмеженими апаратними ресурсами.
Наукова новизна роботи – удосконалено підхід до квантизації моделей FOMO шляхом виявлення залежності між розміром вихідної сітки теплової карти та точністю розпізнавання специфічних класів БПЛА. Також удосконалено метод навчання моделі FOMO для розпізнавання БПЛА шляхом підбору оптимальної роздільної здатності вхідного зображення, що забезпечує збереження точності розпізнавання специфічних класів БПЛА після квантизації при розгортанні на крайовому пристрої.
У роботі досліджено наявні архітектури нейронних мереж для розпізнавання об’єктів та проведено їх порівняльний аналіз для задачі розпізнавання БПЛА. Було навчено декілька варіантів моделі FOMO на основі MobileNetV2 з різними параметрами та роздільною здатністю зображень. Було виявлено ефект диференційованої деградації класів при INT8 квантизації та визначено оптимальні параметри розгортання на крайовий пристрій. Реалізовано прототип системи на мікроконтролері ESP32-S3 з веб-інтерфейсом для дистанційного розпізнавання. Вдалося отримати точність розпізнавання Shahed та Other_UAV на рівні 85-95% на тестових зображеннях.
Дипломна робота складається зі вступу, основної частини, яка містить чотири розділи, висновків та списку використаних інформаційних джерел. Всього налічує 107 сторінок та перелік посилань з 29 джерел на 4 сторінках.
Ключові слова: безпілотний літальний апарат, комп’ютерний зір, FOMO, MobileNetV2, INT8 квантизація, TensorFlow Lite Micro, ESP32-S3, Edge AI, розпізнавання БПЛА.
Галузі знань та спеціальності :
12 Інформаційні технології::122 Комп’ютерні науки
Галузі науки і техніки (FOS) :
Комп'ютерні та інформаційні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
2.85 MB
Контрольна сума :
(MD5):413547fd4edca38fc1cf0665ac1b8695
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International