เครื่องตรวจจับโดรนมีความแม่นยำเพียงใดในการระบุโดรนบินวิดีโอแบบเรียลไทม์ (FPV UAV) ในพื้นที่ที่ซับซ้อน?

การเข้าใจความแม่นยำของเครื่องตรวจจับโดรนในสภาพแวดล้อมเมืองจริง

คำจำกัดความของความแม่นยำในบริบทของระบบตรวจจับโดรน

ความแม่นยำของเครื่องตรวจจับโดรนขึ้นอยู่กับความสามารถในการระบุอากาศยานไร้คนขับที่แท้จริง โดยไม่แจ้งเตือนผิดพลาดเมื่อมีนกบินผ่าน เหตุการณ์สภาพอากาศแปลก ๆ หรือสัญญาณรบกวนทางอิเล็กทรอนิกส์ต่าง ๆ ที่เกิดขึ้นในเมืองทุกวัน เมื่อพิจารณาปัจจัยที่ทำให้ระบบเหล่านี้มีประสิทธิภาพ จะมีสามประเด็นหลักที่เด่นชัด ได้แก่ ระยะการตรวจจับโดรน (โดยทั่วไปอยู่ระหว่าง 1 ถึง 5 กิโลเมตร โดยใช้เซ็นเซอร์ความถี่วิทยุ) ระดับความเชื่อมั่นในการระบุเป้าหมาย (ระบบทั่วไปมีความแม่นยำมากกว่า 85% ในสถานที่เช่นโรงไฟฟ้าหรือสนามบิน) และความเร็วในการตอบสนองเมื่อมีสิ่งผิดปกติปรากฏขึ้น (โดย ideally ควรต่ำกว่าห้าวินาที เพื่อให้ทีมรักษาความปลอดภัยสามารถตอบสนองได้ก่อนจะเกิดความเสียหาย) อย่างไรก็ตาม การทดสอบในโลกแห่งความเป็นจริงกลับแสดงผลลัพธ์ที่ต่างออกไป ห้องปฏิบัติการอาจให้ผลลัพธ์ที่ยอดเยี่ยม แต่เมื่อนำมาใช้ในพื้นที่เมืองที่มีอาคารหนาแน่น สัญญาณที่สะท้อนไปมามากมายจะทำให้สถานการณ์ซับซ้อนอย่างรวดเร็ว การศึกษาเมื่อปีที่แล้วชี้ให้เห็นว่า สิ่งรบกวนประเภทนี้ทำให้จำนวนการระบุเป้าหมายสำเร็จลดลงประมาณหนึ่งในสามในพื้นที่เมืองที่มีความแออัดสูง

ปัจจัยสำคัญที่มีผลต่อประสิทธิภาพของเครื่องตรวจจับโดรนในพื้นที่เมือง

ปัจจัยหลักสามประการที่ส่งผลต่อประสิทธิภาพการตรวจจับในเขตเมือง:

1. รูปแบบการติดตั้งเซ็นเซอร์ : มุมการติดตั้งอย่างเป็นยุทธศาสตร์ช่วยลดการขัดขวางสัญญาณที่เกิดจากอาคาร
2. การรบกวนสิ่งแวดล้อม : หอเซลลูลาร์และเครือข่ายไวไฟสร้างสัญญาณรบกวนความถี่วิทยุ (RF) ที่มีระดับสูงกว่า -80 dBm ซึ่งทำให้สัญญาณโดรนแบบ FPV ที่อ่อนแอกว่าไม่สามารถตรวจพบได้
3. ข้อมูลจำเพาะของโดรน : การออกแบบที่มีค่า RCS ต่ำ (Radar Cross Section) และโดรนขนาดเล็กที่มีน้ำหนักต่ำกว่า 500 กรัม ทำให้ระบบเรดาร์แบบดั้งเดิมตรวจจับได้ยาก

การศึกษาภาคสนามในปี 2023 พบว่าเครื่องสแกนความถี่วิทยุ (RF) สามารถตรวจจับโดรน FPV อนาล็อกความถี่ 5.8GHz ได้เพียง 61% ในพื้นที่เมือง เมื่อเทียบกับ 92% ในพื้นที่โล่ง เนื่องจากปัญหาอัตราส่วนสัญญาณต่อสัญญาณรบกวน ( การศึกษาเรื่องการตรวจจับโดรนในเขตเมือง ).

ช่องว่างระหว่างความแม่นยำในการตรวจจับโดรนที่รายงานจากห้องปฏิบัติการ กับความเป็นจริงในสนาม

ผู้ผลิตมักอ้างว่ามีความแม่นยำมากกว่า 95% ภายใต้สภาวะห้องปฏิบัติการที่สมบูรณ์แบบ โดยไม่มีสิ่งกีดขวางเส้นทางการบิน อย่างไรก็ตาม ข้อมูลจากทีมรักษาความปลอดภัยในเขตเมือง 142 ทีม แสดงให้เห็นถึงประสิทธิภาพที่ลดลงอย่างมีนัยสำคัญ:

ช่องว่างนี้เกิดจากปัจจัยที่คาดเดาไม่ได้ เช่น ไซต์ก่อสร้างชั่วคราวที่ปล่อยสัญญาณ RF ที่ผิดปกติ เพื่อลดช่องว่างนี้ ผู้ให้บริการชั้นนำปัจจุบันสนับสนุนการรวมเซนเซอร์หลายชนิด โดยผสานการวิเคราะห์ RF เข้ากับการประมวลผลเรดาร์ที่เสริมด้วยปัญญาประดิษฐ์

ลักษณะสัญญาณ FPV UAV และความท้าทายในการตรวจจับ

โดรน FPV ใช้สัญญาณ RF เซลลูลาร์ และดาวเทียมเพื่อควบคุมและส่งสัญญาณวิดีโออย่างไร

โดรน FPV ส่วนใหญ่ขึ้นอยู่กับการเชื่อมต่อความถี่วิทยุ โดยส่วนมากทำงานในช่วง 2.4 กิกะเฮิรตซ์ และ 5.8 กิกะเฮิรตซ์ เพื่อจัดการการควบคุมแบบเรียลไทม์และสตรีมภาพวิดีโอ โดรนราคาประหยัดยังคงใช้ระบบแอนะล็อก ขณะที่รุ่นดิจิทัลระดับสูงที่ให้ภาพความละเอียดสูงจะมีตัวเข้ารหัสที่ดีกว่า ซึ่งสามารถลดความหน่วงเวลาได้ต่ำกว่า 30 มิลลิวินาที โมเดลใหม่บางรุ่นเริ่มมีการเชื่อมต่อเครือข่ายเซลลูลาร์เพื่อบินนอกเหนือจากสายตา (beyond line of sight) แต่ฟีเจอร์นี้ยังคงมีผู้ใช้งานเพียงประมาณ 12% ของระบบที่ใช้ในเชิงพาณิชย์เท่านั้น เนื่องจากปัญหาโครงสร้างพื้นฐาน ตามรายงานของ Drone Defense Quarterly เมื่อปีที่แล้ว การเชื่อมต่อผ่านดาวเทียมในปัจจุบันพบได้น้อยมาก และโดยทั่วไปจะใช้เฉพาะเมื่อภารกิจต้องครอบคลุมระยะทางเกิน 50 กิโลเมตร ปัญหาคือการเชื่อมต่อดาวเทียมทำให้เกิดความหน่วงเวลาที่สังเกตได้ ซึ่งทำให้ไม่เหมาะสมสำหรับการบินที่ต้องเปลี่ยนทิศทางอย่างรวดเร็ว ซึ่งการตอบสนองอย่างฉับไวมีความสำคัญที่สุด

ลักษณะสัญญาณที่ท้าทายการตรวจจับโดรน FPV ที่ใช้คลื่นวิทยุ

ระบบ FPV ใช้คุณลักษณะสัญญาณสามประการที่ทำให้การตรวจจับมีความซับซ้อน:

