Approaches to the formation of an image database in the explosive ordnance identification system for further training of a neural network

Author:

Protsiuk Y.,Draglyuk O.,Palamarchuk N.,Kutsaiev Р.,Ovsyannikov V.

Abstract

The use of unmanned aerial vehicles to detect explosive objects is a promising area of demining. Currently, a significant role in identifying detected objects remains with the operator (human). To solve the problem of identifying images of explosive objects, it is advisable to equip unmanned aerial vehicles or other robotic systems with appropriate software and hardware with built-in elements of artificial intelligence that would allow to recognize detected objects with a certain probability by their characteristic local features (shape/image, body material, body temperature) and classify them without operator participation. Recognition consists in calculating the relevance measure between the descriptions of the object and the reference, whose images are given as sets of descriptor vectors, and optimizing the values of this measure for the reference database. The article discusses the main algorithms (methods) for image identification and selects those that have higher performance and are built according to the binary type, which simplifies the calculation process and reduces costs. In general, the combination of ORB and BRISK descriptors gives better results, since it takes into account color distortion, poor lighting, noise, and different projections. The paper proposes approaches to forming a database of explosive ordnance images, which will further serve as an input layer for training a neural network to identify explosive ordnance. In the course of the work, a program code was written that makes it possible to test the performance of combined methods (algorithms) of image identification in terms of database formation, storage and testing.

Publisher

Scientific Journals Publishing House

Reference16 articles.

1. Мірошниченко Б. Десятки років та мільярди доларів. Коли розмінують українські поля та міста? // Економічна правда. 2023. URL: https://www.epravda.com.ua/publications/2023/03/7/697737/.

2. Аналіз виконання робіт щодо очищення території України від вибухонебезпечних предметів по роках // Державна служба України з надзвичайних ситуацій. 2023. URL: https://dsns.gov.ua/protiminna-diyalnist/gumanitarne-rozminuvannya/analiz-vikonannya-robit-schodo-ochischennya-teritoriyi-ukrayini-vid-vibuhonebezpechnih-predmetiv-po-rokah.

3. Собенко Н. Повне розмінування України може зайняти понад 750 років – WP // Суспільні Новини. 2023. URL: https://suspilne.media/534815-povne-rozminuvanna-ukraini-moze-zajnati-ponad-750-rokiv-wp/.

4. Чередниченко О. Ю., Паламарчук Н. А., Шемендюк О. В., Мартинюк В. В. Синтез системи виявлення вибухонебезпечних предметів на базі безпілотного літального апарата // Системи і технології зв’язку, інформатизації та кібербезпеки. Випуск 3, 2023. С. 163–170. ISSN 2786-6610. DOI: 10.58254/viti.3.2023.

5. Невлюдов І. Ш., Янушкевич Д. А., Толкунов І. О., Попов І. І., Іванець Г. В. Обґрунтування необхідності створення робототехнічних комплексів для гуманітарного розмінування. Problems of Emergency Situations (Проблеми надзвичайних ситуацій). Серія: Civil Security. Вип. 2 (38). С. 17–38. DOI: 10.52363/2524-0226-2023-38-2.

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3