Розробка удосконаленого методу розпізнавання об’єктів моніторингу згортковою нейронною мережею з використанням дискретного вейвлет-перетворення

The tasks that unmanned aircraft systems solve include the detection of objects and determining their state. This paper reports an analysis of image recognition methods in order to automate the specified process. Based on the analysis, an improved method for recognizing images of monitored objects by a convolutional neural network using a discrete wavelet transform has been devised. Underlying the method is the task of automating image processing in unmanned aircraft systems. The operability of the proposed method was tested using an example of processing an image (aircraft, tanks, helicopters) acquired by the optical system of an unmanned aerial vehicle. A discrete wavelet transform has been used to build a database of objects' wavelet images and train a convolutional neural network based on them. That has made it possible to improve the efficiency of recognition of monitored objects and automate a given process. The effectiveness of the improved method is achieved by preliminary decomposition and approximation of the digital image of the monitored object by a discrete wavelet transform. The stages of a given method include the construction of a database of the wavelet images of images and training a convolutional neural network. The effectiveness of recognizing the monitored objects' images by the improved method was tested on a convolutional neural network, which was trained with images of 300 monitored objects. In this case, the time to make a decision, based on the proposed method, decreased on average from 0.7 to 0.84 s compared with the artificial neural networks ResNet and ConvNets. The method could be used in the information processing systems in unmanned aerial vehicles that monitor objects; in robotic complexes for various purposes; in the video surveillance systems of important objects
Одной из задач, которые решают беспилотные авиационные комплексы, является обнаружение и определение состояния объектов. С целью автоматизации данного процесса проведен анализ методов распознавания изображений. На основе проведенного анализа разработан усовершенствований метод распознавания изображений объектов мониторинга сверточной нейронной сетью с использованием дискретного вейвлет-преобразования. В основу метода положена задача обеспечения автоматизации обработки изображений в беспилотных авиационных комплексах. На примере обработки изображений (самолетов, танков, вертолетов) полученных оптической системой беспилотного летательного аппарата проверено работоспособность предложенного метода. Используется дискретное вейвлет-преобразование для создания базы данных вейвлет-образов объектов и обучения на их основе сверточной нейронной сети. Это позволило повысить оперативность распознавания объектов мониторинга и автоматизировать данный процесс. Эффективность усовершенствованного метода достигается путем предварительного разложения и аппроксимации цифрового изображения объекта мониторинга дискретным вейвлет-преобразованием. Этапами данного метода является – наработка базы данных вейвлет-образов изображений и обучение сверточной нейронной сети. Эффективность распознавания изображений объектов мониторинга усовершенствованным методом проверено на сверточной нейронной сети, которая прошла обучение изображениями 300 объектов мониторинга. При этом время на принятие решения, для предложенного метода, уменьшилось в среднем от 0.7 до 0.84с. по сравнению с искусственной нейронной сетью ResNet и ConvNets. Метод может быть использован: в системах обработки информации беспилотных летательных аппаратов, осуществляющих мониторинг объектов; в роботизированных комплексах различного назначения; системах видеонаблюдения важных объектов
Одним із завдань, що вирішують безпілотні авіаційні комплекси, є виявлення та визначення стану об’єктів. З метою автоматизації даного процесу проведено аналіз методів розпізнавання зображень. На основі проведеного аналізу розроблено удосконалений метод розпізнавання зображень об’єктів моніторингу згортковою нейронною мережею з використанням дискретного вейвлет-перетворення. В основу методу покладена задача забезпечення автоматизації обробки зображень в безпілотних авіаційних комплексах. На прикладі обробки зображень (літаків, танків, вертольотів) отриманих оптичною системою безпілотного літального апарату перевірено працездатність удосконаленого методу. Використовується дискретне вейвлет-перетворення для напрацювання бази вейвлет-образів об’єктів і навчання на їх основі штучної нейронної мережі. Це дозволило підвищити оперативність розпізнавання об’єктів моніторингу та автоматизувати даний процес. Ефективність удосконаленого методу досягається шляхом попереднього розкладу та апроксимації цифрового зображення об’єкта моніторингу дискретним вейвлет-перетворенням. Етапами даного методу є напрацювання бази даних вейвлет-образів зображень і навчання згорткової нейронної мережі. Ефективність розпізнавання зображень об’єктів моніторингу запропонованим методом перевірено на згортковій нейронній мережі, що пройшла навчання зображеннями 300 об’єктів моніторингу. При цьому час на прийняття рішення для запропонованого методу зменшився в середньому от 0.7 до 0.84с. у порівнянні з штучною нейронною мережею ResNet та ConvNets. Метод може бути використаний: в системах обробки інформації безпілотних літальних апаратів, що здійснюють моніторинг об’єктів; в роботизованих комплексах різного призначення; системах відео спостереження важливих об’єктів