Метод розпізнавання об'єктів у реальному часі для безпілотних літальних апаратів у завданнях розслідувань і пошукових

Скорочена інформація про документ
dc.contributor.authorОлійник, Іван
dc.contributor.authorМанзюк, Едуард
dc.contributor.authorПасічник, Олександр
dc.contributor.authorСкрипник, Тетяна
dc.contributor.authorOliinyk, Ivan
dc.contributor.authorManziuk, Eduard
dc.contributor.authorPasichnyk, Oleksandr
dc.contributor.authorSkrypnyk, Tetiana
dc.date.accessioned2025-11-28T12:19:35Z
dc.date.available2025-11-28T12:19:35Z
dc.date.issued2025
dc.description.abstractУ роботі запропоновано метод розпізнавання об'єктів у реальному часі для безпілотних літальних апаратів у завданнях розслідувань і пошукових робіт. Відеопотік з БПЛА передається на наземну станцію, де за допомогою нейронних мереж типу YOLO здійснюється високоточне розпізнавання без необхідності зміни апаратного забезпечення. Розроблена інформаційна система дозволяє автоматизувати процес виявлення об’єктів та підвищити ефективність виконання оперативних завдань.
dc.description.abstractThe rapid integration of unmanned aerial vehicles (UAVs) into civil, defense, and emergency response sectors has fundamentally transformed data collection and analysis methodologies in time-critical scenarios. UAVs have become indispensable tools in missions where human access is restricted, dangerous, or logistically challenging. Their capacity to capture high-resolution real-time aerial imagery makes them vital assets in search-and-rescue operations, post-disaster damage assessments, criminal investigations, and surveillance monitoring. This research addresses the fundamental challenge of implementing efficient real-time object detection and recognition systems that operate with minimal human intervention while accommodating the inherent computational limitations of onboard UAV hardware. This study proposes an innovative approach leveraging external computational resources by transmitting UAV video feeds to groundbased processing systems where advanced YOLOv8 neural network models perform sophisticated real-time object detection and classification. The YOLOv8 architecture represents an optimal balance between processing speed and detection accuracy. This methodology significantly enhances recognition capabilities without requiring modifications to existing UAV hardware configurations, ensuring broad compatibility and cost-effectiveness. The system demonstrates remarkable performance metrics: preprocessing time averaging 22.5 ms, inference time of 5.5 ms, and visualization rendering within 3 ms per frame. Multiple specialized datasets were utilized, including Top-View Drone Car Detection Dataset and YOLO HighVis Person Detection Dataset, ensuring robust multi-class object recognition capabilities. Experimental results conclusively confirm the technical and practical feasibility of seamlessly integrating AI-based detection systems into existing UAV monitoring infrastructures, achieving stable operation with accuracy fluctuations not exceeding 1% at 5m, 10% at 50m, and 35% at 100+ meters, thereby significantly enhancing the capabilities and effectiveness of future autonomous aerial surveillance platforms.
dc.identifier.citationМетод розпізнавання об'єктів у реальному часі для безпілотних літальних апаратів у завданнях розслідувань і пошукових / І. Олійник, Е. Манзюк, О. Пасічник, Т. Скрипник // Herald of Khmelnytskyi National University. Technical Sciences. – 2025. – Vol. 357, No. 5.2. – P. 98-106.
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/19823
dc.language.isouk
dc.publisherХмельницький національний університет
dc.subjectбезпілотний літальний апарат
dc.subjectкомп’ютерний зір
dc.subjectрозпізнавання об’єктів
dc.subjectнейронні мережі
dc.subjectреальний час
dc.subjectYOLO
dc.subjectUAV
dc.subjectreal-time object detection
dc.subjectcomputer vision
dc.subjectaerial surveillance
dc.subjectAI-based recognition
dc.subjectsearch and rescue
dc.subject.udc004.89
dc.titleМетод розпізнавання об'єктів у реальному часі для безпілотних літальних апаратів у завданнях розслідувань і пошукових
dc.title.alternativeA real-time object recognition method for unmanned aerial vehicles in investigative and search operations
dc.typeСтаття
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Назва:
VKNU-TS-2025-N5t2-1+(12).pdf
Розмір:
713.46 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Вісник ХНУ. Технічні науки - 2025 рік