Донавчання та оптимізація нейромережевої системи детекції БПЛА для вбудованих обчислювачів засобів перехоплення

Abstract

Об’єкт дослідження – процес автоматизованої детекції та відстеження безпілотних літальних апаратів у реальному часі. Предмет дослідження – методи донавчання та апаратно-програмної оптимізації нейромережевих моделей комп'ютерного зору для роботи на ресурсно-обмежених обчислювачах. Мета роботи – розробити та оптимізувати конвеєра комп'ютерного зору для детекції та темпорального супроводження військових БПЛА на базі вбудованих обчислювальних платформ. Методи дослідження – комп'ютерний зір, алгоритмічна оптимізації, методи обчислювального експерименту та статистичного аналізу. У роботі розроблено програмний конвеєр комп'ютерного зору для напівавтономного перехоплення БПЛА. Для побудови навчального набору реалізовано збір та розмітку кадрів моделями Gemini 2.5 Pro та SAM 3 із дедуплікацією за IoU та ембедингами DINOv2 (алгоритм k-Center Greedy), що дало змогу сформувати датасет обсягом 13 200 кадрів. Навчено модель YOLO26n, компіляція якої у TensorRT FP16 забезпечила швидкодію 95,7 FPS (затримка 10,45 мс) при деградації mAP50 лише на 0,01%. Аналіз трекерів підтвердив перевагу ByteTrack над OC-SORT в умовах шумних детекцій (HOTA – 69,26%, IDF1 – 84,14%) при затримці 0,568 мс, а наскрізна затримка обробки кадру конвеєром склала 13,14 мс (76 FPS), що доводить працездатність системи.