##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
Досліджуються вимоги до системи повітряної розвідки з використанням безпілотних авіаційних систем. Аналізуються проблемні аспекти процесу обробки даних повітряної розвідки з позиції забезпечення необхідного рівня оперативності та достовірності розвідувальної інформації. Досліджується можливість автоматизації процесу виявлення об'єктів повітряної розвідки на відеозображеннях. Розробляється програмно-апаратний модуль автоматизованого виявлення та розпізнавання об'єктів інтересу для підвищення рівня оперативності обробки та достовірності даних повітряної розвідки. Досліджуються сучасні моделі виявлення та розпізнавання об'єктів інтересу на базі алгоритмів платформи YOLO. Розробляється програмна складова модуля з використанням архітектури алгоритмів YOLOv8 та набору даних, сформованих в умовах ведення повітряної розвідки. Аналіз результатів експериментальних досліджень свідчать про те, що: розроблена модель дозволяє забезпечити необхідний рівень оперативності обробки відеозображень та достовірності даних повітряної розвідки; практична реалізація розробленої моделі на наземних станціях керування та контроля можлива без використання додаткового обчислювального обладнання. Розробляється апаратна складова модуля з використанням компонентів Raspberry Pi. Аналіз кількісних оцінок оперативності обробки даних з використанням розробленого програмно-апаратного модуля на борту безпілотних літальних апаратів досліджуваного класу свідчить про зростання часових затримок у порівнянні з реалізацією на станції керування та контролю, проте дозволяє забезпечити необхідний рівень достовірності. Подальші наукові дослідження будуть спрямовані на дослідження особливостей реалізації концептуальних засад розробленого модуля для різних класів безпілотних авіаційних систем з метою підвищення рівня оперативності обробки та достовірності даних повітряної розвідки.
Ключові слова:
безпілотна авіаційна система,, дані повітряної розвідки,, відеозображення,, об'єкт інтересу,, програмно-апаратний модуль,, достовірність,, оперативність,, розпізнавання
##plugins.themes.bootstrap3.article.details##
Як цитувати
Tupitsya, I., Kryvonos, V., Gavura, I., & Vasiekin, D. (2024). SOFTWARE AND HARDWARE MODULE FOR AUTOMATED DETECTION AND RECOGNITION OF INTEREST OBJECTS TO INCREASE THE LEVEL OF PROCESSING EFFICIENCY AND RELIABILITY OF AERIAL RECONNAISSANCE DATA. Automation of Technological and Business Processes, 16(1), 61-71. https://doi.org/10.15673/atbp.v16i1.2773
Номер
Розділ
АВТОМАТИЧНІ І АВТОМАТИЗОВАНІ СИСТЕМИ УПРАВЛІННЯ ТЕХНОЛОГІЧНИМИ ПРОЦЕСАМИ
Посилання
[1.] UAVs at the front: will we be able to supply the army with Ukrainian drones next year? Espreso.tv: web site. URL: https://espreso.tv/bpla-na-fronti-chi-zmozhemo-nastupnogo-roku-zabezpechiti-viysko-ukrainskimi-dronami. (accessed 28 December 2023).
[2.] Сost, Possible Production Rate of New Ukrainian UAV for Long-range Strikes on russia’s Territory Has Been Revealed. Defence-ua: web site. URL: https://en.defence-ua.com/industries/sost_possible_production_rate_of_new_ukrainian_uav_for_long_range_strikes_on_russias_territory_has_been_revealed-8905.html. (accessed 19 December 2023).
[3.] How are 'kamikaze' drones being used by Russia and Ukraine? BBC: web site. URL: https://www.bbc.com/news/world-62225830. (accessed 31 December 2023).
[4.] Five Downed Russian Drones in Ukraine. Medium: web site. URL: https://medium.com/@DFRLab/five-downed-russian-drones-in-ukraine-b76d53d4bcf0. (accessed 10 December 2023).