• กำลังส่งต่ำ : เครื่องส่งสัญญาณ FPV แบบอะนาล็อก 90% ทำงานที่ต่ำกว่า 600 มิลลิวัตต์ เพื่อหลีกเลี่ยงความสนใจจากหน่วยงานด้านกฎระเบียบ
• ความสามารถในการสลับความถี่ได้รวดเร็ว (Frequency agility) : โดรนแข่งขัน 74% เปลี่ยนช่องความถี่โดยอัตโนมัติมากกว่า 40 ช่องภายในแถบความถี่ 5.8 กิกะเฮิรตซ์
• การส่งแบบพัลส์ : ระบบดิจิทัลบีบอัดวิดีโอเป็นชุดข้อมูลพัลส์ที่มีระยะเวลาต่ำกว่า 4 มิลลิวินาที

ในเขตเมือง การสะท้อนของสัญญาณหลายทาง (multipath interference) ยังทำให้อัตราส่วนสัญญาณต่อสัญญาณรบกวนลดลงอีก 60-80% เมื่อเทียบกับพื้นที่โล่ง (การศึกษาการแพร่กระจายของสัญญาณในเมือง, 2024)

สัญญาณกำลังต่ำและการเปลี่ยนความถี่ในระบบ FPV: กลยุทธ์การหลบเลี่ยง?

โดรนแบบมุมมองบุคคลแรก (FPV) ส่วนใหญ่ในท้องตลาดปัจจุบันใช้ระบบกำลังต่ำที่ต่ำกว่า 1 วัตต์ พร้อมกับเทคโนโลยีการสลับความถี่แบบกระจายสเปกตรัม ซึ่งช่วยให้หลีกเลี่ยงการตรวจจับได้ ตามผลการวิจัยล่าสุดที่เผยแพร่ในช่วงต้นปี 2024 อุปกรณ์ตรวจจับสัญญาณมักจะไม่สามารถตรวจพบโดรนที่ใช้ FHSS ได้บ่อยกว่าที่คาดไว้มาก อัตราการตรวจจับผิดพลาด (false negative) เพิ่มขึ้นจากเพียง 5 เปอร์เซ็นต์ ไปจนสูงถึง 43 เปอร์เซ็นต์ ในพื้นที่ที่คลื่นวิทยุมีความหนาแน่นและพลุกพล่าน อย่างไรก็ตาม มีข้อเสียที่ชัดเจน คือ คุณสมบัติด้านความล่องหนเหล่านี้มาพร้อมกับต้นทุน โดยผู้ควบคุมจะพบว่าระยะควบคุมลดลงระหว่าง 35 ถึง 60 เปอร์เซ็นต์ ดังนั้นจึงต้องมีการถ่วงดุลตลอดเวลา ระหว่างการซ่อนตัวและการรักษาระยะควบคุมที่เชื่อถือได้ระหว่างปฏิบัติการ

กรณีศึกษา: การวิเคราะห์ระบบ FPV แอนะล็อก 5.8 กิกะเฮิรตซ์ เทียบกับระบบดิจิทัล HD (DJI O3, Walksnail)

ผลการทดสอบในสนามแสดงให้เห็นว่าระบบอะนาล็อกสามารถตรวจพบได้ที่ระยะทางที่มากกว่าระบบดิจิทัลถึง 1.8 เท่า แต่สัญญาณแบบช่วงๆ ของดิจิทัลเอชดีสามารถหลีกเลี่ยงอัลกอริธึมการตรวจจับอัตโนมัติได้เพิ่มขึ้น 34%

อุปสรรคด้านสิ่งแวดล้อมและการปฏิบัติงานในการตรวจจับโดรนเอฟพีวีในเขตเมือง

ข้อจำกัดทางกายภาพในการตรวจจับโดรนเอฟพีวีที่มีพื้นที่สะท้อนสัญญาณเรดาร์ต่ำและบินต่ำ

