13460

بررسي و تحليل تكنيك هاي يادگيري عميق در تصاوير پهپادي به منظور تشخيص و رديابي اشياء در كاربردهاي مختلف

1402

دكتر علي اصغر بهشتي شيرازي

كشف و رديابي اشياء، به عنوان يك موضوع تحقيقاتي مهم در زمينه سنجش از دور، به طور گسترده اي مورد بررسي قرار گرفته و براي وظايف مختلف نظامي و غيرنظامي مانند پايش محيطي، تشخيص خطرات زمين شناسي، كشاورزي و برنامه ريزي شهري مورد استفاده قرار گرفته است. در روش‌هاي سنتي جمع‌آوري اطلاعات اشياء، عمدتاً از ماهواره‌ ها و هواپيماهاي سرنشين‌دار استفاده مي كردند. به طور عمومي، دو نوع پلتفرم( ماهواره و هواپيماي سرنشين دار ) بر روي يك مسير ثابت حركت مي كنند و انعطاف پذيري كمي در هنگام تعيير جهت دارند. علاوه بر اين هزينه ماهواره ها و هواپيماهاي سرنشين دار در مقايسه با پهپاد بطور قابل توجهي بالاتر مي باشد و هم چنين مسائل ايمني بالقوه خلبانان، به ناچار دامنه كاربرد چنين پلتفرم هايي را محدودتر مي كند. با توسعه نرم‌افزار و سخت‌افزار ميكروالكترونيك، فناوري مكان‌يابي و ارتباطات، و پيشرفت‌هاي در فناوري مواد و انرژي، پلتفرم وسايل پرنده بدون سرنشين به عنوان يك كانون مركزي تحقيقات بين‌المللي در حسگري از دور به سرعت ظاهر شده است. يك سامانه حسگري از دور پهپادي، تركيبي پيشرفته از علم و فناوري است كه شامل اتصال وسايل پرنده بدون سرنشين، حسگري از دور، سيستم موقعيت‌يابي جهاني و واحد اندازه‌گيري لحظه ايي براي تعيين موقعيت در فضا مي‌باشد. با پيشرفت هوش مصنوعي و مدل هاي شبكه هاي عصبي عميق، امروزه از اين روش ها در كاربرد هاي پهپادي براي تشخيص و رديابي اشيا استفاده مي شود.

5/29/2024 12:00:00 AM

82966

1403/04/06

Investigating and analyzing deep learning techniques in drone images in order to recognize and track objects in various applications

پهپاد، وسيله نقليه هوايي بدون سرنشين، تصاوير و ويديوهاي پهپادي، تشخيص و رديابي اشيا، يادگيري عميق، شبكه هاي عصبي

Unmanned aerial vehicle (UAV) ، Remote sensing (RS) ، Global Positioning System (GPS) ، inertial measurement unit (IMU)