اكتشاف الأجسام في كاميرات الطائرات بدون طيار (UAV) يشير إلى عملية التعرف على الأجسام وتحديد مواقعها – مثل الأشخاص، والمركبات، والمباني، أو معالم التضاريس – داخل بيانات الفيديو أو الصور التي تلتقطها أنظمة الكاميرا المثبتة على متن الطائرة بدون طيار. تُعد هذه القدرة أساسية في تطبيقات مثل المراقبة، وتحديد الأهداف العسكرية، والاستجابة للكوارث، والزراعة، وفحص البنية التحتية.

كيف تعمل

التقاط الصور
تلتقط الطائرات بدون طيار الفيديو أو الصور الثابتة باستخدام كاميرات كهروضوئية (EO)، أو بالأشعة تحت الحمراء (IR)، أو كاميرات حرارية، أو متعددة الأطياف، وغالباً ما تكون مثبتة على جيمبال مثبت لتحقيق ثبات في الرؤية أثناء الطيران.

المعالجة المسبقة
قد يتم تحسين الإطارات الملتقطة أو تغيير حجمها أو فلترتها لتحسين جودة الاكتشاف. كما يمكن دمج بيانات GPS ووحدة القياس بالقصور الذاتي (IMU) من أجل الإسناد الجغرافي.

خوارزميات اكتشاف الأجسام

الطرق التقليدية:

• مخطط تدرج الاتجاهات (HOG) مع آلة المتجهات الداعمة (SVM)

• شلالات Haar

• طرح الخلفية (اكتشاف قائم على الحركة)

الطرق المعتمدة على التعلم العميق (وهي المهيمنة حالياً):

• YOLO (You Only Look Once) – اكتشاف الأجسام في الوقت الحقيقي

• SSD (Single Shot Detector) – كفء ودقيق

• Faster R-CNN – أكثر دقة ولكن أبطأ

• DETR (DEtection TRansformer) – كاشف متقدم قائم على المحولات

المعالجة اللاحقة

• تتبع الأجسام عبر عدة إطارات باستخدام مرشح كالمان (Kalman Filter)، أو خوارزمية SORT أو DeepSORT

• تصفية النتائج الخاطئة وتطبيق عتبات الثقة

• دمج نتائج الاكتشاف مع بيانات التتبع والعرض على الخرائط

نقل البيانات أو تخزينها

يمكن تخزين نتائج الاكتشاف والبيانات الوصفية على متن الطائرة أو إرسالها عبر روابط الاتصال مثل LTE أو CUAV P9 أو LoRa إلى محطات التحكم الأرضية.

الأجهزة الشائعة لاكتشاف الأجسام على الطائرات بدون طيار

الكاميرات:

• كاميرات RGB (كهروضوئية)، بالأشعة تحت الحمراء، الحرارية، أو متعددة الأطياف

وحدات المعالجة:

• سلسلة NVIDIA Jetson (Nano، TX2، Xavier، Orin)

• وحدة Google Coral TPU

• Intel Movidius Neural Compute Stick

• FPGA أو وحدات STM32 عالية الأداء (لأغراض التصفية المسبقة أو المنطق البسيط)