โดรน FPV ในปัจจุบันมาพร้อมโครงสร้างขนาดเล็กที่มีความกว้างไม่ถึง 50 ซม. และผลิตจากวัสดุคอมโพสิตน้ำหนักเบา ซึ่งช่วยลดพื้นที่สะท้อนเรดาร์ลงประมาณสองในสามถึงสี่ในห้า เมื่อเทียบกับโมเดลเชิงพาณิชย์ที่มีขนาดใหญ่กว่า เมื่อโดรนขนาดเล็กเหล่านี้บินต่ำกว่าระดับความสูง 50 เมตร จะแทบหายเข้าไปในสัญญาณรบกวนจากพื้นดิน ทำให้เรดาร์ทั่วไปตรวจจับได้ยาก ระบบตรวจจับด้วยภาพก็ประสบปัญหาเพิ่มเติม เพราะอาคาร ต้นไม้ และโครงสร้างอื่นๆ มักขวางเส้นทางอยู่บ่อยครั้ง ตามการวิเคราะห์สัญญาณเมื่อปีที่แล้วพบว่า เมื่อนักบิน FPV ควบคุมยานให้บินต่ำและใช้ลักษณะภูมิประเทศธรรมชาติเป็นที่กำบัง พวกเขามักสามารถล่วงผ่านการตรวจจับของเครื่องตรวจจับโดรนทั่วไปได้ประมาณสามในสี่

สิ่งรบกวนในเขตเมืองและการสะท้อนซ้ำของสัญญาณที่ทำให้การตรวจจับด้วยคลื่นวิทยุและเรดาร์มีประสิทธิภาพลดลง

พื้นที่ในเมืองมีระดับสัญญาณรบกวนแม่เหล็กไฟฟ้าพื้นหลังที่ค่อนข้างสูงมาก โดยอยู่ที่ประมาณ 15 ถึง 22 เดซิเบล ซึ่งทำให้สัญญาณควบคุม FPV ที่สำคัญที่ความถี่ 2.4 กิกะเฮิรตซ์ และ 5.8 กิกะเฮิรตซ์ แทรกผ่านได้ยาก การมีอาคารคอนกรีตกระจายอยู่ทั่วไปยังก่อให้เกิดข้อผิดพลาดแบบหลายเส้นทาง (multipath errors) ที่อาจยาวเกิน 40 เมตร เมื่อพยายามระบุตำแหน่งด้วยคลื่นวิทยุ นอกจากนี้ยังมีเครือข่ายไร้สายอื่นๆ อีกมากมายที่ใช้แบนด์วิธอยู่ตลอดเวลา จนกินพื้นที่การใช้งานที่มีอยู่จริงไปประมาณ 92% มีการศึกษาหนึ่งที่เพิ่งดำเนินการเกี่ยวกับวิธีที่เมืองต่างๆ จัดการกับโดรน พบข้อมูลที่น่าสนใจว่า ระบบอัตโนมัติมักสับสนและเข้าใจผิด โดยประมาณหนึ่งในสามของกรณีจะสับสนระหว่างสตรีมวิดีโอ FPV จริง กับสัญญาณ Wi-Fi หรือบลูทูธทั่วไป สิ่งนี้แสดงให้เห็นชัดเจนว่าการพึ่งพาเซนเซอร์เพียงประเภทเดียวจะไม่สามารถทำงานได้อย่างมีประสิทธิภาพพอในสภาพแวดล้อมที่ซับซ้อนอย่างเมืองสมัยใหม่ของเรา

