EN
Неге FPV ЖАУА-лар әдеттегі дрон детекторлары үшін қиындық туғызады?
Көптеген стандартты дрондарды анықтау жүйелері басқа ұшақтардан едәуір ерекше әрекет ететіндіктен, Бірінші тұлғадан қарау (FPV) дрондарын анықтауда қиындықтарға ұшырайды. Бұл кішкентай құрылғылар әдетте жер бетінің үстінде, негізінен 50 метрден төмен биіктікте, ағаштар, ғимараттар және басқа да қалалық объектілер сияқты көптеген заттардың радар сигналдарына кедергі келтіретін жерде шапшаң қозғалады. Оларды анықтауды одан әрі қиындататын фактор — операторлар көптеген детекторлар іздейтін стандартты GPS жүйелері мен байланыс модульдерін қолданбайды. FPV дрондары әдетте өте шапшаң қозғалады: екі секундтан кем уақыт ішінде 0-ден 100 км/сағ дейін жылдамдығын көтереді және құстардың қозғалысына ұқсас немесе фондық шуға бітіп кететін сияқты қатты бұрылыстар жасайды. Радиожиілікті анықтайтын құрылғылар пилоттар жиіліктерді шапшаң ауыстырған кезде олардың қадамын ұстай алмайды, ал камералар да түнде немесе көрініс кедергіге ұшыраған кезде ешқандай көмек көрсетпейді. Бұл барлық факторлар бірігіп, қазіргі заманғы анықтау әдістерінде үлкен «қара құрғақ» аймақтарын тудырады. Зерттеулер көрсеткендей, қазіргі технологиялар қалалар мен өнеркәсіптік аймақтар сияқты күрделі орталарда FPV дрондарының шамамен 70%-ын анықтай алмайды.
Қандай жағдайда алдыңғы ұшу дрондарын анықтау құрылғылары FPV анықтау дәлдігін жақсартады
Көптілді сезімталдық: берік анықтау үшін көрінетін, жылулық және RF деректерін біріктіру
Қазіргі заманғы дрондарды анықтау жүйелері бір ғана түрдегі сенсорға сүйенуге байланысты проблемалардан құтылу үшін әдеттегі камералар, жылулық көрініс технологиясы және радиожиілікті сканерлеу құрылғыларын бірдей құрамына қосады. Күндіз әдеттегі камералар нақты суреттер түсіреді, сондықтан олар пішін мен өлшемдерді танып білуге қабілетті. Жылулық камералар дрондардың қозғалтқыштары мен аккумуляторларынан шығатын жылуын қабылдайды; бұл маңызды, себебі өткен жылғы DHS-тің соңғы есебіне сәйкес, рұқсатсыз дрондардың ұшуының шамамен үш төрттен үші көрініс нашар болған кезде жүзеге асады. Бір уақытта бұл жүйелер бірінші тұлғадан көру (FPV) орнатуларына тән радиосигналдарды сканерлейді, осылайша қауіпсіздік қызметкерлері операторлар қайда жасырынғанын анықтай алады. Бұл әртүрлі сезімталдық әдістерін біріктіру дрондарды бір уақытта бірнеше әдіспен анықтауға мүмкіндік береді, ол бұрынғы жалғыз сенсорлы жүйелерге қарағанда дрондарды анықтамау ықтималдығын шамамен екі есе төмендетеді. Дрон ғимараттың артына ұшып кеткен кезде, яғни көру сызығы бір нәрсе арқылы бұзылған кезде де жүйе раннее қабылданған радиосигналдарды жылулық көріністермен салыстыра отырып, дронды бақылауда ұстайды.
