Registration Number
0826U000844, PhD dissertation
Status
Доктор філософії
Date
06-05-2026
popup.evolution
.
Title
Multilevel automated control system of a robotic platform for spatial monitoring tasks based on Computer Vision
Author
Serhii P. Robotko,
popup.head Andriy Topalov
popup.opponent Iryna M. Zhuravska
popup.opponent Artem Sazonov
popup.review Oleksandr O. Ushkarenko
popup.review Andrii Sirivchuk
popup.rada
Admiral Makarov National University of Shipbuilding
Description
Дисертаційна робота присвячена вирішенню задачі підвищення ефективності та безпеки просторового моніторингу в умовах критичних ризиків, зокрема при гуманітарному розмінуванні. Автоматизація на базі безпілотних платформ з використанням комп’ютерного зору дозволяє перейти до безперервного конвеєра обробки інформації в режимі реального часу, мінімізуючи людський фактор.
Метою дослідження є підвищення ефективності, швидкості та безпеки виявлення вибухонебезпечних предметів за допомогою БПЛА. Це досягається шляхом створення багаторівневої автоматизованої системи керування, яка забезпечує мультимодальне злиття даних, семантичну верифікацію об’єктів і адаптивну корекцію траєкторії польоту. БПЛА виступає активним агентом, здатним змінювати поведінку залежно від контексту та сигналів від різнорідних джерел.
Система базується на ієрархічній архітектурі «Edge–Ground–Cloud» (борт – наземна станція – хмара). Це забезпечує динамічне оркестрування обчислень: критичні для безпеки польоту задачі виконуються синхронно на бортовому обчислювачі, а ресурсомісткі (семантична верифікація, глобальне планування) — асинхронно на наземному та хмарному рівнях.
Методична основа поєднує підходи теорії автоматичного керування, комп’ютерного зору та глибокого навчання. Для детектування об’єктів застосовано нейромережі сімейства YOLOv8, а для підвищення надійності розпізнавання — візуально-мовні моделі. Фізичним каналом підтвердження виступає металодетектор, сигнали якого синхронізуються з відеоданими та телеметрією.
Ключовим науковим результатом є формалізація математичної моделі зваженої агрегації довіри, що об’єднує виходи візуального детектора, семантичного аналізу та металоканалу в єдиний показник імовірності загрози. Використано метод зваженого голосування, що дозволяє гнучко налаштовувати чутливість системи. Вагові коефіцієнти адаптуються до умов середовища (наприклад, при деградації візуального каналу через рослинність пріоритет автоматично надається металошукачу).
Модель злиття даних вбудована у контур керування польотом на базі протоколу MAVLink. Розвинуто метод адаптивного керування, що створює замкнений цикл «детекція – верифікація – корекція місії». Система здатна автоматично ініціювати детальніший огляд підозрілої зони без команди оператора на основі агрегованої оцінки ризику.
Експериментальна перевірка на спеціалізованому наборі даних (2500 кадрів вибухонебезпечних предметів у реальних умовах) підтвердила стійкість моделі. Модель зваженої агрегації довіри мінімізує помилки першого й другого роду, забезпечуючи точність розпізнавання до 98%.
Практична цінність підтверджується створенням діючого програмно-апаратного комплексу (бортовий вузол, механізми синхронізації, інтеграція з наземною станцією) та впровадженням результатів у виробничій організації, що засвідчено відповідними актами.
Registration Date
2026-04-06
popup.nrat_date
2026-04-06 / 2026-07-01
