КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Актуальні проблеми бойового застосування, експлуатації і ремонту зразків озброєння та військової техніки (2026)

Розмір шрифта: 
АНАЛІЗ АЛЬТЕРНАТИВНИХ АРХІТЕКТУР СИСТЕМ РОЗПІЗНАВАННЯ ТА СУПРОВОДЖЕННЯ ОБ’ЄКТІВ НА БАЗІ YOLO ДЛЯ БПЛА
Анатолій Петрович Бабич, Сергій Олександрович Калініченко, Юрій Володимирович Волинець, Владислав Юрійович Гайдай

Остання редакція: 2026-10-14

Анотація


Анотація. У тезах проаналізовано альтернативні архітектури систем автоматизованого виявлення, розпізнавання та супроводження об’єктів у складі безпілотних авіаційних систем. Розглянуто поєднання алгоритмів сімейства YOLO з Kalman Filter, ByteTrack, PX4, CNN та SLAM (ROS2). Сформовано критерії порівняння за точністю, швидкодією, обчислювальними ресурсами, стійкістю супроводження та можливістю програмно-апаратної інтеграції. Визначено доцільність застосування кожної архітектури залежно від класу БпЛА: тактичних (Tactical UAV), середньої дальності ураження (Middle Strike) та глибокого ураження (Deep Strike).

Ключові слова


безпілотна авіаційна система 1; YOLO 2; ByteTrack 3;Kalman Filter 4; супроводження об’єктів 5

Посилання


1. Redmon J., Divvala S., Girshick R., Farhadi A. You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2016. P. 779–788. DOI: 10.1109/CVPR.2016.91.

2. Jocher G. et al. Ultralytics YOLOv8. Ultralytics: web site. URL: https://docs.ultralytics.com/models/yolov8 (accessed 10.03.2026).

3. Wang C.-Y., Bochkovskiy A., Liao H.-Y. M. YOLOv7: Trainable bag-of-freebies sets new state-of the-art for real-time object detectors. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2023. P. 7464–7475.

4. Bewley A., Ge Z., Ott L., Ramos F., Upcroft B. Simple Online and Realtime Tracking. Proceedings of IEEE International Conference on Image Processing (ICIP). 2016. P. 3464–3468. DOI: 10.1109/ICIP.2016.7533003.

5. Welch G., Bishop G. An Introduction to the Kalman Filter. UNC Chapel Hill, TR 95-041. 1995.

6. Zhang Y. et al. ByteTrack: Multi-Object Tracking by Associating Every Detection Box. European Conference on Computer Vision (ECCV). 2022. P. 1–18. DOI: 10.1007/978-3-031-20047-2_1.

7. You L., Chen Y., Xiao C., Sun C., Li R. Multi-Object Vehicle Detection and Tracking Algorithm Based on Improved YOLOv8 and ByteTrack. Electronics. 2024. Vol. 13(15). P. 3033. DOI: 10.3390/electronics13153033.

8. NVIDIA Jetson Orin NX Technical Specification. NVIDIA: web site. URL: https://developer.nvidia.com/embedded/jetson-orin-nx-series (accessed 20.03.2026).

9. Macenski S., Foote T., Gerkey B., Lalancette C., Woodall W. Robot Operating System 2: Design, Architecture, and Uses In The Wild. Science Robotics. 2022. Vol. 7(66). eabm6074. DOI: 10.1126/scirobotics.abm6074.

10. PX4 Autopilot Development Guide. PX4: web site. URL: https://docs.px4.io/main/en (accessed 25.03.2026).

11. Mur-Artal R., Tardós J. D. ORB-SLAM2: An Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras. IEEE Transactions on Robotics. 2017. Vol. 33(5). P. 1255–1262. DOI: 10.1109/TRO.2017.2705103.

12. Yin X. et al. Real-Time UAV Target Detection and Tracking Based on Improved YOLOv8 and ByteTrack in Complex Environments. Drones. 2024. Vol. 8(3). P. 82. DOI: 10.3390/drones8030082.