Жасанды интеллектіге негізделген классификация: FPV-спецификалық ұшу динамикасы бойынша оқытылған терең оқыту моделдері
ML алгоритмдері FPV-лардың өзіндік қозғалыс үлгілерін талдау арқылы оларды анықтаудың дәлдігін арттырады. Коммерциялық дрондар мұндай қозғалыс үлгілерін көрсетпейді. FPV-лар түзусызықты қозғалғанда 1,5 секундтан кем уақыт ішінде 60 миль/сағ жылдамдыққа жетеді, тік шеңберлерді орындайды және 15 метрден төмен биіктікте кедергілердің арасынан өтеді. Бұл әрекеттер барлық саладағы стандартты қауіптілік дерекқорларына енгізілген. Бұл технологияның негізінде — AttnYOLO архитектурасы деп аталатын, тірі сенсорлық деректерді өңдейтін сверткалық нейрондық желілер жатыр. Негізінде, бұлар кескіннің әр түрлі бөліктеріне әртүрлі салмақ беру арқылы қызығушылықты қатысқан қозғалыстарға аударылады. Бұл модельдерді оқыту үшін көп мөлшерде деректер қажет. Біз 20 мыңнан астам әртүрлі ұшу жағдайларын қамтитын деректер жинағын пайдаландық, нәтижелер өздерінің тиімділігін көрсетеді: ашық аспанда FPV-ларды анықтау дәлдігі шамамен 98,8%, ал сигналдар бұзылған немесе дронның бірнеше бөлігі көрінбей қалған жағдайда да дәлдік шамамен 96,2%-ға дейін төмендейді. Бұл жүйенің ерекшелігі — «федеративті оқыту» деп аталатын процестің көмегімен өзін-өзі жақсартып отыруында. FPV-лар өзінің әрекеттерін өзгерткен сайын параметрлерді қолмен реттеуге қажеттілік туғызбайды. Бұл тәсіл дрондарды бақылаушы құрылғылардың қарап отырған қарапайым құрылғылардан тыс, белсенді қауіптілік бағалаушыларға айналуын қамтамасыз етеді.
FPV-қабілетті дрондарды анықтаушылардың шынайы әлемдегі жұмыс істеу шектері
Қоршаған орта мен шеткі шектердің шарттары: төмен жарықтылық, басып жабылу және нақты уақыттағы кідіріс арасындағы компромисс
Жоғары деңгейдегі FPV-қабілетті детекторлар әлі де болжанбайтын жағдайларда қолданылған кезде негізгі операциялық шектеулермен күреседі. Біз көріністі растау үшін пайдаланатын оптикалық сенсорлар төмен жарықтылықта немесе көру сызығын бірдеңе тұтқындап алған кезде жақсы жұмыс істемейді. Термалдық көрініс түнде көмек береді, бірақ мақсатты дронды толығымен жауып тұрған қатты заттар арқылы көре алмайды. Радиожиіліктік (RF) детекциялау қалаларда көптеген сигналдардың шағылысуынан бұзылады, ал радиолокация 250 граммнан жеңіл дрондарды тіркеуі мүмкін емес. Сонымен қатар нақты уақытта өңдеу мәселесі де бар. Әдетте қымбат тұратын жасанды интеллект (ЖИ) жүйелері реакция уақытын шамамен 2–5 секундқа дейін қысқартады, бірақ олар әдетте портативті немесе аккумулятормен жұмыс істейтін құрылғылар үшін іске аспайтын қуатты «шеттік» (edge) есептеу құрылғыларын талап етеді. Бұл барлық өзара байланысты мәселелер қазіргі заманғы дрон детекторларының ешқайсысының нақты жерде 100% FPV анықтау көрсеткішіне жетпеуінің себебі болып табылады. Сондықтан ақылды қауіпсіздік мамандары әртүрлі жағдайларға икемделетін, бір ғана технологияға тірелмейтін көпқабатты қорғаныс қажеттігін түсінеді.
Жиі қойылатын сұрақтар
Неге FPV UAV-ларды анықтау қиын?
FPV UAV-ларды анықтау қиын, себебі олар төмен биіктікте ұшады, жылдам және қателі қозғалыс жасайды және жиі дәстүрлі GPS немесе байланыс жүйелерін қолданбайды.
Алғы шеткі дрон детекторлары дәлдікті қалай жақсартады?
Алғы шеткі дрон детекторлары анықтаудың дәлдігін арттыру үшін көрінетін, жылулық және радиожиіліктік сенсорлардың қосындысын, сонымен қатар ИИ негізіндегі классификацияны қолданады.
Қазіргі заманғы FPV-қабілетті дрон детекторларының шектеулері қандай?
Қазіргі заманғы FPV-қабілетті детекторлар төмен жарықтық шарттары, жабылу (окклюзия), радиожиіліктік кедергілер және қуатты нақты уақытта өңдеу құрылғыларының қажеттілігі сияқты қиындықтарға ұшырайды.