Разработка программного обеспечения для бесконтактного управления БПЛА
https://doi.org/10.32634/0869-8155-2024-379-2-107-112
Аннотация
Статья посвящена разработке программы для бесконтактного управления БПЛА с помощью нейросети, которая отслеживает положение объекта. Для этих целей была обучена соответствующая модель на нейросети ultralytics YOLOv8. Приведены графики обучения данной модели, демонстрирующие изменение величины функции потерь по ограничивающей рамке и классу, а также величины метрики mAP50-95. Обучение завершилось при значении метрики mAP50-95 0,855. Разработано программное обеспечение для управления БПЛА с помощью движений руки, приведены ее блок-схема и описание. Программа считывает координаты руки в каждом кадре, рассчитывает ее площадь, производит оценку полученных данных и отправляет управляющие команды на коптер, который перемещается в соответствующую сторону на заданный шаг, включая при этом определенную группу светодиодов. Вместе с этим на экране отображается симуляция перемещения дрона в двух проекциях (спереди и сверху) и отображаются относительные координаты дрона. Тестирование программного обеспечения производилось на квадрокоптере Geoscan pioneer mini. Может использоваться для учебных, демонстрационных целей, в сельском хозяйстве, спортивных соревнованиях по БПЛА, аэрофото- и видеосъемках и других сферах деятельности.
Об авторе
Д. Е. Федоров
Кузбасский государственный аграрный университет им. В.Н. Полецкова
Россия
Россия
Дмитрий Евгеньевич Федоров – кандидат технических наук
ул. Марковцева, 5, Кемерово, 650056
Список литературы
1. Погонышев В.А., Погонышева Д.А., Ториков В.Е. Нейронные сети в цифровом сельском хозяйстве. Вестник Брянской ГСХА. 2021; (5): 68–71. https://doi.org/10.52691/2500-2651-2021-87-5-68-71
2. Сорокин И.А., Романов П.Н., Кондраненкова Т.Е., Ружьев В.А., Стенина Н.А., Пушкаренко Н.Н. Исследование алгоритмов перестановочного декодирования в системах управления БПЛА. Аграрная наука. 2022; (11): 133–140. https://doi.org/10.32634/0869-8155-2022-364-11-133-140
3. Кузнецов П.Н., Котельников Д.Ю., Воронин Д.Ю. Технология автоматизированного мониторинга состояния виноградника. Аграрная наука. 2023; (3): 109–116. https://doi.org/10.32634/0869-8155-2023-368-3-109-116
4. Стесев Г.И., Журавлев В.А. Использование нейросетей для решения задач прогнозирования, адаптированного управления и распознавания образов, применяемых в роевых БПЛА. Неделя науки СПбПУ. Материалы научной конференции с международным участием. СПб.: Политех-Пресс. 2019; 83–86. https://www.elibrary.ru/mgdgwr
5. Wang C., Wang L. Artificial Neural Network and Its Application in Image Recognition. Journal of Engineering Research and Reports. 2023; 24(2): 50–57. https://doi.org/10.9734/JERR/2023/v24i2802
6. Syberfeldt A., Vuoluterä F. Image Processing based on Deep Neural Networks for Detecting Quality Problems in Paper Bag Production. Procedia CIRP. 2020; 93: 1224–1229. https://doi.org/10.1016/j.procir.2020.04.158
7. Калинцев Д.С. Система автоматической дозаправки БПЛА на основе нейросетей с использованием технологии CUDA. Молодежь и наука. XIX Международная телекоммуникационная конференция молодых ученых и студентов. Тезисы докладов. М.: Национальный исследовательский ядерный университет «МИФИ». 2015; 3: 95–96. https://www.elibrary.ru/wgqjdd
8. Михайлов В.А., Пилипенко О.Г. Распознавание основных объектов инфраструктуры городской местности при помощи БПЛА и нейросети U-Net. IV Всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами искусственного интеллекта» (БТС-ИИ-2017). Труды семинара. Казань: Центр инновационных технологий. 2017; 25–35. https://www.elibrary.ru/mnkclf
9. Матко Е.В., Сафонова А.Н. Применение глубокого обучения для прогнозирования риска вымирания лесов от деятельности серой цапли на основе данных БПЛА. Региональные проблемы дистанционного зондирования Земли. Материалы X Международной научной конференции. Красноярск: Сибирский федеральный университет. 2023; 237–241. https://www.elibrary.ru/zlyejm
10. Сыч А.С., Балык В., Поляков А.И., Карталов А.В. Применение аэрофотосъемки с применением мультиспектральной камеры в комплексе с нейросетью в сельском хозяйстве. Chronos. 2019; (9): 26–28. https://www.elibrary.ru/cyelpr
11. Рогачев А.Ф., Белоусов И.С. Нейросетевое выявление проблемных участков состояния посевов методами искусственного интеллекта. Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2022; (3): 459–466. https://www.elibrary.ru/bjmzny
12. Долженко В.А., Балык В., Поляков А.И., Карталов А.В. Применение мультиспектральной аэрофотосъемки в комплексе с нейросетью для автоматизации мониторинга в сельском хозяйстве. Наукоемкие технологии и инновации (XXIII научные чтения). Сборник докладов Международной научно-практической конференции, посвященной 65-летию БГТУ им. В.Г. Шухова. Белгород: Белгородский государственный технологический университет им. В.Г. Шухова. 2019; 10: 33–37. https://www.elibrary.ru/ylcfbr
13. Шайдуллин М.И., Белов Н.В. Разработка системы управления беспилотным летательным аппаратом с помощью жестов. Технологии информационного общества. Сборник трудов XVI Международной траслевой научно-технической конференции. М.: Медиа Паблишер. 2022; 324–326. https://www.elibrary.ru/eozwwe
14. Нагапетян В.Э., Хачумов В.М. Распознавание жестов руки в задаче бесконтактного управления беспилотным летательным аппаратом. Автометрия. 2015; 51(2): 103–109. https://www.elibrary.ru/tszezd
15. Сенов А.А. Улучшение оценки распределенного стохастического градиентного спуска через аппроксимацию функции потерь. Стохастическая оптимизация в информатике. 2015; 11(1): 103–126. https://www.elibrary.ru/ubgwob
16. Dang F., Chen D., Lu Y., Li Z. YOLOWeeds: A novel benchmark of YOLO object detectors for multi-class weed detection in cotton production systems. Computers and Electronics in Agriculture. 2023; 205: 107655. https://doi.org/10.1016/j.compag.2023.107655
Рецензия
Для цитирования:
Федоров Д.Е. Разработка программного обеспечения для бесконтактного управления БПЛА. Аграрная наука. 2024;(2):107-112. https://doi.org/10.32634/0869-8155-2024-379-2-107-112
For citation:
Fedorov D.E. Development of software for contactless control of UAVs. Agrarian science. 2024;(2):107-112. (In Russ.) https://doi.org/10.32634/0869-8155-2024-379-2-107-112
Просмотров:
260
Послать статью по эл. почте 