کاربرد ترکیبی الگوریتم‌های بینایی ماشین و شبکه‌های عصبی کانولوشنی مبتنی بر ناحیه در شناسایی اشیای متخاصم برای تقویت امنیت مرزی و پدافند سرزمینی

کد مقاله : 1128-PAYDARI (R3)

نویسندگان

جواد پالیزوان *1، الیاس حاجی پور2، پویا آقابیگی3، محمدباقر علیپور1 1دانشگاه تبریز 2مدیر برنامه ریزی 3کارشناس ارشد دانش

چکیده مقاله

تشدید تهدیدات امنیتی در مرزهای زمینی و هوایی در سال‌های اخیر، اهمیت بهره‌گیری از فناوری‌های نوین برای ارتقای توان دفاع سرزمینی و توسعه پدافند داخلی را بیش از پیش نمایان ساخته است. تنوع تهدیدات، پیچیدگی محیط‌های عملیاتی و محدودیت‌های انسانی در پایش مستمر این محیط‌ها، ضرورت طراحی سامانه‌های هوشمند و خودکار را ایجاد کرده است. در این پژوهش چارچوبی نوین بر پایه ترکیب الگوریتم‌های پیشرفته بینایی ماشین و شبکه‌های عصبی کانولوشنی مبتنی بر ناحیه (Region-based CNN) ارائه می‌شود که با هدف شناسایی دقیق، سریع و قابل اعتماد اشیای متخاصم در شرایط متغیر و اغتشاش‌آلود طراحی شده است. روش پیشنهادی با استفاده از مکانیزم استخراج ویژگی چندسطحی و انتخاب ناحیه‌های کاندیدا، قادر است میان اهداف متخاصم و سایر اشیای محیطی تمایز قابل توجهی ایجاد کند و بدین ترتیب نرخ تشخیص تهدیدات را به شکل چشمگیری افزایش دهد. برای ارزیابی عملکرد چارچوب ارائه‌شده، مجموعه‌ای از داده‌های شبیه‌سازی‌شده و واقعی که شرایط محیطی گوناگون شامل نویز، تغییرات روشنایی، زوایای متفاوت دید و اغتشاش حرکتی را پوشش می‌دادند مورد استفاده قرار گرفت. نتایج آزمایش‌ها نشان داد که مدل توسعه‌یافته نه تنها در مقایسه با روش‌های کلاسیک از دقت بالاتری برخوردار است، بلکه زمان پردازش آن نیز بهینه‌سازی شده و امکان استقرار در سامانه‌های بلادرنگ پدافند داخلی را دارا می‌باشد. یافته‌های این تحقیق حاکی از آن است که استفاده از چارچوب پیشنهادی می‌تواند به‌طور مستقیم در تقویت سامانه‌های هوشمند پایش مرزی نقش‌آفرین باشد. این رویکرد، علاوه بر افزایش ضریب امنیت مرزها، قابلیت توسعه برای به‌کارگیری در سایر حوزه‌های دفاعی و امنیتی نظیر مدیریت بحران، حفاظت از زیرساخت‌های حیاتی و کنترل ترافیک هوایی را نیز دارد. در نتیجه، پژوهش حاضر گامی مؤثر در مسیر بهره‌برداری عملی از هوش مصنوعی در پدافند سرزمینی محسوب می‌شود.

کلیدواژه ها

امنیت مرزی، دفاع سرزمینی، پدافند داخلی، بینایی ماشین، شبکه‌های عصبی کانولوشنی مبتنی بر ناحیه ، شناسایی اشیای متخاصم، سامانه‌های هوشمند پایش.

وضعیت: پذیرفته شده