Система обнаружения БПЛА с применением компьютерного зрения и тепловизионной аналитики

[ Описание ]

Разработка программно-аппаратного комплекса и системы компьютерного зрения для автоматического мониторинга воздушного пространства, обнаружения БПЛА и классификации воздушных целей в режиме реального времени. Решение объединяет интеллектуальную видеоаналитику, тепловизионную аналитику и алгоритмы ИИ для круглосуточного контроля промышленных объектов.

[ Ключевая ценность ]

Комплекс обеспечивает непрерывный контроль воздушной обстановки вокруг объекта и снижает зависимость от человеческого фактора, а также позволяет масштабировать контроль пространства без пропорционального увеличения числа операторов. Операторы получают только подтвержденные события и могут сосредоточиться на реагировании на реальные угрозы вместо постоянного визуального наблюдения за видеопотоками.

Заказать

Написать

[

NDA

]

NDA

Крупный российский ИТ-интегратор, реализующий проекты цифровизации и промышленной безопасности для предприятий нефтегазового сектора и объектов критической инфраструктуры.

[

Задача

]

Промышленные предприятия и объекты нефтегазовой инфраструктуры сталкиваются с растущим количеством инцидентов, связанных с появлением беспилотных летательных аппаратов в контролируемой зоне. Визуальное наблюдение не позволяет своевременно выявлять малоразмерные воздушные цели, особенно в ночное время и при сложных погодных условиях. Перед командой BPA стояла задача создать систему, способную автоматически обнаруживать дроны и другие воздушные объекты, сопровождать их в режиме реального времени, снижать количество ложных тревог и предоставлять операторам объективную информацию для быстрого принятия решений.

[ Решение ]

Система обнаружения БПЛА на базе компьютерного зрения

В основе решения лежит двухэтапная архитектура для автоматического мониторинга воздушного пространства. Комплекс был спроектирован для круглосуточного обнаружения малоразмерных воздушных целей, включая дроны и беспилотники самолетного типа, их сопровождения и последующей классификации.

Для решения этой задачи использовалась промышленная видеоаналитика на базе компьютерного зрения, способная анализировать видеопоток в сложных условиях.

Архитектура решения объединила обзорные камеры, поворотные камеры с оптическим увеличением, тепловизионные модули, локальный вычислительный сервер и программный интерфейс оператора. Такой подход позволил выполнять первичную фиксацию целей на большой площади наблюдения и автоматически переключаться на детальное сопровождение объекта после его обнаружения.

Для работы комплекса в различных условиях эксплуатации были разработаны отдельные алгоритмы обработки изображений для дневного и тепловизионного спектра.

‍

ИИ-система мониторинга БПЛА на промышленном объекте с определением координат, высоты, скорости и класса объекта

‍

Подготовка и обучение моделей искусственного интеллекта

Одним из наиболее трудоемких этапов проекта стало формирование обучающей выборки для моделей компьютерного зрения.

Для обучения и тестирования алгоритмов было собрано более 200 000 изображений воздушных объектов, полученных в различных географических локациях, погодных условиях и сценариях эксплуатации. В выборку вошли материалы с разным уровнем освещенности, облачностью, засветками, контровым светом, сложным фоном и различными углами наблюдения.

Отдельное внимание уделялось подготовке данных для работы с малоразмерными объектами, которые на изображении могут занимать лишь несколько десятков пикселей.

В рамках проекта разрабатывались специализированные алгоритмы искусственного интеллекта для дронов и других воздушных объектов, способные работать как с видеопотоком в видимом диапазоне, так и с тепловизионными данными. Это позволило обеспечить стабильную работу комплекса как днем, так и ночью.

‍

Обнаружение воздушных целей

Первый контур системы отвечает за непрерывный мониторинг воздушного пространства.

Алгоритмы в режиме реального времени анализируют видеопоток с обзорных камер и выполняют поиск движущихся объектов в небе. После обнаружения потенциальной цели система автоматически определяет ее координаты, направление движения и параметры сопровождения.

Для повышения надежности обнаружения были реализованы механизмы фильтрации шумов, ложных срабатываний и нестабильных детекций, возникающих из-за облаков, бликов, осадков и других факторов окружающей среды.

‍

Интеллектуальное сопровождение цели

После первичного обнаружения система автоматически передает координаты объекта на поворотную камеру с оптическим увеличением.

Алгоритмы управления выполняют автоматическое наведение камеры на цель, корректируют положение в процессе движения объекта и обеспечивают его непрерывное сопровождение в кадре.

