vdgtuВестник Дагестанского государственного технического университета. Технические наукиHerald of Dagestan State Technical University. Technical Sciences2073-61852542-095XDaghestan State Technical University10.21822/2073-6185-2024-51-3-123-129vdgtu-1563Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGY AND TELECOMMUNICATIONSВеб-сервис с моделью машинного обучения для мониторинга воздушного пространстваWeb service with machine learning model for airspace monitoringПоповА. Д.PopovA. D.

Попов Антон Дмитриевич, кандидат технических наук, доцент кафедры автоматизированных информационных систем органов внутренних дел

394065, г. Воронеж, пр. Патриотов, 53

Anton D. Popov, Cand. Sci. (Eng.), Assoc. Prof., Department of automated information systems of internal organs

53 Patriotov Ave., Voronezh 394065 

anton.holmes@mail.ruВоронежский институт МВД РоссииРоссияVoronezh Institute of the Ministry of Internal Affairs of RussiaRussian Federation202402102024513123129Copyright © Попов А.Д., 20242024Попов А.Д.Popov A.D.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.dgtu.ru/jour/article/view/1563

Цель. Целью исследования является разработка веб-сервиса детектирования воздушных объектов, обнаруживающего любой летящий объект, выделяя его на изображении и классифицирующий его на предмет угрозы, поскольку современные системы обнаружения воздушных объектов (ПВО) не всегда эффективно справляются с задачей обнаружения беспилотных летательных аппаратов (БПЛА) из-за их малых размеров, низкой высоты полета и использования материалов, малозаметных для радиолокационных станций. БПЛА, функционирующие без управления оператора, также затрудняют обнаружение по радиосигналам. Для эффективного обнаружения БПЛА предлагается использовать систему, основанную на оптическом сканировании неба вокруг охраняемых объектов. Такая система должна обладать возможностью автономной работы и включать в себя детекторы воздушных объектов, созданные на основе технологий компьютерного зрения и искусственного интеллекта (ИИ). Метод. Исследование и разработка веб-сервиса мониторинга воздушного пространства основаны на методах системного анализа, синтеза, дедукции. Результат. Спроектирована и разработана визуальная часть веб интерфейса; сформирован датасет из открытых источников для корректного обнаружения летящих объектов; разработан нейросетевой детектор для классификации летящих объектов представляющих опасность; разработан программный модуль, позволяющий проводить автоматическое обнаружение идентификационных флагов опасных воздушных объектов с последующим предоставлением отчетов в txt файлах в yolo формате (координаты нормализованы). Вывод. Разделение визуальной части сервиса позволит обеспечить распределенное развертывание серверной части, повышая гибкость и масштабируемость. Разработка панели управления администратора позволит эффективно контролировать работу сервиса, управлять настройками и пользователями. В результате внедрения этих улучшений, вебсервис сможет: выполнять мониторинг неба вокруг охраняемых объектов, автоматически обнаруживая и классифицируя воздушные объекты и идентифицировать воздушные объекты по степени угрозы, предоставляя информацию для принятия необходимых мер.

Objective. The goal is to develop a web service for detecting aerial objects that detects a flying object, highlights it in an image and classifies it as a threat, since modern aerial object detection systems do not always cope with the task of detecting unmanned aerial vehicles due to their small size, low flight altitude and the use of materials that are barely noticeable to radar stations. Unmanned aerial vehicles that operate without operator control make it difficult to detect by radio signals. To detect UAVs, it is proposed to use a system based on optical scanning of the sky around protected objects. The system should be capable of autonomous operation and include aerial object detectors created on the basis of computer vision and artificial intelligence technologies. Method. The research and development of the airspace monitoring web service are based on the methods of system analysis, synthesis, and deduction. Result. The visual part of the web interface has been designed and developed; a dataset has been formed from open sources for the correct detection of flying objects; a neural network detector has been developed for classifying flying objects that pose a danger; a software module has been developed that allows for the automatic detection of identification flags of dangerous air objects with subsequent provision of reports in txt files in yolo format (coordinates are normalized). Conclusion. Separation of the visual part of the service will allow for distributed deployment of the server part, increasing flexibility and scalability. Development of the administrator control panel will allow for effective control of the service, management of settings and users. As a result, the web service will be able to: monitor the sky around protected objects, automatically detecting and classifying air objects and identifying air objects by threat level, providing information for taking necessary measures.

