Модель та засоби системи автоматичного розпізнавання військової техніки у відеопотоці в реальному часі
Автор: Харланов Олександр Михайлович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні управляючі системи та технології
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Актуальність дослідження зумовлена зростанням потреби у швидкому та точному аналізі відеопотоків для виявлення військових об’єктів у реальному часі. У сучасних умовах воєнної агресії автоматизовані засоби спостереження мають ключову роль у підвищенні ситуаційної обізнаності, розвідці та моніторингу. Існуючі системи комп’ютерного зору вимагають спеціальної підготовки даних або не забезпечують необхідної швидкодії при роботі з потоковим відео, що обґрунтовує необхідність розроблення оптимізованої системи детекції військової техніки. Об’єкт дослідження – процес автоматичного розпізнавання військової техніки у відеопотоці в режимі реального часу. Предмет дослідження – методи та алгоритми глибинного навчання і обробки відеоданих, що забезпечують виявлення та класифікацію військових об’єктів. Мета дослідження полягає у розробленні системи автоматичного розпізнавання військової техніки у відеопотоці з використанням моделей глибинного навчання сімейства YOLO, здатної працювати в режимі реального часу та забезпечувати класифікацію техніки за типами AFV, APC, LAV, MEV. Основною метою методології є створення надійної, гнучкої та адаптивної технології обробки відеопотоків, яка зможе інтегруватися у реальні системи моніторингу, працювати на різних апаратних платформах та забезпечувати баланс між точністю моделі та швидкодією інференсу. Методи та інструменти дослідження – реалізація здійснена мовою Python із використанням бібліотек OpenCV та PyTorch, моделі YOLOv8 для детекції об’єктів, інструментів Roboflow, CVAT та LabelImg для анотації даних. Оцінювання точності проводилось за метриками mAP@50, Precision, Recall, FPS та FPR/FNR. Результати та практичне значення – у результаті виконання магістерської роботи планується створити ефективну систему детекції військової техніки, здатну працювати у реальному часі та здійснювати класифікацію об’єктів на відеопотоці. Очікуване практичне значення полягає у можливості використання результатів роботи як у наукових, так і в інженерних проєктах, що стосуються автоматизованої обробки відео. Дана магістерська робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі подано характеристику предметної області, аналіз сучасних методів детекції, визначено проблему автоматичного розпізнавання військової техніки та сформовано вимоги до системи. Другий розділ присвячено проєктуванню системи. Наведено обґрунтування вибору моделей, методів та технологій, описано математичний апарат, принципи класифікації техніки, а також загальну архітектуру майбутнього рішення. У третьому розділі розглянуто застосовані програмні технології, структуру програмного забезпечення, модель даних, архітектуру модулів та інтерфейс користувача. Описано специфіку реалізації детектора, фільтрації об’єктів, відображення результатів та логування. Четвертий розділ містить експериментальну частину: мету та методику тестування, опис вибору тестових даних, результати випробувань легкої та важкої моделей, порівняльні графіки точності та швидкодії, а також аналіз ефективності системи у різних умовах відеозапису. Загальний обсяг роботи становить 125 сторінки, з них 96 сторінки основного тексту, 34 рисунки, 6 таблиць, список використаних джерел налічує 30 найменувань. Ключові слова: розпізнавання об’єктів, військова техніка, комп’ютерний зір, глибинне навчання, YOLO, відеопотік.