DEVELOPMENT OF A REAL-TIME UAV RECOGNITION MODEL BASED ON YOLOV10 NEURAL NETWORK

Аннотация

В статье рассматривается разработка модели для распознавания и классификации беспилотных летательных аппаратов и птиц в реальном времени на основе обучения нейронной сети YOLOv10. Актуальность темы обусловлена проблемами обнаружения БПЛА в контексте обеспечения безопасности с учетом их растущего использования в различных сферах. Для обучения модели использовался датасет, содержащий 6255 изображений, собранных из собственных архивов и открытых ресурсов. Аннотирование, аугментация и распределение данных осуществлялись с использованием платформы Roboflow.com. Обучение модели проводилось на графическом процессоре NVIDIA GeForce RTX 4080 с применением фреймворка Ultralytics. Результаты тестирования показали высокую точность распознавания, при этом метрики mAP50 и mAP50-95 превысили показатели предыдущих версий YOLO. Модель демонстрирует способность к эффективной сегментации и отслеживанию объектов, что делает её перспективной для применения в системах оптико-электронного наблюдения. Результаты исследования могут быть полезны разработчикам систем обнаружения и классификации БПЛА и птиц, а также в целях повышения безопасности в различных отраслях.