[5.] UAVs of Ukraine. Defence-ua: web site. URL: https://defence-ua.com/weapon_and_tech/udarni_bpla_ukrajini-456.html. (accessed 1 December 2023).
[6.] What drones are used by the Armed Forces and how do they work. Chas.news: web site. URL: https://chas.news/current/bezpilotniki-na-ozbroenni-zsu-leleka-100-furiya-dji-mavic-autel-evo-pd-2-ta-inshi. (accessed 1 December 2023).
[7.] A military expert told what FPV drones with machine vision, which the Russians are already testing, are capable of. Nv: web site. URL: https://nv.ua/ukr/ukraine/events/yaki-perevagi-v-fpv-droniv-z-mashinnim-zorom-yaki-testuyut-rosiyani-ekspert-50382948.html. (accessed 5 December 2023).
[8.] FPV drones with machine vision: what kind of technology is it, and are there such developments in Ukraine. Focus: web site. URL: https://focus.ua/uk/voennye-novosti/618840-fpv-droni-z-mashinnim-zorom-shcho-ce-za-tehnologiya-ta-chi-ye-taki-rozrobki-v-ukrajini. (accessed 5 December 2023).
[9.] Vector reconnaissance UAV: flexible in use and durable in use. Аrmyinform: web site. URL: https://armyinform.com.ua/2023/06/20/rozviduvalnyj-bpla-vector-gnuchkyj-u-zastosuvanni-ta-dovgovichnyj-u-vykorystanni. (accessed 7 December 2023).
[10.] Artificial intelligence. Baykartech: web site. URL: https://baykartech.com/en/artificial-intelligence. (accessed 7 December 2023).
[11.] Khmelevsky S., Tupitsya I., Parkhomenko M., Borovensky Y. Model of transformation of the alphabet of the encoded data as a tool to provide the necessary level of video image quality in aeromonitoring systems. Information Technology and Implementation (IT&I 2021). 2021. Vol. 3179. P. 311-319. URL: http://ceur-ws.org/Vol-3179/Short_4.pdf. (accessed 11 December 2023).
[12.] Karlov D., Tupitsya I., Parkhomenko M., Musienko O. and Lekakh A. Compression coding method using internal restructuring of information space. International Journal of Computing. 2022. Vol. 21. No 3. P. 360-368. https://doi.org/ 10.47839/ijc.21.3.2692.
[13.] Khmelevsky S., Tupitsya I., Khmelevska O., Musienko O., Parkhomenko M., Pershin O., Nikora I., Borovensky Y., Yakobinchuk O. Method for quantitative criterion-based transformation of the video information alphabet. Radioelectronic and Computer Systems. 2022, No. 2. P. 200-216. https://doi.org/10.32620/reks.2022.2.16.
[14.] Karlov, D., Tupitsya, I., Parkhomenko M. Methodology of increasing the reliability of video information in infocommunication networks aerosegment. Radio Electronics, Computer Science, Control. 2022. No. 3. P.120-132. https://doi.org/10.15588/1607-3274-2022-3-12.
[15.] Khmelevskyi S., Tupitsya I., Kibitkin S., Korolyuk N., Romanyuk A., Dziuba I. Creation of a video data reliability assessment model for compression coding technology in the conditions of errors in the data transmission channel. information processing systems. Information Processing Systems. 2022 Vol.169. No 2. P. 72-86. https://doi.org/10.30748/soi.2022.169.09.
[16.] Object Detection in 2024: The Definitive Guide. Viso: web site. URL: https://viso.ai/deep-learning/object-detection. (accessed 12 January 2024).
[17.] Turn images into AI to get useful insights with no code. Ultralytics: web site. URL: https://www.ultralytics.com. (accessed 11 December 2023).
[18.] Object detection. Universe.roboflow: веб-сайт. URL: https://universe.roboflow.com/ search?q=object%20detection&t=metadata (accessed 1 December 2023).
[19.] M. M. Rahman, S. Chakma, D. M. Raza, S. Akter and A. Sattar, "Real-Time Object Detection using Machine Learning," 2021 12th International Conference on Computing Communication and Networking Technologies (ICCCNT), Kharagpur, India, 2021, pp. 1-5, doi: 10.1109/ICCCNT51525.2021.9580170.
[20.] The official site of HABR (2023), “YoloV5 for car brand recognition” [YoloV5 for car brand recognition], available at: https://habr.com/ru/post/507900 (accessed 9 January 2024).
[21.] Z. Shi, "Object Detection Models and Research Directions," 2021 IEEE International Conference on Consumer Electronics and Computer Engineering (ICCECE), Guangzhou, China, 2021, pp. 546-550, doi: 10.1109/ICCECE51280.2021.9342049.
[22.] I. Osman and M. S. Shehata, "Few-Shot Learning Network for Moving Object Detection Using Exemplar-Based Attention Map," 2022 IEEE International Conference on Image Processing (ICIP), Bordeaux, France, 2022, pp. 1056-1060, doi: 10.1109/ICIP46576.2022.9897894.
[23.] YoloV5 for car brand recognition. Habr : web site. URL: https://habr.com/ru/post/507900 (accessed 5 December 2023).
[24.] Enhanced Object Detection: How To Effectively Implement YOLOv8. Towardsdatascience: web site. URL: https://towardsdatascience.com/enhanced-object-detection-how-to-effectively-implement-yolov8-afd1bf6132ae. (accessed 1 December 2023).
[25.] Algorithm Principles and Implementation with Yolov8. Mmyolo.readthedocs.io: web site. URL: https://mmyolo.readthedocs.io/en/latest/recommended_topics/algorithm_descriptions/ yolov8_ description.html. (accessed 1 December 2023).
[26.] Ultralytics YOLOv8 Turns One. Ultralytics: web site. URL: https://www.ultralytics.com/ru/blog/ultralytics-yolov8-turns-one-a-year-of-breakthroughs-and-innovations. (accessed 1 December 2023).
[27.] Tupіtsya I., Kryvonos V., Kibitkin S., Ivashchuk L., Bielivtsov A. The Conceptual Model of the Automation of Deciphering Aerial Reconnaissance Data Using Artificial Intelligence System Technologies. Systems of Arms and Military Equipment. 2023. № 1 (73). Р. 75-81. https://doi.org/10.30748/soivt.2023.73.09.
[28.] Tupitsya I., Deinezhenko I., Kryzhanivskyi Ye., Parkhomenko M., Volkov Yu., Eidelstein G. Method of Automating the Process of Object Detection to Increase the Efficiency of Deciphering Aerial Reconnaissance Data. Information Processing Systems. 2023. № 2 (173). Р. 63-73. https://doi.org/10.30748/soi.2023.173.08.
[29.] Model structure of YOLOv8 detection models(P5) - yolov8n/s/m/l/x. Github: web site. URL: https://github.com/ultralytics/ultralytics/issues/189. (accessed 2 January 2024).
[30.] Ivashchuk, B.M., Marenich, S.Yu., Ovcharenko, S.I. (2011) “Rozviduvalni systemy litalnykh aparativ” [Reconnaissance equipment of flying machines], Kharkiv, 172 p.
[31.] Microcomputer Raspberry Pi 4 Model B 8GB. Evo.net: web site. URL: https://evo.net.ua/mikrokomputer-raspberry-pi-4-model-b-8gb. (accessed 2 January 2024).
[32.] Raspberry Pi Camera Module 3. Evo.net: web site. URL: https://evo.net.ua/content/files/camera-module-3-product-brief-48385040.pdf. (accessed 2 January 2024).
[2.] Сost, Possible Production Rate of New Ukrainian UAV for Long-range Strikes on russia’s Territory Has Been Revealed. Defence-ua: web site. URL: https://en.defence-ua.com/industries/sost_possible_production_rate_of_new_ukrainian_uav_for_long_range_strikes_on_russias_territory_has_been_revealed-8905.html. (accessed 19 December 2023).
