EN
Неге FPV БАСУУлар конвенциялык дрон детекторлору үчүн чыңалуу түзөт?
Башка самолётторго караганда башкача иштеген үчүн, көпчүлүк стандарттык дрондун табуу системалары Биринчи адамдын көрүнүшү (FPV) дрондорун табууда кыйынчылыкка учуроот. Бул кичинекей машиналар жердин үстүндө гана чургайт, негизинен 50 метрден төмөн бийиктикте болот, анда радар сигналдарына токойлор, биналар жана башка шаардык заттар тоскоолдук кылат. Аларды табууну тагыда кыйынлатканы — операторлор көпчүлүк детекторлор издеген кадимки GPS системаларын же байланыш модулдарын колдонбогону. FPV дрондору аябай тез чургайт: алар нөлдөн 100 км/с учууга эки секунддан аз убакытта жетишет жана кошкуларга окшош же фондун түрүнө башын салып кеткен сымат карама-каршы бурулуштар жасайт. Радио жыштыгын табуучу приборлор пилоттор жыштыкты тез алмаштырганда артта калат, камера да көмөк кылбайт, себеби алар түндө же көрүнүштү тоскон нерсе барда иштебейт. Бул факторлордун баары бирге алып келген натыйжа — бүгүнкү табуу ыкмаларында чоң көрүнбөгөн зоналар бар. Изилдөөлөр көрсөткөндөй, бардык технологиялар шаарларда же өнөрөт аймактарында күрөштүү шарттарда FPV дрондорунун 70% тирүүлүгүн таба албайт.
Кандай жол менен илгерилеген дрондун детекторлору FPV-аныктоонун тактыгын жакшыртат
Көп модалдуу сезгичтик: Күчтүү аныктоо үчүн көрүнүп турган, термалдык жана RF маалыматтарын бириктирүү
Заманбап дрондарды аныктоо системалары бир гана түрдөгү сенсорго таянуу проблемаларын чечиши үчүн жадыбалдык камераларды, термалдык тасвирдөө технологиясын жана радиочастоталык сканирлөөнү бир нече компоненттун биригүүсү катары бириктирет. Күндүз жадыбалдык камералар толук татыктуу сүрөттөрдү тартат, анда формаларды жана өлчөмдөрдү танууга болот. Термалдык камералар дрондардын моторлорунун жана аккумуляторлорунун чыгарган жылуулугун табат, бул маанилүү, анткени ушул жылы ДАБ-дын өткөн жылдагы соңку докладына ылайык, жакшы көрүнүштүүлүк жок учурда резервдеги дрондардын чамасы менен үчтөн эки бөлүгүнө жол берилет. Ушул эле учурда бул системалар «биринчи адамдын көрүнүшү» (FPV) орнотулуштарына таандык радиосигналдарды сканирлөөгө баштайт, бул коопсуздук кызматкерлерине операторлор кайда жашырынып турганын аныктоого жардам берет. Бул артка турган ар кандай сезгич ыкмаларды бирге колдонуу системага дрондарды бир нече ыкма менен бир убакта табууга мүмкүндүк берет, ал эми бул иштерди жасаганда бир гана сенсорду колдонгон иштеген системаларга караганда таба албаган дрондардын саны жарымга чейин азаят. Дрондун көрүнүш сызыгын блоктолгон учурда да, мисалы, дрондун бинодон артка учуу учурда, система дрондун радиосигналдарын жана өткөн учурда табылган термалдык көрсөткүчтөрдү салыштыруу аркылуу дрондун ордуна түзөтүп отурат.