ความเร็วและความคล่องตัวของโดรนแข่งขัน ลดช่วงเวลาในการตรวจจับ

โดรนเรซซิ่งแบบ FPV เป็นเครื่องจักรที่เร็วมาก สามารถทำความเร็วได้เกิน 120 กิโลเมตรต่อชั่วโมง และเลี้ยวอย่างรวดเร็วภายในเพียง 100 มิลลิวินาที ซึ่งเหลือเวลาให้ผู้ควบคุมตอบสนองได้เพียงประมาณแปดวินาทีก่อนที่จะเกิดเหตุการณ์ใดๆ ระบบเซนเซอร์ส่วนใหญ่ใช้เวลาราว 12 ถึง 15 วินาทีในการประมวลผลข้อมูล ซึ่งช้าเกินไปเมื่อต้องติดตามโดรนหลายลำพร้อมกัน ซอฟต์แวร์ตรวจจับจำเป็นต้องประมวลผลปัจจัยต่างๆ มากกว่า 80 รายการ ภายในเวลาไม่ถึงสามวินาที หากต้องการรักษาความแม่นยำในการระบุเป้าหมายไว้มากกว่า 90% อย่างไรก็ตาม ภาระงานที่หนักหน่วงนี้ก่อให้เกิดปัญหาในสภาพแวดล้อมเมืองจริง โดยอัตราการตรวจจับผิดพลาดชนิดลบ (false negatives) เพิ่มขึ้นประมาณ 27% ทำให้การติดตามโดรนขนาดเล็กที่บินเร็วเหล่านี้ยิ่งยากขึ้นไปอีก

การพัฒนาการตรวจจับด้วยคลื่นวิทยุและแบบมัลติโมดัลเพื่อการระบุโดรนที่ดียิ่งขึ้น

หลักการตรวจจับโดยใช้คลื่นวิทยุผ่านการตรวจสอบสเปกตรัม

เครื่องวิเคราะห์สเปกตรัมส่วนใหญ่จะเน้นการตรวจสอบความถี่ในช่วง 2.4 GHz ถึง 5.8 GHz เนื่องจากโดรน FPV ประมาณสามในสี่ของทั้งหมดทำงานในย่านความถี่เหล่านี้ เมื่อพิจารณาการทำงานของอุปกรณ์เหล่านี้ จะเห็นได้ว่าโดยพื้นฐานแล้ว อุปกรณ์จะตรวจสอบลักษณะต่างๆ เช่น รูปแบบโมดูเลชัน และการเปลี่ยนแปลงของความแรงสัญญาณ เพื่อระบุสิ่งที่ทำให้โดรนแต่ละลำแตกต่างกัน การศึกษาเกี่ยวกับวิธีการตรวจจับคลื่นวิทยุแสดงให้เห็นว่า การวิเคราะห์ประเภทนี้เป็นพื้นฐานของข้อกำหนด Remote ID หลายประการที่กำลังถูกนำไปใช้ในเขตอำนาจต่างๆ งานวิจัยเมื่อเร็วๆ นี้สนับสนุนข้อเท็จจริงนี้เช่นกัน โดยการวิเคราะห์หนึ่งที่ดำเนินการเมื่อปีที่แล้วพบว่า เมื่อนำเทคนิคการเรียนรู้ของเครื่องมาใช้ร่วมด้วย เซ็นเซอร์สามารถแยกแยะสัญญาณของโดรนออกจากสัญญาณไวไฟทั่วไปในเมืองได้ถึง 94 จาก 100 ครั้ง ซึ่งถือว่าน่าประทับใจมากเมื่อพิจารณาถึงสภาพแวดล้อมไร้สายที่แออัดอย่างหนาแน่นในปัจจุบัน

การหาทิศทางและความแม่นยำในการระบุตำแหน่งทางภูมิศาสตร์ในสภาพแวดล้อมที่มีสัญญาณหนาแน่น

การแพร่กระจายสัญญาณหลายเส้นทางในเมืองทำให้ความแม่นยำของการระบุตำแหน่งลดลง 40-60% ระบบขั้นสูงใช้แถงสัญญาณแบบเฟสดิฟเฟอเรนซ์และอัลกอริทึมการหาค่าความต่างของเวลาในการมาถึง (TDoA) แต่อุปสรรคจากคอนกรีตยังคงทำให้เกิดข้อผิดพลาดด้านตำแหน่งเกิน 30 เมตรสำหรับสัญญาณ FPV ที่มีกำลังต่ำ

