Search academic texts

Information × Registration Number 2125U003072, Article popup.category Бакалаврська робота Title Застосування машинного навчання для системи оптичного наведення дрона-перехоплювача (AI translated) popup.author Мельник Назарій ОлександровичMelnyk Nazarii Oleksandrovych popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/76034 popup.publisher Київ Description Дипломна робота: 100 с., 13 рис., 7 табл., 24 посилань, 1 додаток. Об’єктом дослідження є процес автоматичного наведення дрона перехоплювача на повітряні цілі. Предметом дослідження є алгоритми та методи детекції, трекінгу, наведення та їх реалізація на спеціалізованих обчислювальних платформах. Метою роботи є розробка та експериментальне обґрунтування багатопотокового алгоритму автоматичного наведення дрона-перехоплювача на основі сучасних нейромереж та ансамблевих методів, адаптованого для реального часу на платформі Jetson Orin Nano Super. Актуальність дослідження зумовлена загостренням загрози від безпілотних літальних апаратів в умовах сучасної війни та потребою в економічно ефективних автономних системах перехоплення БПЛА. У роботі узагальнено теоретичні засади CNN і ансамблевих методів, досліджено архітектури YOLO11m та RT-DETR, розроблено методики аугментації даних, обґрунтовано вибір одноплатної платформи Jetson Orin Nano Super та спроєктовано асинхронний програмний конвеєр для роботи в режимі реального часу. Запропонований гібридний алгоритмічний стек забезпечує стабільну швидкість обробки кадрів на борту, підвищує точність для дрібних цілей і має конкурентоспроможну собівартість у порівнянні з традиційними сенсорними системами. Отримані результати можуть бути застосовані для створення реальних систем захисту від ворожих дронів в умовах війни. Diploma Thesis: 100 pp., 13 figs., 7 tables, 24 references, 1 appendix. The object of the study is the process of automatic guidance of an interceptor drone toward aerial targets. The subjects of the study are algorithms and methods for detection, tracking, and guidance, and their implementation on specialized computing platforms. The purpose of the work is to develop and experimentally substantiate a multithreaded algorithm for automatic guidance of an interceptor drone—based on modern neural networks and ensemble methods—adapted for real-time operation on the Jetson Orin Nano Super platform. The relevance of the study is driven by the growing threat posed by unmanned aerial vehicles in modern warfare and the need for cost-effective autonomous UAV interception systems. This work consolidates the theoretical foundations of CNNs and ensemble methods, investigates the YOLO11M and RT DETR architectures, develops data augmentation techniques, justifies the choice of the Jetson Orin Nano Super single-board computer, and designs an asynchronous software pipeline for real-time processing. The proposed hybrid algorithmic stack ensures a stable onboard frame-processing rate, enhances accuracy for small targets, and offers competitive cost-effectiveness compared to traditional sensor systems. The obtained results can be applied to the development of real-world defensive systems against hostile drones under wartime conditions. popup.nrat_date 2025-11-05 Close