[3.] How are 'kamikaze' drones being used by Russia and Ukraine? BBC: web site. URL: https://www.bbc.com/news/world-62225830. (accessed 31 December 2023).
[4.] Five Downed Russian Drones in Ukraine. Medium: web site. URL: https://medium.com/@DFRLab/five-downed-russian-drones-in-ukraine-b76d53d4bcf0. (accessed 10 December 2023).
[5.] UAVs of Ukraine. Defence-ua: web site. URL: https://defence-ua.com/weapon_and_tech/udarni_bpla_ukrajini-456.html. (accessed 1 December 2023).
[6.] What drones are used by the Armed Forces and how do they work. Chas.news: web site. URL: https://chas.news/current/bezpilotniki-na-ozbroenni-zsu-leleka-100-furiya-dji-mavic-autel-evo-pd-2-ta-inshi. (accessed 1 December 2023).
[7.] A military expert told what FPV drones with machine vision, which the Russians are already testing, are capable of. Nv: web site. URL: https://nv.ua/ukr/ukraine/events/yaki-perevagi-v-fpv-droniv-z-mashinnim-zorom-yaki-testuyut-rosiyani-ekspert-50382948.html. (accessed 5 December 2023).
[8.] FPV drones with machine vision: what kind of technology is it, and are there such developments in Ukraine. Focus: web site. URL: https://focus.ua/uk/voennye-novosti/618840-fpv-droni-z-mashinnim-zorom-shcho-ce-za-tehnologiya-ta-chi-ye-taki-rozrobki-v-ukrajini. (accessed 5 December 2023).
[9.] Vector reconnaissance UAV: flexible in use and durable in use. Аrmyinform: web site. URL: https://armyinform.com.ua/2023/06/20/rozviduvalnyj-bpla-vector-gnuchkyj-u-zastosuvanni-ta-dovgovichnyj-u-vykorystanni. (accessed 7 December 2023).
[10.] Artificial intelligence. Baykartech: web site. URL: https://baykartech.com/en/artificial-intelligence. (accessed 7 December 2023).
[11.] Khmelevsky S., Tupitsya I., Parkhomenko M., Borovensky Y. Model of transformation of the alphabet of the encoded data as a tool to provide the necessary level of video image quality in aeromonitoring systems. Information Technology and Implementation (IT&I 2021). 2021. Vol. 3179. P. 311-319. URL: http://ceur-ws.org/Vol-3179/Short_4.pdf. (accessed 11 December 2023).
[12.] Karlov D., Tupitsya I., Parkhomenko M., Musienko O. and Lekakh A. Compression coding method using internal restructuring of information space. International Journal of Computing. 2022. Vol. 21. No 3. P. 360-368. https://doi.org/ 10.47839/ijc.21.3.2692.
[13.] Khmelevsky S., Tupitsya I., Khmelevska O., Musienko O., Parkhomenko M., Pershin O., Nikora I., Borovensky Y., Yakobinchuk O. Method for quantitative criterion-based transformation of the video information alphabet. Radioelectronic and Computer Systems. 2022, No. 2. P. 200-216. https://doi.org/10.32620/reks.2022.2.16.
[14.] Karlov, D., Tupitsya, I., Parkhomenko M. Methodology of increasing the reliability of video information in infocommunication networks aerosegment. Radio Electronics, Computer Science, Control. 2022. No. 3. P.120-132. https://doi.org/10.15588/1607-3274-2022-3-12.
[15.] Khmelevskyi S., Tupitsya I., Kibitkin S., Korolyuk N., Romanyuk A., Dziuba I. Creation of a video data reliability assessment model for compression coding technology in the conditions of errors in the data transmission channel. information processing systems. Information Processing Systems. 2022 Vol.169. No 2. P. 72-86. https://doi.org/10.30748/soi.2022.169.09.
[16.] Object Detection in 2024: The Definitive Guide. Viso: web site. URL: https://viso.ai/deep-learning/object-detection. (accessed 12 January 2024).