Благодаря автоматизации процесса оператору не требуется вручную искать объект и управлять поворотным устройством. Система самостоятельно удерживает цель в зоне наблюдения и предоставляет увеличенное изображение для дальнейшего анализа.

‍

Классификация воздушных объектов

После получения детализированного изображения запускается второй контур искусственного интеллекта — модуль классификации воздушных объектов.

Его задачей является определение типа обнаруженной цели и снижение количества ложных тревог.

Алгоритмы были обучены различать:

квадрокоптеры и беспилотные летательные аппараты;
беспилотники самолетного типа;
вертолеты;
самолеты;
птицы.

Для повышения точности классификации использовались как визуальные признаки объекта, так и дополнительный анализ его поведения в воздушном пространстве.

‍

Анализ траектории движения

Одной из ключевых особенностей проекта стало использование алгоритмов анализа траектории полета.

Помимо изображения объекта система анализирует историю его перемещения между кадрами, направление движения, характер изменения скорости и особенности маневрирования.

Такой подход позволяет учитывать поведенческие признаки цели. Например, птицы и беспилотники могут иметь схожий внешний вид на большом расстоянии, однако существенно отличаются характером движения. Совмещение визуальной классификации и анализа траектории позволило значительно повысить достоверность распознавания воздушных целей.

‍

Видеоаналитика для обнаружения БПЛА и малоразмерных воздушных объектов в реальном времени

‍

Интерфейс мониторинга и управление событиями

Для работы операторов была разработана платформа видеоаналитики с веб-интерфейсом мониторинга воздушной обстановки.

В системе отображаются:

обнаруженные объекты;
тип цели;
координаты обнаружения;
история сопровождения;
архив событий;
журнал тревог.

Интерфейс обеспечивает централизованный контроль воздушного пространства и предоставляет оператору всю необходимую информацию для оперативного реагирования.

Вызовы и решения

[ Вызов ]

Малоразмерные беспилотники на большом расстоянии занимают на изображении лишь несколько десятков пикселей, что существенно осложняет их обнаружение стандартными алгоритмами видеоаналитики.

[ Решение ]

Сформирован датасет объемом более 200 000 изображений и обучены специализированные модели компьютерного зрения для поиска малоразмерных воздушных объектов в условиях сложного фона и различных погодных сценариев.

[ Вызов ]

Птицы, беспилотники, самолеты и вертолеты могут иметь схожие визуальные признаки при наблюдении на значительном удалении, что приводит к ложным тревогам.

[ Решение ]

Разработан многоуровневый модуль классификации воздушных объектов, использующий анализ визуальных признаков и поведенческих характеристик траектории полета для повышения достоверности распознавания.

[ Вызов ]

Система должна одинаково эффективно работать как днем, так и ночью, сохраняя возможность обнаружения целей в условиях ограниченной видимости.

[ Решение ]

Разработаны независимые модели искусственного интеллекта для работы в видимом и тепловизионном диапазонах, обеспечивающие круглосуточный мониторинг воздушного пространства.

[ Технологический стек ]

Python

ONNX Runtime

PyTorch

[ Решение ]

Результатом проекта стала система обнаружения БПЛА для мониторинга воздушного пространства на промышленных объектах. Комплекс анализирует видеопотоки в видимом и тепловизионном диапазонах, обнаруживает воздушные цели, сопровождает их в кадре и классифицирует объекты: беспилотники, птиц, самолеты и вертолеты. Дополнительно был разработан модуль анализа траектории движения, создан программно-аппаратный контур мониторинга воздушного пространства и реализован интерфейс для операторского контроля событий и реагирования на обнаруженные цели.

200 000+

изображений использовано для подготовки и обучения моделей

5

классов объектов: БПЛА, самолеты, вертолеты, птицы, беспилотники самолетного типа

< 1 секунды

первичная детекция воздушной цели в видеопотоке

2

спектра анализа: видимый и тепловизионный диапазоны

Другие проекты

/ Все проекты /

Сервис оценки качества работы автопарка

Telegram-бот для оценки качества работы автотранспорта, разработанный для ГБУ «Автотранспортная компания», позволяет пассажирам оставлять отзывы о поездках путем сканирования QR-кодов, размещенных в автомобилях. Система обеспечивает сбор, обработку и анализ обратной связи, что способствует повышению качества обслуживания и улучшению контроля за работой водителей.

HR-платформа Московской области

Разработка нового модуля системы «Инвестиционный портал Московской области» для сокращения времени заполнения вакансий предприятий и инвестиционных проектов, а также для упрощения взаимодействия между работодателями и соискателями.