В ЮФУ разработали алгоритм быстрого обнаружения малых целей с беспилотников

❋ 4.5

Чжан Цзинвэй, аспирант ЮФУ, победитель федерального конкурса управленцев «Лидеры России», разработал упрощенную модель нейронных сетей для беспилотных летательных аппаратов, выполняющих задачу быстрого обнаружения небольших объектов в реальном времени. В сравнении с аналогами беспилотники на новом алгоритме показывают большую эффективность, точность, скорость и низкую энергозатратность.

ЮФУ

# авиация

# беспилотники

# БПЛА

# нейронные сети

В ЮФУ разработали алгоритм быстрого обнаружения малых целей с беспилотников / ©Getty images / Автор: Иван Беляев

Беспилотные летательные аппараты (БПЛА) имеют огромное значение для промышленности и широко востребованы в разных отраслях, начиная с сельского хозяйства и заканчивая специальным и военным назначением. В современных реалиях развитие беспилотной авиации становится еще более актуальным и является одной из приоритетных задач России. Так, 28 июня Президент России Владимир Путин утвердил стратегию по ее развитию до 2030–2035 годы. Соответствующее распоряжение подписано премьер-министром России Михаилом Мишустиным и размещено на сайте кабмина.

Помимо самой конструкции малогабаритных БПЛА важным аспектом является идентификация целей. Самые современные беспилотники сегодня работают на YOLOv5 (You Only Look Once version 5) – это последняя версия популярной архитектуры нейронных сетей для задачи быстрого обнаружения объектов в реальном времени. За счет своей скорости она получила широкое признание и используется для различных задач, таких как обнаружение объектов на видеофайлах, анализ поведения людей, автономная навигация автомобилей и прочее. Однако она имеет недостатки: длинная и сложная модель самого алгоритма и, как следствие, трудности поиска небольших по размеру целей.

В своем недавнем исследовании аспирант Института математики, механики и компьютерных наук имени И. И. Воровича ЮФУ, победитель федерального конкурса управленцев «Лидеры России» и доверенный представитель ЮФУ по взаимодействию с организациями Китая Чжан Цзинвэй усовершенствовал данную архитектуру. Кроме того, молодой ученый предложил облегченный и более эффективный алгоритм под названием «L-YOLO».

Он включает в себя новую головку обнаружения для повышения точности поиска небольших целей, а также измененный размер ячеек привязки, соответствующий масштабам потенциальных целей, с использованием алгоритма кластеризации [прим. объединение схожих объектов в группы, также называемые кластерами].

«Алгоритм L-YOLO обладает не только высокой эффективностью обнаружения небольших целей, но и более легкой моделью, подтверждая, что обнаружение целей с точки зрения беспилотных летательных аппаратов имеет хорошие перспективы применения. В сравнение с YOLOv5 наш алгоритм продемонстрировал сокращение вычислительных затрат на 42,42 процентов и количества параметров на 48,6 процентов», – рассказал Чжан Цзинвэй.

По словам ученого, непрерывное развитие науки и технологий, включая искусственный интеллект, привело к широкому внедрению беспилотных летательных аппаратов, которые существенно облегчают повседневную жизнь и работу человека. За счет компактных размеров и деликатной эксплуатации дроны способны заменить людей в выполнении рискованных или сложных задач, таких как тушение лесных пожаров, инспекция высоковольтных линий электропередачи и мониторинг окружающей среды.

«В настоящее время обнаружение малых целей с точки зрения беспилотных летательных аппаратов является актуальной темой, поэтому уже многие исследователи предложили соответствующие алгоритмы. Мы же доказали с помощью экспериментальных данных, что алгоритм L-YOLO обеспечивает баланс между точностью обнаружения и вычислениями, и его производительность лучше, чем у других алгоритмов обнаружения малых целей из той же серии», – отметил аспирант.

Беспилотники, со встроенным алгоритмом L-YOLO, можно будет применять в самых различных областях, включая военную, гражданскую, сельскохозяйственную сферы, а также спасательные и поисково-спасательные операции. В этих сценариях идентификация и отслеживание небольших целей, таких как отдельные люди, животные, транспортные средства, имеет важное значение для успешного выполнения задачи.

Аспирант Института математики, механики и компьютерных наук имени И. И. Воровича ЮФУ, победитель федерального конкурса управленцев «Лидеры России» и доверенный представитель ЮФУ по взаимодействию с организациями Китая Чжан Цзинвэй / ©Пресс-служба ЮФУ

В данный момент по этому направлению Чжан Цзинвэй активно сотрудничает с Пекинским научно-техническим университетом и Хэнаньским профессиональным университетом легкой промышленности (партнеры Южного федерального университета) и совместно с рядом китайских научно-технических корпораций занимается имплементацией данных наработок в производственном секторе. Так, китайская сторона заинтересована в развитии научно-технического сотрудничества с Россией в данной области.

Результаты исследования, в котором принимали участие профессор Пекинского научного университета КНР Ли Вэньфа, доцент Пекинского объединенного университета КНР Шан Синьна, аспирант Южного федерального университета Чжан Цзинвэй и магистрант Пекинского объединенного университета КНР Ян Жуцзинь под руководством профессора Ли Вэньфа и профессора Шан Синьна, изложены в журнале Electronics. Проект финансируется Национальным фондом естественных наук КНР.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.

Южный федеральный университет образован в рамках национального проекта "Образование" распоряжением Правительства Российской Федерации от 23 ноября 2006 года N1616-р (pdf) и приказом Министерства образования и науки Российской Федерации от 4 декабря 2006 года N1447 путем присоединения к Ростовскому государственному университету трех вузов: Таганрогского государственного радиотехнического университета, Ростовского государственного педагогического университета, Ростовской государственной академии архитектуры и искусств.