БАГАТОРІВНЕВИЙ ПІДХІД ВИЯВЛЕННЯ ТА РОЗПІЗНАВАННЯ НЕБЕЗПЕЧНИХ ПРЕДМЕТІВ ЗА ДОПОМОГОЮ БПЛА ІЗ ЗАСТОСУВАННЯМ КОМП’ЮТЕРНОГО ЗОРУ

Автор(и)

  • Сергій Роботько Національний університет кораблебудування імені адмірала Макарова, Україна
  • Дмитро Луцак Університет короля Данила, Україна

DOI:

https://doi.org/10.30977/BUL.2219-5548.2025.111.0.203

Ключові слова:

гуманітарне розмінування, БПЛА, візуально-мовні моделі, бездротова комп'ютерна мережа, комп'ютерний зір, YOLOv8, геоприв'язка, багаторівневий аналіз зображення, ChatGPT

Анотація

Запропоновано багаторівневу систему виявлення мін за допомогою безпілотного літального апарата (БПЛА) зі швидкою детекцією YOLOv8n на наземній станції та хмарній семантичній верифікації ChatGPT-4o Vision із проміжною впевненістю. Відео 1080p з Raspberry Pi синхронізується з телеметрією Pixhawk 6C й геоприв‟язується, після чого контейнеризація та повне логування гарантують відтворювання. Запропонована схема прийняття рішень дозволяє зберігати високу повноту на етапі YOLOv8 і скорочувати хибні спрацьовування завдяки семантичній перевірці проблемних ділянок зображення в хмарі без істотного впливу на середню затримку та смугу каналу.

Біографії авторів

Сергій Роботько, Національний університет кораблебудування імені адмірала Макарова

аспірант кафедри комп’ютеризованих систем управління

Дмитро Луцак, Університет короля Данила

старший викладач кафедри інформаційних технологій

Посилання

Emanuele Vivoli, Marco Bertini, Lorenzo Capi- neri Deep Learning-Based Real-Time Detection of Surface Landmines Using Optical Imaging. Remote Sens. 2024. URL: https://www.mdpi.com/ 2072-4292/16/4/677

Jasper Baur, Kyle Dewey, Gabriel Steinberg, Frank O. Nitsche. Modeling the Effect of Vege- tation Coverage on Unmanned Aerial Vehicles- Based Object Detection: A Study in the Minefield Environment. Remote Sens. 2024. URL: https://www.mdpi.com/2072-4292/16/12/2046

Sergey A. Stankevich, Ievgen Y. Saprykin. Op- tical and Magnetometric Data Integration for Lan- dmine Detection with UAV. WSEAS Transactions on Environment and Development, 2024. DOI: 10.37394/232015.2024.20.96.

Dillon Reis, Jordan Kupec, Jacqueline Hong, Ah- mad Daoudi. Real-Time Flying Object Detection with YOLOv8, arXiv. 2023. URL: https://arxiv.org/ abs/2305.09972

Ultralytics. “YOLOv8 Documentation,” Ultra- lytics Docs, 2025. URL: https://docs.ultraly- tics.com/

YOLOv5, YOLOv8 and YOLOv10 / Muhammad Hussain, et al. Muhammad Hussain, et al. The Go- To Detectors for Real-Time Object Detection, ar Xiv, 2024. URL: https://arxiv.org/pdf/ 2407. 02988

Label Studio Team. Label Studio: Open Source Data Labeling Platform. Documentation, 2025. URL: https://labelstud.io/

Yolo model training dataset. URL: https://github.com/robotkos/yolo_dataset

OpenAI. GPT-4o System Card, OpenAI, 2024. URL: https://cdn.openai.com/gpt-4o-system-card.pdf

Simon Monk “Raspberry Pi Cookbook: Software and Hardware Problems and Solutions 4th Edition”. 2023

PX4 Dev Team. Holybro Pixhawk 6C | PX4 User Guide, PX4 Docs, 2024. URL: https://docs.px4. io/ main/ en/flight_controller/pixhawk6c

MAVLink Community. MAVLink Developer Guide, 2025. URL: https://mavlink.io/en/

Jasper Baur, Kyle Dewey, Gabriel Steinberg, Frank O. Nitsche. A False-Positive-Centric Fra- mework for Object Detection in Aerial Imagery. Remote Sensing. 2025. URL: https://www.mdpi. com/2072-4292/17/14/2429

##submission.downloads##

Опубліковано

2025-12-30

Номер

Розділ

КОМП’ЮТЕРНІ НАУКИ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