САРАТОВ, 6 августа. ФедералПресс. Ученые из Саратовского государственного технического университета имени Гагарина разработали систему для распознавания типов БПЛА по их акустическим сигналам. Ее преимущество заключается в том, что она может эффективно работать даже среди городского шума и в условиях плохой видимости.
«Система способна преодолевать факторы, ограничивающие распознавание беспилотных летательных аппаратов, и адаптироваться к новым моделям дронов», – сообщает ТАСС со ссылкой на пресс-службу вуза.
В процессе разработки ученые провели исследование, чтобы выявить недостатки существующих систем обнаружения дронов, а также изучили доступные решения. Итогом стал гибридный метод, объединяющий анализ звуковых частот и алгоритмы глубокого обучения с использованием искусственного интеллекта.
По словам автора проекта Сергея Кузнецова, с увеличением возможностей дронов растет риск их незаконного использования. Традиционные методы обнаружения, такие как визуальный осмотр или радиолокация, имеют ограничения. Они неэффективны при плохой видимости, требуют ресурсов и не всегда незаметны. Поэтому важен альтернативный подход – анализ звуков, издаваемых дронами.
Разработанная система легко интегрируется в существующую инфраструктуру и работает на обычном оборудовании. Она позволяет снизить риски, связанные с незаконным использованием дронов, благодаря их раннему обнаружению. Тестирование подтвердило эффективность системы в городских условиях, где она успешно выделяет звуки дронов на фоне шума, отметил ученый.
В университете пояснили, что для обучения системы использовались методы увеличения объема данных, добавление шумов и изменение скорости, а также перенос обучения. Это позволило достичь высокой точности распознавания даже при наличии посторонних звуков.
Отметим, для Саратовской области подобные разработки особенно актуальны, учитывая регулярные атаки украинских дронов. Ранее «ФедералПресс» сообщал, что в результате нападения БПЛА на Энгельс были повреждены более 25 квартир и свыше десятка автомобилей.
Изображение сгенерировано нейросетью Kandinsky 3.1