Автоматизована система розпізнавання повітряних цілей за допомогою згорткових нейронних мереж

Мета роботи. Підвищення ефективності і точності систем протиповітряної оборони шляхом розробки та впровадження автоматизованої системи розпізнавання повітряних цілей із використанням методів глибинного навчання, зокрема згорткових нейронних мереж. Метод дослідження. Застосовано кількісний підхід із використанням публічного набору даних Drone Image Classification Dataset, що містить чотири класи зображень (три типи дронів та негативний клас). Результати дослідження. Розроблена модель показала високу точність класифікації повітряних цілей у тестових умовах, забезпечивши надійну ідентифікацію дронів та стійкість до фонових перешкод. Теоретична цінність дослідження. Поглиблено наукове розуміння можливостей використання згорткових нейронних мереж у завданнях реального часу з розпізнавання повітряних об’єктів, що сприяє розвитку теорії комп’ютерного зору у сфері безпілотних літальних апаратів. Практична цінність дослідження: Отримані результати можуть бути використані для розробки та вдосконалення систем ППО, охорони стратегічних об’єктів та захисту критичної інфраструктури. Оригінальність дослідження. Запропоновано ефективну архітектуру CNN для багатокласової класифікації повітряних цілей із використанням публічного датасету, що враховує негативний клас для підвищення стійкості системи. Обмеження дослідження. Модель тестувалася на статичних зображеннях; для підвищення її ефективності в реальних умовах доцільно дослідити роботу з відеопотоками та застосування методів оптимізації обчислювальних ресурсів для вбудованих систем.