เหตุใดการพึ่งพาเพียงวิธีตรวจจับเดียวจึงล้มเหลวในพื้นที่ซับซ้อน

ไม่มีเทคโนโลยีใดเพียงหนึ่งเดียวที่สามารถตรวจจับโดรนในเขตเมืองได้อย่างเชื่อถือได้: เรดาร์มีปัญหากับโครงสร้างคาร์บอนไฟเบอร์ ระบบออพติคอลล้มเหลวเมื่อมองเห็นได้ไม่ชัด และเซ็นเซอร์ RF ไม่สามารถติดตามโดรนที่ไม่ปล่อยสัญญาณวิทยุได้ การทดสอบภาคสนามยืนยันว่าระบบเดี่ยวๆ จะพลาดการบุกรุกถึง 35% เมื่อเทียบกับระบบที่ใช้หลายเซ็นเซอร์

การทำงานร่วมกันของระบบ RF, เรดาร์ และ EO/IR เพื่อการตรวจจับโดรนที่เชื่อถือได้

การรวมการระบุสัญญาณ RF (เฉพาะเจาะจง 90%), การวัดระยะด้วยเรดาร์ (สูงสุด 3 กม.) และการยืนยันด้วยระบบออพติคอล/อินฟราเรด (EO/IR) ช่วยลดสัญญาณเตือนเท็จลง 72% เรดาร์ให้การเฝ้าสังเกตการณ์รอบทิศทาง 360° ในขณะที่ EO/IR ช่วยแยกแยะภาพโดรนกับนกได้อย่างชัดเจน

แนวโน้ม: เซ็นเซอร์ RF ที่เชื่อมต่อเครือข่ายและการรวมข้อมูลเพื่อการติดตามแบบเรียลไทม์

เครือข่ายเซ็นเซอร์ RF แบบกริดพร้อมการประมวลผลที่ขอบเครือข่ายสามารถทำให้เกิดความหน่วงในการตอบสนองต่ำกว่า 500 มิลลิวินาที การประมวลผลข้อมูลแบบรวมศูนย์ด้วยปัญญาประดิษฐ์ โดยใช้ข้อมูลจาก RF, เรดาร์ และข้อมูลความร้อน ช่วยเพิ่มความแม่นยำในการคาดการณ์เส้นทางการเคลื่อนที่ได้ถึง 88% ในการทดลองภาคสนามปี 2023

การตรวจจับด้วยภาพที่ขับเคลื่อนด้วยปัญญาประดิษฐ์: โมเดล YOLO และประสิทธิภาพในสนามจริง

บทบาทของ Deep Learning ในการยกระดับการระบุตัวตนด้วยภาพของโดรน FPV

สำหรับการตรวจจับโดรน FPV โดยใช้เซ็นเซอร์แบบอิเล็กโทรออพติคัลหรืออินฟราเรด เทคนิคการเรียนรู้เชิงลึกได้แสดงให้เห็นถึงความจำเป็นอย่างยิ่ง ตัวอย่างเช่น YOLOv7 และ YOLOv8 สถาปัตยกรรมเหล่านี้ใช้สิ่งที่เรียกว่า Extended Efficient Layer Aggregation Networks หรือ E-ELAN ย่อมาจากชื่อดังกล่าว ตามรายงานการวิจัยที่ตีพิมพ์ใน Nature เมื่อปีที่แล้ว ระบุว่า โมเดลดังกล่าวสามารถประมวลผลภาพได้เร็วขึ้นประมาณ 28 เปอร์เซ็นต์ เมื่อเทียบกับรุ่นก่อนหน้า โดยยังคงรักษาระดับความแม่นยำไม่ต่ำกว่า 91% ในการทดสอบ สิ่งที่ทำให้โมเดลเหล่านี้โดดเด่น คือ ความสามารถในการแยกแยะโดรน FPV ออกจากนก โดยอาศัยการวิเคราะห์รูปแบบการหมุนของใบพัด และตรวจจับลวดลายสัญญาณเฉพาะตัวที่นกธรรมดาไม่สามารถสร้างขึ้นมาได้ ความสามารถนี้มีความสำคัญอย่างมากในสถานการณ์จริง ซึ่งการแยกแยะระหว่างภัยคุกคามที่แท้จริงกับสัตว์ป่าทั่วไป สามารถช่วยประหยัดทั้งเวลาและทรัพยากรในการปฏิบัติการเฝ้าระวัง

