سامانه تشخیص ریزپرنده های مهاجم با استفاده از سنسور تصویر
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 5,888
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JICTP-2-5_005
Index date: 6 December 2021
سامانه تشخیص ریزپرنده های مهاجم با استفاده از سنسور تصویر abstract
پیشرفت فناوری ساخت پهپادها و ریز پرنده ها، استفاده فراگیر از این پرنده ها را به دنبال داشته است که باعث شده حفاظت از اطلاعات و اماکن خاص همچون ورزشگاه ها و ادارات و ارگان های نظامی و انتظامی متفاوت تر از گذشته مورد ملاحظه و مدیریت قرار گیرد. بر همین اساس برای مقابله با این تهدید ها باید به فراخور نوع تهدید ابزارهای دفاعی طراحی و تعبیه کرد. اساس کار سامانه پیشنهادی در این پژوهش استفاده از فقط یک دوربین با رزولوشن بالا می باشد که اهداف تعریف شده را بر اساس کتابخانه تهیه شده، شناسایی کند. در پژوهش های پیشین روش های متعددی برای طراحی و پیاده سازی این شیوه همچون استفاده از فیلتر ذرات، استفاده از سیستم شبکه های عصبی و ... ارائه شده است که در این مقاله ابتدا به بررسی روش های پیاده سازی مرسوم پرداخته می شود، سپس با استفاده از بهترین روش که ترکیبی از تکنیک های مذکور همراه با پیاده سازی نوین می باشد، اقدام به طراحی و ساخت نمونه آزمایشگاهی آشکارساز و ردیاب ریزپرنده شده است. تمام تمرکز در بخش پیاده سازی این پروژه استفاده از شبکه های عصبی کانولوشنال می باشد که باید چالش بسیار مهم نرخ قاب(فریم ریت) دریافتی از دوربین و خروجی شبکه را به حداکثر رساند. این پروژه با سه روش تفریق پس زمینه و شبکه عصبی شامل فریمورک دارکنت، YOLO و شبکه Fast RCNN پیاده سازی شده و فریم ریت ها بررسی می شوند. میانگین دقت مورد انتظار در این پروژه بیش از ۹۰% می باشد. آزمایش های سامانه حاضر، با استفاده از رایانه انجام شده، ولی قابلیت پیاده سازی در بستر FPGA با استفاده از ابزار HLS نیز لحاظ گردیده است.
سامانه تشخیص ریزپرنده های مهاجم با استفاده از سنسور تصویر Keywords:
سامانه تشخیص ریزپرنده های مهاجم با استفاده از سنسور تصویر authors
سید محمد جواد زینالی
کارشناس ارشد، دانشکده مهندسی برق- دانشگاه سهند- تبریز- ایران
اسماعیل نجفی اقدم
استاد، دانشکده مهندسی برق- دانشگاه دانشگاه سهند - تبریز- ایران
مهدی فرخ زاده
کارشناسی مهندسی کامپیوتر- دانشگاه صنعتی ارومیه – ارومیه – ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :