عرض تفاصيل البحث

ادناه جميع التفاصيل الخاصة بالبحث المطلوب عرضه. توفر هذه المنصة معلومات اساسية حول البحث, لمزيد من التفاصيل يرجى متابعة التصفح من خلال الضغط على الرابط الاصلي للبحث او رابط DOI.

عنوان البحث
Unmanned Aerial Vehicles And Machine Learning For Detecting Objects In Real Time
عنوان المجلة
Bulletin Of Electrical Engineering And Informatics
ISSN-2302-9285
تفاصيل النشر
سنة النشر - 2022 / الفهرس الاصلي للمجلة - 11 : 6 (عدد الصفحات 7)
تصنيف البحث
تكنولوجيا المعلومات - المجموعة العلمية
رابط DOI
10.11591/eei.v11i6.4185
رابط البحث
فتح في موقع المجلة الرسمي
البحث والاستدامة
الهدف 9– الصناعة والابتكار والبنية التحتية   المزيد حول هذا الهدف
البحث والمجتمع
نعم , يدعم
الكلمات المفتاحية
Object detection; Real-time system; UAV; YOLO

اسم الباحثجهة الانتساببلد الباحث
مصطفى فاهم البغدادي جامعة بابل العراق
مهدي عبادي مانع جامعة بابل العراق

An unmanned aerial vehicle (UAV) image recognition system in real-time is proposed in this study. To begin, the you only look once (YOLO) detector has been retrained to better recognize objects in UAV photographs. The trained YOLO detector makes a trade-off between speed and precision in object recognition and localization to account for four typical moving entities caught by UAVs (cars, buses, trucks, and people). An additional 1500 UAV photographs captured by the embedded UAV camera are fed into the YOLO, which uses those probabilities to estimate the bounding box for the entire image. When it comes to object detection, the YOLO competes with other deep-learning frameworks such as the faster region convolutional neural network. The proposed system is tested on a wild test set of 1500 UAV photographs with graphics processing unit GPU acceleration, proving that it can distinguish objects in UAV images effectively and consistently in real-time at a detection speed of 60 frames per second.