ประสิทธิภาพของโมเดลที่ใช้ YOLO ในการตรวจจับโดรนแบบเรียลไทม์จากภาพถ่ายอิเล็กโทรออพติคัล

ในสภาพแวดล้อมเมืองมีความท้าทายเฉพาะตัวสำหรับการตรวจจับโดรน โดย YOLOv10 สามารถตรวจพบโดรนแบบ FPV ที่บินต่ำกว่า 150 เมตรได้ด้วยความแม่นยำประมาณ 86% อย่างไรก็ตาม เมื่อโดรนบินสูงขึ้น การตรวจจับจะยากขึ้น โดยอัตราการตรวจจับลดลงเหลือเพียง 63% เนื่องจากโดรนขนาดเล็กเหล่านี้มองเห็นได้ยากขึ้นเมื่ออยู่บนท้องฟ้า แต่ผลการทดสอบล่าสุดกลับเปิดเผยสิ่งที่น่าสนใจ—เมื่อนำข้อมูลจากคอมพิวเตอร์วิชันของ YOLO มาผสานกับข้อมูลเรดาร์ จำนวนการแจ้งเตือนเท็จจะลดลงเกือบครึ่งหนึ่ง ทำให้ข้อผิดพลาดลดลงถึง 41% ซึ่งถือว่าโดดเด่นมาก อีกทั้งยังต้องพิจารณาเรื่องความเร็วเช่นกัน ระบบสามารถประมวลผลภาพความละเอียด 4K ได้ค่อนข้างดี โดยใช้เวลาเพียง 33 มิลลิวินาทีต่อเฟรม ซึ่งถือว่ารวดเร็วเพียงพอสำหรับการใช้งานด้านความมั่นคงที่ต้องการการตอบสนองทันที

ความท้าทายในการฝึกอบรม: ความพร้อมของชุดข้อมูลโดรนสาธารณะ

การขาดข้อมูลการฝึกอบรมที่หลากหลายส่งผลอย่างมากต่อความพยายามในการนำระบบเหล่านี้ไปใช้งานอย่างมีประสิทธิภาพ มีชุดข้อมูลบางชุดที่มีอยู่แล้ว เช่น DroneRF ที่มีตัวอย่างสัญญาณวิทยุ (RF) ประมาณ 15,000 ตัวอย่าง และ MultiDrone ซึ่งมีภาพ EO ที่ถูกทำเครื่องหมายไว้ประมาณ 8,200 ภาพ แต่เมื่อพิจารณาให้ลึกขึ้น จะพบว่ามีเพียงไม่ถึง 12 เปอร์เซ็นต์เท่านั้นที่ครอบคลุมสถานการณ์ FPV โดยเฉพาะ ซึ่งเป็นสิ่งที่ทุกคนพูดถึงกันในปัจจุบัน เช่น การเปลี่ยนทิศทางแบบหมุนแกน (yaw) อย่างฉับพลันระหว่างการบิน หรือการรับมือกับสัญญาณรบกวนจากการสลับความถี่บ่อยๆ เนื่องจากช่องว่างนี้ ผู้พัฒนาส่วนใหญ่จึงจำเป็นต้องสร้างข้อมูลการฝึกอบรมประมาณสามในสี่ของทั้งหมดโดยใช้วิธีการจำลองสถานการณ์ และพูดตามตรง การทำเช่นนี้มักทำให้โมเดลมีแนวโน้มที่จะเอื้อประโยชน์ต่อสถานการณ์สมมติ แทนที่จะเตรียมพร้อมสำหรับสภาพแวดล้อมจริงที่จะต้องเผชิญในสนาม

การวิเคราะห์ข้อโต้แย้ง: การโอเวอร์ฟิตติ้งในชุดข้อมูลที่ควบคุม vs. ความทนทานในสนาม

