Інформаційна система ідентифікації об'єктів з безпілотних літальних апаратів

Abstract

У сучасному світі автоматизований аналіз візуальної інформації набуває дедалі більшої важливості в широкому спектрі прикладних задач. Одним із перспективних напрямів є використання безпілотних літальних апаратів (БПЛА) для отримання зображень та відео з метою подальшої обробки. Ефективна ідентифікація об’єктів на таких медіаданих потребує застосування високопродуктивних моделей комп’ютерного зору, які забезпечують розпізнавання в реальному часі [1]. У роботі розглянуто архітектурний підхід до побудови веборієнтованої інформаційної системи, яка виконує автоматичне розпізнавання об’єктів на зображеннях, відео та потоковому відео, отриманих з БПЛА. Система реалізована мовою програмування Python із використанням фреймворку Django. Для реалізації функціоналу комп’ютерного зору використано модель YOLOv11, яка була адаптована до власного датасету [2]. Також забезпечено обробку результатів розпізнавання та виведення в інтерфейс користувача у зручному форматі. У процесі розробки було побудовано дерево цілей, виконано декомпозицію функціональних блоків за допомогою IDEF0, проаналізовано сучасні моделі комп’ютерного зору, зокрема YOLOv5–v11, SSD, Faster R-CNN [3]. Система пройшла тестування на різних типах вхідних даних (зображення, відео, стрім), що дозволило оцінити її точність, стабільність і продуктивність. Об’єкт дослідження – це процес автоматизованої ідентифікації об’єктів на зображеннях, відео та відеопотоці, отриманих з безпілотних літальних апаратів. Предмет дослідження – це методи, моделі та програмні засоби комп’ютерного зору і глибокого навчання, що використовуються для побудови інформаційної системи розпізнавання об’єктів з БПЛА. Мета дослідження – створення інформаційної системи, що поєднує сучасні алгоритми розпізнавання з доступністю вебтехнологій для обробки даних з БПЛА. Результатом є система, здатна працювати в умовах реального часу, адаптована до прикладних задач моніторингу, охорони, агроаналізу та технічної інспекції.In today's world, automated analysis of visual information is becoming increasingly important in a wide range of applied tasks. One of the promising directions is the use of unmanned aerial vehicles (UAVs) to obtain images and videos for further processing. Effective identification of objects on such media requires the use of high-performance computer vision models that provide real-time recognition [1]. The paper considers the architectural approach to building a web-oriented information system that performs automatic recognition of objects in images, video and streaming video obtained from UAVs. The system is implemented in the Python programming language using the Django framework. To implement the functionality of computer vision, a YOLOv11 model was used, which was adapted to its own dataset [2]. Processing of the results of recognition and output to the user interface in a convenient format is also provided. In the process of development, a tree of goals was built, decomposition of functional blocks was performed using IDEF0, modern models of computer vision were analyzed, in particular YOLOv5-v11, SSD, Faster R-CNN [3]. The system was tested on various types of input data (image, video, stream), which made it possible to evaluate its accuracy, stability and performance. Object of the research – the process of automated identification of objects in images, video, and video streams obtained from unmanned aerial vehicles (UAVs). Subject of the research – methods, models, and software tools of computer vision and deep learning used for the development of an object recognition information system based on UAV data. The purpose of the study is to create an information system that combines modern recognition algorithms with the availability of web technologies for processing data from UAVs. The result is a system capable of working in real-time conditions, adapted to the applied tasks of monitoring, protection, agricultural analysis and technical inspection.