سیدعلی حسینی مرادی - دانشگاه پدافند هوایی خاتم الانبیاء(ص)،تهران، ایران
نادر قبادی - دانشگاه ملایر،ملایر،ایران
مجید امیرزاده - دانشگاه افسری امام علی (ع)،تهران، ایران

در سال های اخیر پیشرفت بسیار سریع فناوری در حوزه ی پهپادها (پرنده های هدایت پذیر از دور)، در کنار مزایای خود، تهدیدات جدی را در سطوح مختلف اجتماعی و امنیتی به همراه داشته است. از جمله ی این مشکلات، می توان به بحث پروازهای غیرمجاز در مناطق حفاظت شده و امنیتی اشاره کرد. لذا تشخیص به موقع این دستگاه ها در جهت انجام سریع اقدامات مربوطه، ضروری است. در همین راستا، در این پژوهش با بهره گیری از الگوریتم YOLOv۵l که جزء جدیدترین نسخه الگوریتم های یک مرحله ای بینایی رایانه ای است، دو مدل با بهینه سازهای SGD و Adam جهت تشخیص به موقع پهپادها توسعه داده شده است. برای توسعه ی مدل های حاضر در این پژوهش، از یک مجموعه داده شامل ۱۰۰۴۶ عدد عکس از انواع و حالات مختلف پهپادها استفاده شده است. پردازش مدل ها به کمک بستر گوگل کولب انجام شده است که به صورت رایگان یک سیستم پردازشی قدرتمند را در اختیار توسعه دهندگان قرار می دهد. ارزیابی مدل ها بر روی چهار مجموعه آزمون ۱۰۰۰ عددی شامل مجموعه آزمون معمولی، کم حجم، حالت شب، خاکستری مقیاس و همچنین یک مجموعه آزمون شامل ۱۰۰ عدد عکس از چندین پهپاد صورت گرفته است. طبق نتایج ارائه شده در این پژوهش، مدل توسعه داده شده با بهینه ساز Adam نسبت به مدل توسعه داده شده با بهینه ساز SGD عملکرد بهتری داشته است.

پهپاد (پرنده هدایت پذیر از دور), تشخیص خودکار, هوش مصنوعی, بینایی رایانه ای, YOLOv۵