Автоматизоване виявлення безекіпажних катерів противника безпілотними літальними апаратами з використання ком’ютерного зору
| dc.contributor.author | Чоларія, Р. Г. | uk |
| dc.contributor.author | Галепа, О. Г. | uk |
| dc.contributor.author | Cholaria, R. G. | en |
| dc.contributor.author | Galepa, O. H. | en |
| dc.title | Автоматизоване виявлення безекіпажних катерів противника безпілотними літальними апаратами з використання ком’ютерного зору | uk |
| dc.date.issued | 2026 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | Чоларія 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.ispartof | 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. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30645 | |
| dc.identifier.udc | 004.93:004.8 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/57788 | |
| dc.description.abstract | Розглянуто 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.abstract | This paper addresses the current challenge of automatically detecting unmanned surface vessels using video feeds from unmanned aerial vehicles under complex maritime conditions. | en |
| dc.subject | безекіпажний катер | uk |
| dc.subject | безпілотний літальний апарат | uk |
| dc.subject | комп'ютерний зір | uk |
| dc.subject | виявлення об'єктів | uk |
| dc.subject | глибоке навчання | uk |
| dc.subject | морське середовище | uk |
| dc.subject | unmanned surface vessel | en |
| dc.subject | unmanned aerial vehicle | en |
| dc.subject | computer vision | en |
| dc.subject | object detection | en |
| dc.subject | deep learning | en |
| dc.subject | maritime environment | en |
| dc.type | Thesis | |
| dc.language.iso | uk | uk |
| dc.relation.references | Frolov 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.accessioned | 2026-11-16T15:41:00Z |
Файли
Контейнер файлів
1 - 1 з 1
Завантаження...
- Назва:
- 30645.pdf
- Розмір:
- 570,07 KB
- Формат:
- Adobe Portable Document Format