Українські дослідники з компанії Zvook, КПІ та Київської школи економіки навчили ШІ краще виявляти FPV, DJI Mavic та інші малі дрони за звуком, навіть коли їх заглушають вітер, техніка, людські голоси чи інший шум.
Українські дослідники з компанії Zvook, КПІ та Київської школи економіки навчили ШІ краще виявляти FPV, DJI Mavic та інші малі дрони за звуком, навіть коли їх заглушають вітер, техніка, людські голоси чи інший шум.
Про це повідомив Володимир Сидорський, співзасновник компанії Zvook, що виготовляє акустичні сенсори для виявлення повітряних цілей за звуком.
Акустичні системи можуть виявляти БПЛА за характерним звуком двигуна та пропелерів. Однак у реальних умовах виникає проблема: дрон потрібно почути серед вітру, автомобілів, техніки, розмов та інших сторонніх звуків. До того ж різні мікрофони та їхнє розташування можуть сильно змінювати запис, що може ускладнити виявлення дрона.
Для роботи використали понад 300 000 аудіозаписів. Дані надала команда Zvook. До датасету увійшли записи з полігонів і зон бойових дій, а також записи з діючих акустичних сенсорів ППО. Розташування сенсорів теж було різне. Деякі були розміщені на вежах на висоті 10–40 метрів, де умови були досить стабільними. А деякі, відповідно, приблизно за метр над землею, і разом із дронами вони «чули» людей, техніку та інший фоновий шум.
Спочатку моделі дали датасет, де було мало записів малих дронів. За невеликої кількості даних модель із завданням не впоралася. Вона могла «зачепитися» за випадкові особливості конкретного датасету, наприклад, певний фоновий шум, мікрофон, умови запису. Замість того, щоб навчитися надійно знаходити саме акустичні ознаки малого дрона.
Тому їй дали більше «матеріалу для порівняння»: записи більших дронів, гелікоптерів, реактивних і гвинтових літаків. Так алгоритм мав навчитися відрізняти схожі звукові патерни, а не просто реагувати на щось гучне в небі. А далі дослідники почали навмисно псувати записи. До аудіо домішували шум, а в деяких випадках частково заглушували саме найгучніший шматок — той, за який моделі було б найпростіше «зачепитися». Так її змушували шукати слабші ознаки дрона в інших частинах запису.
А вже на фінальному тесті модель перевіряли на записах виключно з активних бойових зон, ще й у нових для моделі локаціях. Окрема модель показала F1-score 78,6%, а комбінація двох моделей — 82,22%. F1-score у цьому дослідженні — це показник якості розпізнавання, який одночасно враховує, скільки дронів система справді знаходить і як часто помилково приймає інші звуки за дрони.
Володимир Сидорський також повідомив, що це дослідження було номіновано на Best Early-Career Scientist Award. Це відзнака для молодих науковців від міжнародної конференції з військових систем зв’язку та інформації. А на сайті NATO Science and Technology Organization можемо побачити, що зрештою це дослідження отримало цю винагороду.
Раніше dev.ua писав, що ZVOOK створила тактичний акустичний сенсор NW0 для виявлення FPV-дронів, зокрема оптоволоконних, за характерним звуком.
