چکیده مقاله
با گسترش کاربرد پهپادها در ماموریت های خودکار تشخیص دقیق و قابل اعتماد محل مناسب فرود در شرایط محیطی و نوری چالش برانگیز به یکی از مسائل مهم در بینایی ماشین تبدیل شده است در این پژوهش یک چارچوب هوشمند مبتنی بر تصاویر RGB و یادگیری عمیق برای شناسایی ناحیه ایمن فرود پهپاد ارائه می شود چارچوب پیشنهادی شامل یک ماژول پیش پردازش تطبیقی مبتنی بر بهبود کنتراست CLAHE و تنظیم روشنایی Gamma Correction و یک مکانیزم توجه ترکیبی کانالی فضایی با عنوان HCSE است که در معماری ResNet۵۰ ادغام شده است این مکانیزم با تمرکز همزمان بر ویژگی های مکانی و کانالی تاثیر نویزهای نوری و جوی را کاهش می دهد به منظور مقابله با نامتوازن بودن داده ها از وزن دهی تطبیقی در تابع زیان و نمونه برداری تصادفی وزنی استفاده شده است ارزیابی مدل بر روی مجموعه داده های SPREAD و AirSim و در شرایط نوری مختلف نشان می دهد که روش پیشنهادی نسبت به ResNet۵۰، پایه ۶% بهبود در دقت کلی، ۷ ۶ افزایش در بازخوانی و افزایش مقدار AUC تا ۰ ۹۶۴ را به همراه دارد همچنین اختلاف عملکرد مدل در سناریوهای نوری مختلف از ۱۰ ۴٪ به ۵ ۵٪ کاهش یافته است که بیانگر پایداری بالاتر روش پیشنهادی در شرایط جوی چالش برانگیز است
کلیدواژهها
نویسندگان
حانیه سادات صرفه جو
دانشجوی کارشناسی ارشد / گروه مهندسی برق و کامپیوتر دانشگاه صنعتی قم، قم، ایران
محبوبه شمسی
دانشیار گروه مهندسی برق و کامپیوتر دانشگاه صنعتی قم، قم، ایران
عبدالرضا رسولی
دانشیار گروه مهندسی برق و کامپیوتر دانشگاه صنعتی قم، قم، ایران
شیوه ارجاع
�رفه جو، حانیه سادات و شمسی، محبوبه و رسولی، عبدالرضا،1404،تشخیص باند فرود پهپاد در شرایط چالش برانگیز با استفاده از دوربین RGB و شبکه های عصبی عمیق مجهز به مکانیزم توجه،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر
ارائهشده در
همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران