Технология видео зрения с ИИ в БПЛА

Введение

Актуальность темы исследования обусловлена стремительным развитием беспилотной авиации и расширением сфер ее применения, начиная от мониторинга сельскохозяйственных угодий и заканчивая решением задач специального назначения. Современные беспилотные летательные аппараты все чаще оснащаются системами компьютерного зрения, построенными на основе алгоритмов искусственного интеллекта, что позволяет существенно расширить их функциональные возможности: автономную навигацию, распознавание и сопровождение объектов, картографирование местности, обнаружение чрезвычайных ситуаций. При этом интеграция интеллектуальных систем видеонаблюдения в бортовое оборудование сопряжена с рядом технических ограничений, связанных с массогабаритными характеристиками платформы, энергопотреблением, вычислительной мощностью бортовых процессоров и требованиями к скорости обработки данных в режиме реального времени. Указанные обстоятельства формируют объективную потребность в системном изучении принципов построения и функционирования систем видео зрения с искусственным интеллектом, а также в оценке практической эффективности применяемых алгоритмов [7].

Объектом исследования являются беспилотные летательные аппараты, оснащенные бортовыми системами обработки визуальной информации.

Предметом исследования выступают технологии компьютерного видео зрения с использованием искусственного интеллекта, применяемые в бортовых системах беспилотных летательных аппаратов, а также методы и алгоритмы, обеспечивающие их функционирование.

Целью работы является исследование и анализ технологий компьютерного видео зрения с использованием искусственного интеллекта в беспилотных летательных аппаратах, а также оценка эффективности их практического применения.

Для достижения поставленной цели в работе решаются следующие задачи: изучение теоретических основ технологий компьютерного зрения и искусственного интеллекта, применяемых в беспилотных летательных аппаратах; рассмотрение основных архитектур нейронных сетей и алгоритмов обработки визуальной информации, используемых в бортовых системах; классификация беспилотных летательных аппаратов по применению технологии компьютерного зрения; анализ особенностей практической реализации систем видео зрения с искусственным интеллектом в существующих моделях; обзор программных решений ведущих мировых производителей и построение сравнительной таблицы; проведение практического исследования эффективности выбранного алгоритма компьютерного зрения на примере тестового набора данных; формулирование рекомендаций по совершенствованию систем видео зрения с искусственным интеллектом.

Структура курсовой работы включает введение, восемь разделов основной части, заключение и список использованных источников. В первых разделах рассматриваются теоретические основы предметной области, архитектуры нейронных сетей и классификация беспилотных летательных аппаратов. Далее анализируются практические реализации систем видео зрения и программные продукты рыночных лидеров. Отдельное внимание уделено методике и результатам практического эксперимента по оценке эффективности алгоритма распознавания объектов, на основании которого сформулированы рекомендации по совершенствованию бортовых интеллектуальных систем.

Изучить теоретические основы технологий компьютерного зрения и искусственного интеллекта, применяемых в беспилотных летательных аппаратах

Совокупность методов, позволяющих техническим системам извлекать значимую информацию из визуальных данных, лежит в основе всех современных бортовых систем наблюдения и навигации беспилотных летательных аппаратов. Обработка визуальной информации на борту БПЛА представляет собой многоэтапный процесс, включающий получение изображения с оптического сенсора, его предварительную обработку, выделение признаков, классификацию и принятие решения на основе полученных данных. Каждый из этих этапов предъявляет собственные требования к вычислительным ресурсам и алгоритмическому обеспечению, что делает построение эффективной архитектуры бортовой системы нетривиальной инженерной задачей.

Первоначальным этапом обработки является захват изображения посредством оптико-электронных, инфракрасных или радиолокационных датчиков, после чего производится коррекция искажений, шумоподавление и нормализация яркостно-контрастных характеристик кадра. На следующем этапе осуществляется выделение признаков объектов, таких как контуры, текстуры, геометрические формы, что ранее реализовывалось с помощью классических методов обработки изображений, а в настоящее время преимущественно решается средствами глубокого обучения [4]. Использование искусственного интеллекта позволяет автоматизировать процесс формирования признакового пространства, устраняя необходимость ручного проектирования дескрипторов и существенно повышая устойчивость системы к вариативности условий наблюдения, включая изменения освещенности, ракурса и масштаба объектов.

Роль искусственного интеллекта в бортовых системах БПЛА не ограничивается задачами распознавания образов. Интеллектуальные алгоритмы применяются также для решения задач навигации, включая визуальную одометрию, построение карты местности и одновременную локализацию аппарата в пространстве, что особенно актуально в условиях отсутствия либо деградации сигналов спутниковой навигации. Ключевыми задачами распознавания в бортовых системах являются детекция объектов интереса, их классификация по заданным категориям, оценка их пространственного положения относительно летательного аппарата и сопровождение перемещающихся целей на протяжении полета.

Практическая реализация подобных задач требует комплексного подхода, объединяющего аппаратные и программные компоненты, поскольку эффективность распознавания напрямую зависит от качества входных данных, скорости их обработки и адекватности выбранной модели искусственного интеллекта условиям эксплуатации. Теоретическое понимание указанных принципов формирует основу для последующего анализа конкретных архитектур нейронных сетей и алгоритмов, применяемых в бортовых вычислительных комплексах беспилотных летательных аппаратов, что рассматривается в следующем разделе работы.

Рассмотреть основные архитектуры нейронных сетей и алгоритмы обработки визуальной информации, используемые в бортовых системах БПЛА

Сверточные нейронные сети составляют основу подавляющего большинства современных систем компьютерного зрения, применяемых на борту беспилотных летательных аппаратов, поскольку их архитектура позволяет эффективно извлекать пространственные признаки из изображений при относительно умеренных вычислительных затратах. Принцип локальной связности и разделения весов сверточных слоев обеспечивает устойчивость модели к сдвигам и незначительным искажениям изображения, что критически важно при съемке с движущейся платформы в условиях вибраций и изменяющегося ракурса наблюдения.

Для решения задачи детекции объектов на борту БПЛА широко применяются архитектуры одностадийного и двухстадийного типа. Двухстадийные детекторы сначала формируют набор регионов-кандидатов, а затем классифицируют содержимое каждого региона, что обеспечивает высокую точность, но требует значительных вычислительных ресурсов. Одностадийные архитектуры выполняют предсказание координат объектов и их классов за один проход сети, что существенно повышает скорость обработки и делает их предпочтительными для применения на борту летательных аппаратов с ограниченными вычислительными мощностями [8]. Именно баланс между точностью и скоростью определяет выбор конкретной архитектуры для конечного применения.