Search academic texts

Information × Registration Number 2125U004463, Article popup.category Стаття, Опубліковано, Рецензована стаття Title TOOLS AND METHODS FOR EXPLOSIVE OBJECTS DETECTION USING ARTIFICIAL INTELLIGENCE AND COMPUTER VISION popup.author Levchenko DenysPodorozhnyak AndriiLiubchenko NataliiaLevchenko DenysPodorozhnyak AndriiLiubchenko Nataliia popup.publication 30-09-2025 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/4016 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description У цьому дослідженні представлено детальний аналіз інструментів і методів, що використовуються, включно зі стратегіями збору даних, вибором моделі та архітектурою системи. Завдяки використанню технологій штучного інтелекту в режимі реального часу на роботизованих і повітряних платформах можливе досягнення прогресу в автоматизованому виявленні вибухонебезпечних предметів, що знижує ризики ручного розмінування та підвищує безпеку в уражених регіонах у всьому світі. Актуальність. Проблема виявлення вибухонебезпечних предметів залишається однією з найгостріших у сучасному світі та в Україні зокрема через зростання кількості збройних конфліктів і забруднення територій мінами та нерозірваними боєприпасами. Традиційні методи розмінування є трудомісткими, небезпечними, вимагають багато часу та не завжди є ефективними, що зумовлює необхідність впровадження інноваційних технологій на основі штучного інтелекту та комп’ютерного бачення. Об’єкт дослідження. Об’єктом дослідження є інтелектуальні інструменти та методи виявлення вибухонебезпечних предметів, зокрема пропонований прототип, що поєднує глибоке навчання (YOLOv8) та роботизовані платформи для реального часу. Мета статті. Метою статті є аналіз існуючих рішень, розробка та експериментальна перевірка ефективної, портативної системи для автоматизованого виявлення мін із використанням легких моделей глибокого навчання, здатної працювати на мобільних пристроях у різноманітних умовах середовища. Результати дослідження. У роботі використано, модернізовано та анотовано два спеціалізовані датасети, що охоплюють різні типи мін (POM-2, POM-3, PMA-2 “starfish”) та різноманітні умови навколишнього середовища, типи ґрунтів, погодні фактори та наявність перешкод. Для пришвидшення тренування моделі штучного інтелекту застосовано розподілені та паралельні обчислення. Моделі YOLOv8-nano та YOLOv8-small продемонстрували високу точність (precision до 98,8%) і recall для основних класів мін, що підтверджено аналізом матриць плутанини та ключових метрик. Основна увага приділяється розробці та дослідженню прототипу системи для автоматизованого виявлення мін на основі глибокого навчання та комп’ютерного бачення, інтегрованої з роботизованими платформами та безпілотними літальними апаратами. Система забезпечує роботу у реальному часі (2–2,6 кадрів/с) на мобільних пристроях, має просту архітектуру та можливість інтеграції з роботизованими і безпілотними платформами. Висновки. Запропонована система є перспективною для гуманітарного розмінування завдяки високій точності, мобільності та простоті розгортання. Водночас результати експериментів вказують на необхідність подальшого вдосконалення моделей для підвищення стійкості до зміни умов середовища та зменшення кількості хибнопозитивних спрацювань. Впровадження таких рішень сприятиме підвищенню ефективності та безпеки розмінування у постконфліктних регіонах. popup.nrat_date 2026-04-19 Close