เมื่อโมเดลการประมวลผลภาพถูกฝึกด้วยชุดข้อมูลที่คัดเลือกมาอย่างดี มักจะมีความแม่นยำเกิน 90% ในสภาพแวดล้อมห้องปฏิบัติการที่ควบคุมได้ แต่เมื่อนำไปใช้งานจริงในเขตเมือง ประสิทธิภาพจะลดลงเหลือเพียง 58% ถึง 67% นักวิจัยในปี 2024 พบสิ่งที่น่าสนใจเกี่ยวกับโมเดลที่สร้างด้วยข้อมูล VisioDect ซึ่งมักจะจดจ่อเกินไปกับเงื่อนไขของแสงสว่างบางรูปแบบ การศึกษาแสดงให้เห็นว่าประสิทธิภาพลดลงอย่างมากถึง 29% ในช่วงเวลาพระอาทิตย์ตกเมื่อเทียบกับช่วงกลางวันที่มีแสงแดดจัด ผู้เชี่ยวชาญจำนวนมากในวงการชี้ให้เห็นว่าวิธีการทดสอบระบบเหล่านี้ในปัจจุบันยังมองข้ามเทคนิคง่ายๆ ที่ผู้ควบคุมโดรนแบบ FPV ใช้ เช่น วัสดุสะท้อนพิเศษบนโดรน หรือรูปแบบการเคลื่อนไหวที่คาดเดาไม่ได้ ซึ่งสามารถหลีกเลี่ยงวิธีการตรวจจับมาตรฐานได้อย่างสิ้นเชิง สิ่งนี้ทำให้เกิดคำถามสำคัญว่าระบบทั้งหลายเหล่านี้จะเชื่อถือได้มากน้อยเพียงใดเมื่อนำไปใช้งานจริงนอกสภาพแวดล้อมการทดสอบ

คำถามที่พบบ่อย (FAQs)

• อุปสรรคหลักในการตรวจจับโดรนในสภาพแวดล้อมเขตเมืองคืออะไร สภาพแวดล้อมในเขตเมืองมีความท้าทาย เช่น การรบกวนสัญญาณจากอาคาร ระดับเสียงรบกวนทางวิทยุ (RF) สูงจากราวิทยุเซลลูลาร์และเครือข่ายไวไฟ และข้อจำกัดจากการออกแบบโดรนที่มีค่า RCS ต่ำ
• ทำไมความแม่นยำของการตรวจจับโดรนในโลกความเป็นจริงจึงต่ำกว่าการทดสอบในห้องปฏิบัติการ ความแม่นยำในโลกความเป็นจริงได้รับผลกระทบจากปัจจัยที่ไม่สามารถคาดเดาได้ เช่น ไซต์ก่อสร้างชั่วคราวที่ปล่อยลายเซ็น RF และสิ่งรบกวนในพื้นที่เมืองซึ่งทำให้เกิดการรบกวนสัญญาณ แตกต่างอย่างมากจากสภาวะที่ควบคุมได้ในการทดสอบในห้องปฏิบัติการ
• โดรนแบบ FPV ใช้สัญญาณ RF อย่างไร โดรนแบบ FPV โดยทั่วไปใช้สัญญาณ RF ในช่วงความถี่ 2.4 กิกะเฮิรตซ์ และ 5.8 กิกะเฮิรตซ์ สำหรับการควบคุมและการส่งภาพแบบเรียลไทม์ แม้ว่าบางรุ่นอาจรวมการเชื่อมต่อผ่านระบบเซลลูลาร์และดาวเทียมเพื่อการปฏิบัติงานในระยะทางไกลขึ้น
• อะไรทำให้การตรวจจับโดรนแบบ FPV เป็นเรื่องยาก โดรนแบบ FPV ตรวจจับได้ยากเนื่องจากกำลังส่งต่ำ ความสามารถในการเปลี่ยนความถี่ได้อย่างรวดเร็ว และการส่งสัญญาณแบบพัลส์สั้น ซึ่งคุณสมบัติเหล่านี้ช่วยให้หลีกเลี่ยงการตรวจจับในสภาพแวดล้อมที่มีสัญญาณรบกวนหนาแน่นได้ดีขึ้น