Ющенко, ЮрійФедюченко, Михайло2025-09-102025-09-102025https://ekmair.ukma.edu.ua/handle/123456789/36595Дипломна робота присвячена виявленню безпілотних повітряних апаратів (дронів) з використанням методів глибинного навчання. В процесі дослідження було проаналізовано вже існуючі методи та системи виявлення безпілотників, та на основі цих даних обрано потрібну методологію. Було виконано збір релевантних наборів даних та проведено тренування моделей YOLOv5 та YOLOv8 на відповідних наборах. Було проаналізовано ефективність використання еволюційних алгоритмів для конфігураційних параметрів моделей. Після тренування були зібрані тестові дані, що включали зображення з реальними сценаріями, включаючи різні умови освітлення, шум та зміну масштабу об'єктів. У результаті порівняння встановлено, що використання техніки плиточного розбиття покращує детекцію малих об'єктів, забезпечуючи більш точні результати, але тільки у випадку високої роздільної якості зображень. Виявлено, що обидві архітектури YOLOv5 і YOLOv8 демонструють високу ефективність у виявленні дронів, проте YOLOv8 продемонстрував дещо кращі результати у порівнянні з YOLOv5. Актуальність роботи полягає в тому, що отримані результати можна застосувати для виявлення безпілотних повітряних апаратів, що є корисними для подальшого розвитку систем безпілотного контролю та безпеки повітряного простору.ukбезпілотні повітряні апарати (дрони)глибинне навчаннясистеми виявлення безпілотниківеволюційні алгоритмимагістерська роботаOther