ИИ-негиздүү классификация: FPV-га ылайыктуу учуш динамикасына үйрөтүлгөн терең үйрөнүү моделдери
ML алгоритмдери FPVлардын уникалдуу кыймыл үлгүлөрүн талдоо аркылуу аларды табуунун тактыгын жогорулатат. Коммерциялык дрондор мындай кыймылдараа көпчүлүк учурда кыймылдабат. FPVлар 1,5 секунддан аз убакытта 60 миль/саат (96,6 км/с) ылдамдыкка жетишип, чыңалган вертикалдык циклдарды жасап, 15 метрден төмөн бозголордун арасынан өтүп кетиши мүмкүн. Бул мамилелер эми бардык салада стандарттуу коркунучтар базасында катталган. Бул технологиянын негизинде конволюциялык нейрондук тармактар (CNN) терең окуу архитектурасы AttnYOLO колдонулуп, түзүлгөн түрлүү сенсордук маалыматтарды иштеп чыгат. Негизинде, алар сүрөттүн ар кандай бөлүктөрүн ар кандай салмақ менен баалап, таң калдырарлык кыймылдарга көбүрөөк көңүл бурат. Бул моделдерди окутуу үчүн көп маалымат керек. Биз 20 миңден ашык ар кандай учуш шарттарын камтыган маалыматтардын топтомун колдондук, жана натыйжалар өзүн-өзү айтып турат: асман таза болгондо FPVларды табуу тактыгы 98,8% түзүлгөн, сигналдар бузулган же дрондун бир бөлүгү көрүнбөгөндө да тактык 96,2% га чейин түшүп калбайт. Бул системанын эң маанилүү өзгөчөлүгү — «федеративдүү окуу» деп аталган процесс аркылуу ал өзүнчө жакшырып турат. FPVлардын тактикасы өзгөргөндө ар дайым куралдын орнотулушун кол менен түзөтүү керек эмес. Бул бардык ыкма дрондун детекторлорун жөн гана көрүп отуруучу каражаттардан активдүү коркунучтарды баалоочу каражаттарга айлантып берет.
FPV-мүмкүнчүлүгү бар дрондун детекторлорунун чыныгы дүйнөдөгү иштөө чектерин
Табигый жана четтеги чектөөлөр: төмөн жарык, жабылуу жана чыныгы убакытта кечигүүлөрдүн арасындагы компромисс
Илгерилеген FPV-мүмкүнчүлүктөрү бар детекторлор күтүлбөгөн шарттарда иштегенде иштөөнүн негизги чектөөлөрү менен күрөшөт. Биз визуалдык тастыктоо үчүн колдонгон оптикалык сенсорлор жарыктын аз болгон жерлерде же көрүнүштүн сызыгын кандайдыр бир нерсе тоскондо жакшы иштебейт. Термалдык тасвирдөө түндө жардам берет, бирок мүнөзүнөн толугу менен жабылган максаттагы дронду толугу менен көрө албайт. РЧ-детекция шаарларда чөйрөдө чачыранып жүргөн сигналдардын аркасында бузулуп калат, ал эми радар 250 граммдан жеңил дрондорду таба албайт. Ошондой эле, чыныгы убакытта иштөө маселеси да бар. Алгы чыгарылган ИИ-системалар реакция убактысын 2–5 секундга чейин кыскартса да, алар көбүнчө портативдүү же батарейка менен иштеген техника үчүн ишке ашырууга мүмкүнчүлүк бербейт, анткени алар күчтүү «edge computing» аппараттуу талап кылат. Бул бардык өз ара байланышкан кыйынчылыктардын аркасында бүгүнкү күндөгү дрон-детекторлордун эч бири чыныгы талаа шарттарында 100% FPV-идентификациясын камсыз кыла албайт. Ошондуктан акылдуу коопсуздук маманлары бир гана технологияга таянып калбай, ар түрлүү шарттарга ылайыкташып, бир нече катмарлуу коргоо системаларын колдонуу зарыл экенин билет.
Жи frequently берилген суроолор
Неге FPV UAV'ларды табуу кыйын?
FPV UAV'ларды табуу кыйын, анткени алар төмөн бийиктикте иштейт, тез жана түзсүз кыймылдайт жана көпчүлүк учурда конвенциялык GPS же байланыш системаларын колдонбойт.
Алгы чакан дрон детекторлор тактыкты кантип жакшыртат?
Алгы чакан дрон детекторлору тактыкты жакшыртуу үчүн оптикалык, термалык жана радиочастоталык сенсорлордун жана ИИ негизинде классификациялоочу системалардын аралашмасын колдонот.
Казыргы FPV-мүмкүнчүлүгү бар дрон детекторлорунун чектөөлөрү кандай?
Казыргы FPV-мүмкүнчүлүгү бар детекторлор төмөн жарык шарттарында, жабылууда, радиочастоталык тоскоолдукта жана күчтүү реалдуу убакытта иштеген процессордук техника талап кылууда кыйынчылыктарга учурайт.