БПЛАРЛСкомпьютерное зрениевеб-сервисдетектированиеархитектуракамерыфреймворк FlaskдатасетRoboflowискусственный интеллектultralyticsJupyterLabYOLOOpenCVMinioUAVradarcomputer visionweb servicedetectionarchitecturecamerasFlask frameworkdatasetRoboflowartificial intelligenceultralyticsJupyterLabYOLOOpenCVMinioReferencesБеспилотные летательные аппараты: библиографический указатель /сост. О. В. Давыденко; под ред. Н. Н. Астаповой. – Кемерово: ИИО Кузбасской ГСХА, 2021. – 23 с.Unmanned aerial vehicles: bibliographic index. Compiled by O. V. Davydenko; edited by N. N. Astapova. - Kemerovo: IIO Kuzbass State Agricultural Academy, 2021; 23. (In Russ)Астахова, Н. Л. Дроны и их пилотирование. С чего начать / Н. Л. Астахова, В. А. Лукашов. - СПб.: БХВ-Петербург, 2021. – 224 с.: ил.Astakhova N. L., Lukashov V. A. Drones and their piloting. Where to start. St. Petersburg: BHVPetersburg, 2021; 224l. (In Russ)Дудкин А.А., Ганченко В.В., Инютин А.В., Марушко Е.Е. Идентификация и классификация объектов на изображениях, полученных с помощью съемочных средств БПЛА и орбитального базирования // Системный анализ и прикладная информатика. 2022. № 4. С. 30–37.Dudkin A. A., Ganchenko V. V., Inyutin A. V., Marushko E. E. Identification and classification of objects in images obtained using UAV and orbital-based survey equipment. Systems analysis and applied informatics. 2022; 4.: 30–37. (In Russ)Бубеньщиков А.А., Кастырин М.И., Потаенков Г.О. Разработка аппаратно-программного модуля обнаружения и идентификации БПЛА с запретом его доступа в охраняемую зону на основе подмены сигналов управления//Сборник: Техника и безопасность объектов уголовно-исполнительной системы. Сб. мат. Международной научно-практической конференции. Иваново, 2022. С. 186–189.Bubenshchikov A.A., Kastyrin M.I., Potaenkov G.O. Development of a hardware and software module for detecting and identifying UAVs with a ban on their access to a protected area based on the substitution of control signals. In the collection: Technology and safety of penal system facilities. collection of materials of the International scientific and practical conference. Ivanovo, 2022; 186–189. (In Russ)Создание и развертывание моделей компьютерного зрения//URL: https://roboflow.com/ (дата обращения 01.06.2024).Creation and deployment of computer vision models//https://roboflow.com/ (date of access 01.06.2024).Струков С.А., Печенкин А.Ю., Белослудцев В.Н. Реализация принципов определения расстояния до объектов на базе искусственной нейронной сети // Сборник: Приборостроение в XXI веке – 2022.интеграция науки, образования и производства. Сборник материалов XVIII Всероссийской научно-технической конференции. Ижевск, 2023. С. 56–60.Strukov S.A., Pechenkin A.Yu., Belosludtsev V.N. Implementation of the principles of determining the distance to objects based on an artificial neural network. In the collection: Instrument making in the 21st century – 2022. integration of science, education and production. Collection of materials of the XVIII AllRussian scientific and technical conference. Izhevsk, 2023;56–60. (In Russ)Цурихин О.И., Сокольников В.В. Процесс создания выборки для обучения нейросети с помощью Roboflow // Информационные технологии в строительных, социальных и экономических системах. 2024. № 1–2 (31–32). С. 58–61.Tsurikhin O.I.,Sokolnikov V.V.The process of creating a sample for training a neural network using Roboflow. Information technologies in construction, social and economic systems. 2024;1–2(31–32):58–61. (In Russ)Ochkov V.F., Tikhonov A.I., Stevens A. Jupyter notebook, Jupyterlab-integrated environment for stem education // В сборнике: 2022 6th International Conference on Information Technologies in Engineering Education, Inforino 2022 - Proceedings. 6. 2022.Ochkov V.F., Tikhonov A.I., Stevens A. Jupyter notebook, Jupyterlab-integrated environment for stem education. 2022 6th International Conference on Information Technologies in Engineering Education, Inforino 2022 - Proceedings. 6. 2022.Ильичев В.Ю. Применение библиотеки OpenCV языка Python для распознавания образов объектов // Системный администратор. 2021. № 7-8 (224-225). С. 130-132.Ilyichev V.Yu. Application of the OpenCV library of the Python language for object pattern recognition // System administrator. 2021;7-8 (224-225):130-132. (In Russ)Практическое применение моделей YOLO и ResNet для обнаружения нежелательных предметов на фотографиях // URL: https://habr.com/ru/articles/761200/ (дата обращения 01.06.2024).Practical application of YOLO and ResNet models for detecting unwanted objects in photographs // URL: https://habr.com/ru/articles/761200/ (date of access 01.06.2024) (In Russ)Chae M.S., Lee H.M., Lee K. A. Performance comparison of Linux containers and virtual machines using Docker and Kvm // Cluster Computing. 2019. Т. 22. № Suppl. 1. С. 1765–1775.Chae M.S., Lee H.M., Lee K. A. Performance comparison of Linux containers and virtual machines using Docker and Kvm. Cluster Computing. 2019; 22(l. 1):1765–1775.Захарчёнок В.Ф., Бизюк А.Н. Контейниризация и развертывание приложений с помощью Docker и Docker-compose // В сборнике: Материалы докладов 56-й международной научно-технической конференции преподавателей и студентов. в двух томах. Витебск, 2023. С. 80–82.Zakharchenko V.F., Bizyuk A.N. Containerization and deployment of applications using Docker and Docker-compose. In the collection: Proceedings of the 56th international scientific and technical conference of teachers and students. in two volumes. Vitebsk; 2023:80–82.

The authors declare that there are no conflicts of interest present.