[17.] Turn images into AI to get useful insights with no code. Ultralytics: web site. URL: https://www.ultralytics.com. (accessed 11 December 2023).
[18.] Object detection. Universe.roboflow: веб-сайт. URL: https://universe.roboflow.com/ search?q=object%20detection&t=metadata (accessed 1 December 2023).
[19.] M. M. Rahman, S. Chakma, D. M. Raza, S. Akter and A. Sattar, "Real-Time Object Detection using Machine Learning," 2021 12th International Conference on Computing Communication and Networking Technologies (ICCCNT), Kharagpur, India, 2021, pp. 1-5, doi: 10.1109/ICCCNT51525.2021.9580170.
[20.] The official site of HABR (2023), “YoloV5 for car brand recognition” [YoloV5 for car brand recognition], available at: https://habr.com/ru/post/507900 (accessed 9 January 2024).
[21.] Z. Shi, "Object Detection Models and Research Directions," 2021 IEEE International Conference on Consumer Electronics and Computer Engineering (ICCECE), Guangzhou, China, 2021, pp. 546-550, doi: 10.1109/ICCECE51280.2021.9342049.
[22.] I. Osman and M. S. Shehata, "Few-Shot Learning Network for Moving Object Detection Using Exemplar-Based Attention Map," 2022 IEEE International Conference on Image Processing (ICIP), Bordeaux, France, 2022, pp. 1056-1060, doi: 10.1109/ICIP46576.2022.9897894.
[23.] YoloV5 for car brand recognition. Habr : web site. URL: https://habr.com/ru/post/507900 (accessed 5 December 2023).
[24.] Enhanced Object Detection: How To Effectively Implement YOLOv8. Towardsdatascience: web site. URL: https://towardsdatascience.com/enhanced-object-detection-how-to-effectively-implement-yolov8-afd1bf6132ae. (accessed 1 December 2023).
[25.] Algorithm Principles and Implementation with Yolov8. Mmyolo.readthedocs.io: web site. URL: https://mmyolo.readthedocs.io/en/latest/recommended_topics/algorithm_descriptions/ yolov8_ description.html. (accessed 1 December 2023).
[26.] Ultralytics YOLOv8 Turns One. Ultralytics: web site. URL: https://www.ultralytics.com/ru/blog/ultralytics-yolov8-turns-one-a-year-of-breakthroughs-and-innovations. (accessed 1 December 2023).
[27.] Tupіtsya I., Kryvonos V., Kibitkin S., Ivashchuk L., Bielivtsov A. The Conceptual Model of the Automation of Deciphering Aerial Reconnaissance Data Using Artificial Intelligence System Technologies. Systems of Arms and Military Equipment. 2023. № 1 (73). Р. 75-81. https://doi.org/10.30748/soivt.2023.73.09.
[28.] Tupitsya I., Deinezhenko I., Kryzhanivskyi Ye., Parkhomenko M., Volkov Yu., Eidelstein G. Method of Automating the Process of Object Detection to Increase the Efficiency of Deciphering Aerial Reconnaissance Data. Information Processing Systems. 2023. № 2 (173). Р. 63-73. https://doi.org/10.30748/soi.2023.173.08.
[29.] Model structure of YOLOv8 detection models(P5) - yolov8n/s/m/l/x. Github: web site. URL: https://github.com/ultralytics/ultralytics/issues/189. (accessed 2 January 2024).
[30.] Ivashchuk, B.M., Marenich, S.Yu., Ovcharenko, S.I. (2011) “Rozviduvalni systemy litalnykh aparativ” [Reconnaissance equipment of flying machines], Kharkiv, 172 p.
[31.] Microcomputer Raspberry Pi 4 Model B 8GB. Evo.net: web site. URL: https://evo.net.ua/mikrokomputer-raspberry-pi-4-model-b-8gb. (accessed 2 January 2024).
[32.] Raspberry Pi Camera Module 3. Evo.net: web site. URL: https://evo.net.ua/content/files/camera-module-3-product-brief-48385040.pdf. (accessed 2 January 2024).