دفاعیه کارشناسی ارشد (برق و کامپیوتر) ارائه یک سیستم بهبود یافته شناسایی هواپیماهای بدون سرنشین جهت افزایش دقت با استفاده از یادگیری عمیق

 | تاریخ ارسال: 1400/7/24 | 
دانشجو: آقای سجاد انصاریان
استاد راهنما: دکتر سیدامیر اصغری توچائی
استاد راهنما: دکتر محمدرضا بینش مروستی
زمان: دوشنبه ۲۶ مهر ماه ۱۴۰۰ ساعت: ۱۶:۰۰

لینک ورود به جلسه
چکیده:
صنعت هواپیمای بدون سرنشین تجاری (UAV) در سالیان گذشته مورد استفاده بسیار قرار گرفته است.اما این رشد فناوری از پیوست امنیتی لازم برای جوامع برخوردار نبوده است و خطرات استفاده های غیر قانونی را ایجاد کرده است.با توجه به این امر، برای حفاظت از مناطق دارای اهمیت بالا، در چند سال اخیر مراکز تصمیم گیر و دانشگاه ها راهکارهایی را ارائه داده اند.جدای از تدو ین قوانین بالادستی ، راهکارهای سیستم های حفاظت مبتنی بر تشخیص ریز پرنده دارا ی ضرورت اجرا هستند.از مهمترین رویکرد این سیستم ها، تشخیص ریزپرنده ها است.از مهمترین راهکارهای قابل پیاده سازی برای تشخیص می توان از رادار، صوت، تجزیه و تحلیل سیگنال های رادیویی و بینایی کامپیوتر نام برد که بینایی کامپیوتر به دلیل مزایای آن بیشتر مورد استفاده قرار می گیرد اما گاها دچار خطای شناختی می شود.برا ی نمونه می توان شباهت ریزپرنده ها و پرنده ها و هواپیما و کمبود نور را از عوامل خطای آن بر شمرد. این پایان نامه با رویکرد مبتنی بر دقت به شناسایی هواپیماهای بدون سرنشین می پردازد. استفاده از خوشه بندی بهینه الگوریتم -K means ، ++نرخ یادگیری رو به رشد، کالیبره کردن الگوریتم YOLOv۳ با توجه به تشخیص ریزپرنده و مجموعه داده مورد استفاده، ترکیب تصاویر برای قدرتمندکردن مدل آموزش دیده شده برای تشخیص تصاویر دنیای واقعی، آموزش شبکه بر روی زوایای مختلف تصاویر ورودی، کاهش IOU برای تشخیص تصاویر کوچک از ۵۰ درصد به آستانه ۴۰ درصد از جمله کارهای پیاده سازی شده است. این پایان نامه با جمع آوری داده های کمی و کیفی مورد نیاز برای شناسایی و تشخیص ریزپرنده و استفاده از الگوریتم YOLOv۳ و کتابخانه OpenCV برای تشخیص دقیق بهره میبرد که نتایج به دست آمده در فرایند یادگیری، دقت ۵۱ / ۹۸ درصد در تشخیص این ریزپرنده ها را نشان می دهد.



CAPTCHA

دفعات مشاهده: 114 بار   |   دفعات چاپ: 22 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر