ПІДХОДИ ДО ФОРМУВАННЯ БАЗИ ДАНИХ ЗОБРАЖЕНЬ В СИСТЕМІ ІДЕНТИФІКАЦІЇ ВИБУХОНЕБЕЗПЕЧНИХ ПРЕДМЕТІВ ДЛЯ ПОДАЛЬШОГО НАВЧАННЯ НЕЙРОННОЇ МЕРЕЖІ

Анотація

Використання безпілотних літальних апаратів для виявлення вибухонебезпечних предметів є перспективним напрямком у галузі розмінування. Наразі значна роль при ідентифікації виявлених предметів залишається за оператором (людиною). Для вирішення задач з ідентифікації зображень вибухонебезпечних предметів, безпілотні літальні апарати або інші роботизовані системи доцільно обладнувати відповідними програмно-технічними засобами із вбудованими елементами штучного інтелекту, які б дозволили з певною ймовірністю розпізнавати виявлені об’єкти за їхніми характерними локальними ознаками (формою/зображенню, матеріалом виготовлення корпусу, температурою корпусу) та класифікувати їх без участі оператора.

Розпізнавання полягає в обчисленні міри релевантності між описами об’єкта та еталона, образи яких задані у вигляді множин векторів-дескрипторів та оптимізації значень цієї міри для бази еталонів.

У статті розглянуто основні алгоритми (методи) ідентифікації зображень та обрано ті, які мають вищу швидкодію та побудовані за бінарним типом, що спрощує процес обчислення та знижує затрати. В цілому, комбінування дескрипторів ORB та BRISK дає кращі результати, оскільки враховується спотворення кольору, погане освітлення, наявність шумів, різних проєкцій.

У статті запропоновано підходи до формування бази даних зображень вибухонебезпечних предметів, яка в подальшому виступатиме вхідним шаром для навчання нейронної мережі для ідентифікації вибухонебезпечних предметів. У процесі роботи був написаний програмний код, який надає можливість перевірити працездатність комбінованих методів (алгоритмів) ідентифікації зображень щодо формування бази даних, її збереження та тестування.

            Посилання

1. Мірошниченко Б. Десятки років та мільярди доларів. Коли розмінують українські поля та міста? // Економічна правда. 2023. URL: https://www.epravda.com.ua/publications/2023/03/7/697737/.
2. Аналіз виконання робіт щодо очищення території України від вибухонебезпечних предметів по роках // Державна служба України з надзвичайних ситуацій. 2023. URL: https://dsns.gov.ua/protiminna-diyalnist/gumanitarne-rozminuvannya/analiz-vikonannya-robit-schodo-ochischennya-teritoriyi-ukrayini-vid-vibuhonebezpechnih-predmetiv-po-rokah.
3. Собенко Н. Повне розмінування України може зайняти понад 750 років – WP // Суспільні Новини. 2023. URL: https://suspilne.media/534815-povne-rozminuvanna-ukraini-moze-zajnati-ponad-750-rokiv-wp/.
4. Чередниченко О. Ю., Паламарчук Н. А., Шемендюк О. В., Мартинюк В. В. Синтез системи виявлення вибухонебезпечних предметів на базі безпілотного літального апарата // Системи і технології зв’язку, інформатизації та кібербезпеки. Випуск 3, 2023. С. 163–170. ISSN 2786-6610. DOI: 10.58254/viti.3.2023.
5. Невлюдов І. Ш., Янушкевич Д. А., Толкунов І. О., Попов І. І., Іванець Г. В. Обґрунтування необхідності створення робототехнічних комплексів для гуманітарного розмінування. Problems of Emergency Situations (Проблеми надзвичайних ситуацій). Серія: Civil Security. Вип. 2 (38). С. 17–38. DOI: 10.52363/2524-0226-2023-38-2.
6. Рибалка А. В., Скорлупін О. В., Подорожняк А. О. Аналіз можливості застосування технологій штучного інтелекту для виявлення вибухонебезпечних предметів та подальшого гуманітарного розмінування // Тези доповідей. Інформаційна безпека та інформаційні технології: VІ Всеукраїнська науково-практична конференція молодих учених, студентів і курсантів, 30 листопада 2023 року. Львів, ЛДУ БЖД, 2023. С. 404–406.
7. Янушкевич Д. А., Іванов Л. С., Толкунов І. О. Креативні підходи управління якістю у сфері гуманітарного розмінування із застосуванням робототехнічних систем // Тези доповідей. Збірник матеріалів V форуму «Автоматизація, електроніка та робототехніка. Стратегії розвитку та інноваційні технології», AERT-2023. Х.: ХНУРЕ, каф. МТС, 29–30 листопада 2023 р. 149 с. С. 55–58.
8. Єремеєв О., Васильєва І., Макарічев В., Рубель О., Лі Ф., Чернова Г., Коваленко Б., Ворзель Б., Лукін В. Деякі аспекти обробки багатоканальних даних дистанційного зондування з використанням нейромереж // Prospective global scientific trends: Informatics, Architecture, Innovative technology, Ecology: Monographic series «European Science». 2023. Book 19. Part 2. С. 7–60. DOI: 10.30890/2709-2313.2023-19-02-001.
9. Jasper Baur, Gabriel Steinberg, Alex Nikulin, Kenneth Chiu, Timothy S. de Smet. Applying Deep Learning to Automate UAV-Based Detection of Scatterable Landmines // Remote sensing. 2020. URL:https://www.mdpi.com/2072-4292/12/5/859#.
10. Szeliski R. Computer vision: algorithms and applications. Springer Science & Business Media. 2010.
11. Shnain, Noor Abdalrazak; Hussain, Zahir M.; LU, Song Feng. A feature-based structural measure: an image similarity measure for face recognition. Applied Sciences, 2017, 7.8: 786.
12. Gorokhovatskyi, Volodymyr; Tvoroshenko, Iryna. Image classification based on the Kohonen network and the data space modification. 2020.
13. Leutenegger, Stefan; Chli, Margarita; Siegwart, Roland Y. BRISK: Binary robust invariant scalable keypoints. In: 2011 International conference on computer vision. Ieee, 2011. Р. 2548–2555.
14. Опришко О. О., Пасічник Н. О., Шворов С. А., Кіктєв М. О., Дудник А. О., Сович В. І. Дослідження перспектив дистанційного моніторингу мін на полях з використанням тепловізійного знаряддя // Енергетика і автоматика. 2023. № 6. С. 74–89. DOI: http://dx.doi.org/
    10.31548/energiya6(70).2023.074.
15. Тимчишин Р. М., Волков О. Є., Господарчук О. Ю., Богачук Ю. П. Сучасні підходи до розв’язання задач комп’ютерного зору // Управляющие системы и машины. 2018. № 6. С. 46–73. Бібліогр.: 48 назв. – укр.
16. Gorokhovatsky V. O. Аналіз властивостей, характеристик та результатів застосування новітніх детекторів для визначення особливих точок зображення / V. O. Gorokhovatsky, D. V. Pupchenko, K. G. Solodchenko // Системи управління, навігації та зв’язку. Збірник наукових праць. Полтава: ПНТУ, 2018. Т. 1 (47). С. 93–98. DOI: https://doi.org/10.26906/SUNZ.2018.1.093.