<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Автоматизоване виявлення безекіпажних катерів противника безпілотними літальними апаратами з використання ком’ютерного зору

dc.contributor.authorЧоларія, Р. Г.uk
dc.contributor.authorГалепа, О. Г.uk
dc.contributor.authorCholaria, R. G.en
dc.contributor.authorGalepa, O. H.en
dc.titleАвтоматизоване виявлення безекіпажних катерів противника безпілотними літальними апаратами з використання ком’ютерного зоруuk
dc.date.issued2026
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationЧоларія Р. Г., Галепа О. Г. Автоматизоване виявлення безекіпажних катерів противника безпілотними літальними апаратами з використання ком’ютерного зору // VІ Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 10-11 листопада 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30645.uk
dc.relation.ispartofVІ Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 10-11 листопада 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30645
dc.identifier.udc004.93:004.8
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/57788
dc.description.abstractРозглянуто актуальну задачу автоматизованого виявлення безекіпажних надводних катерів за відеопотоком із безпілотних літальних апаратів в умовах складної морської обстановки. Проаналізовано основні чинники, що ускладнюють виявлення малорозмірних надводних цілей, зокрема стан морської поверхні, сонячні відблиски, низьку контрастність і змінне освітлення. Запропоновано схему обробки відеопотоку, яка охоплює попередню обробку зображень, детектування цілі, фільтрацію хибних спрацювань і супровід цілі між кадрами. Окреслено підхід до оцінювання якості та швидкодії моделей на бортових і наземних обчислювальних платформах, а також розглянуто ризики застосування таких систем і напрями подальших досліджень.uk
dc.description.abstractThis paper addresses the current challenge of automatically detecting unmanned surface vessels using video feeds from unmanned aerial vehicles under complex maritime conditions.en
dc.subjectбезекіпажний катерuk
dc.subjectбезпілотний літальний апаратuk
dc.subjectкомп'ютерний зірuk
dc.subjectвиявлення об'єктівuk
dc.subjectглибоке навчанняuk
dc.subjectморське середовищеuk
dc.subjectunmanned surface vesselen
dc.subjectunmanned aerial vehicleen
dc.subjectcomputer visionen
dc.subjectobject detectionen
dc.subjectdeep learningen
dc.subjectmaritime environmenten
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesFrolov S. M., Sydorenko O. V. Unmanned marine robotic systems (complexes) for monitoring the situation in the Sea of Azov. Collection of scientific papers of the Center for Military and Strategic Research of the Ivan Chernyakhovsky National University of Economics. 2020. No. 3-67. Pp. 110–114. URL: https://doi.org/10.33099/2304-2745/2019-3-67/110-114 (дата звернення: 02.10.2026). Deep learning for UAV thermal bird detection: Benchmarking YOLOv8–YOLOv26 / A. Safonova et al. Remote Sensing Applications: Society and Environment. 2026. Vol. 42. P. 101981. URL: https://doi.org/10.1016/j.rsase.2026.101981 (дата звернення: 02.10.2026). I. Tupitsya, V. Kryvonos, D. Chezlov, R. Cholaria, I. Sheviakov, Computer vision model for detection of sea targets in the conditions of application of unmanned aircraft systems. URL: https://journal-hnups.com.ua/index.php/soi/article/view/2946/2726 (дата звернення: 02.10.2026). S. Gorelov, O. Barmak, E. Manzyuk, Method for detecting multi-rotor UAVs using artificial intelligence. Herald of Khmelnytskyi National University. Technical sciences. 2023. Т. 329, № 6. С. 84–91. URL: https://doi.org/10.31891/2307-5732-2023-329-6-84-91 (дата звернення: 02.10.2026). Varga L. A., Kiefer B., Messmer M., Zell A. SeaDronesSee: A Maritime Benchmark for Detecting Humans in Open Water. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV). 2022. P. 2260–2270. URL: https://arxiv.org/abs/2105.01922 (дата звернення: 02.10.2026). Bovcon B., Muhovi J., Vranac D., Mozeti D., Per J., Kristan M. MODS — A USVoriented object detection and obstacle segmentation benchmark. arXiv:2105.02359. 2021; версія 2 від 09.02.2022. URL: https://arxiv.org/abs/2105.02359 (дата звернення: 02.10.2026). National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 2023. URL: https://www.nist.gov/itl/ai-risk-managementframework (дата звернення: 02.10.2026).en
dc.date.accessioned2026-11-16T15:41:00Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Завантаження...
Ескіз
Назва:
30645.pdf
Розмір:
570,07 KB
Формат:
Adobe Portable Document Format