Разработка системы компьютерного зрения для автоматического распознавания мишени и анализа точности попаданий в условиях тира
DOI:
https://doi.org/10.56132/2791-3368-2025-2-62-%25pКлючевые слова:
техническое зрение, идентификация попаданий, нейросетевой детектор YOLO, сдвоенные пробоины, стрельбовая подготовка, Django, OpenCV, автоматизация огневого контроляАннотация
Разработана автоматизированная система технического зрения для идентификации мишеней и анализа точности огневого поражения в условиях стрелкового полигона. В основу системы положен метод автоматического детектирования попаданий в мишень в режиме реального времени, реализованный с использованием малогабаритной свёрточной нейронной сети YOLOv8-Nano, обученной на специализированном датасете, сформированном с учётом характерных особенностей поражающих элементов. Для решения задачи идентификации наложенных пробоин (результата сдвоенных или групповых попаданий в ограниченную зону мишени) разработан алгоритм постобработки, базирующийся на анализе морфологических характеристик контуров отверстий и расчёте их площадей. Алгоритм позволяет с высокой достоверностью выявлять случаи слияния пробоин, обусловленные плотной группировкой выстрелов. Система внедрена в защищённое веб-приложение, построенное с применением фреймворка Django, с обеспечением персонализированного доступа по уровням допуска и средствами визуального контроля за ходом стрельбы в реальном времени. По результатам экспериментальных испытаний, проведённых в условиях, приближённых к реальной боевой обстановке, подтверждена высокая точность выявления попаданий и надёжность определения фактов сдвоенных пробоин. Полученные результаты демонстрируют прикладную ценность разработанного комплекса в интересах учебно-боевой подготовки личного состава, а также при проведении контрольных и квалификационных стрельб в подразделениях Вооружённых Сил и специальных структур.
Скачивания
Библиографические ссылки
1. J. D. Hou, G. Soh и др., «Компьютерная система автоматической оценки, основанная на извлечении признаков и технологиях нейронных сетей», J. Intel. Robot. Syst., т. 29, № 3.- С. 335–347, 2000, doi: 10.1023/A:1008107924617.
2. Ф. Али и А. Б. Мансур, «Автоматическая оценка стрельбы по мишеням на основе компьютерного зрения», в Трудах Международной многотематической конференции IEEE (INMIC), Карачи, Пакистан, 2008 г. - С. 515–519, doi: 10.1109/INMIC.2008.4777793.
3. J. Rudzinski и M. Luckner, «Малозатратный автоматический подсчет очков при стрельбе на основе компьютерного зрения», в Lect. Notes Comput. Sci. (KES 2012), т. 7828, Springer, 2012. - С. 380–388, doi: 10.1007/978-3-642-37343-5_19.
4. А. Кохар, Р. Акбар и А. Хендриаван, «Автоматический подсчет очков в стрельбе из лука с использованием простого метода обработки изображений», в Трудах Международной конференции по вычислительной технике и интеллектуальным технологиям (ICCSCI), 2022 - С. 487–490, doi: 10.5220/0011816400003575.
5. Ф. Ду и др., «Обнаружение пулевых отверстий с использованием серии FasterRCNN и видеоанализа», J. Phys.: Conf. Ser., т. 1168. - С. 032028, 2019, doi:
10.3390/ai5010005.
6. Р. Фернандес-Вильчес и Д. Маурисио, «Обнаружение попадания пуль в силуэты с использованием маски R-CNN», IEEE Access, т. 8, С. 129642–129652, 2020, doi: 10.1109/ACCESS.2020.3008943.
7. М. Батт и др., «Применение YOLOv8 и Detectron2 для обнаружения пулевых отверстий и расчета очков по карточкам стрельбы», AI, т. 5, № 1. - С. 72–90, 2024, doi: 10.3390/ai5010005. 8. Д. Хендриана и др., «Усовершенствованная мишень для стрельбы с пулеулавливателем, полуавтоматическая система подсчета очков», SINERGI: J. Ilmiah Tek. Mesin, т. 29, № 1. - С. 51–58, 2025.
9. Q. Ji et al., «Встроенная система обнаружения и отслеживания объектов в реальном времени в Zynq SoC», EURASIP J. Image Video Process., т. 2021. - С. 1–16, 2021. 10. П. Р. Ариан, «Автоматическая система подсчета очков на основе зрения для мобильного стрельбища», в Трудах Международной конференции по передовым вычислительным наукам и информационным системам (ICACSIS), IEEE, 2012.- С. 325– 329.
11. Y. Zhao et al., «Прогнозирование стрельбы на основе датчиков зрения и обучения траектории», Appl. Sci., т. 12, № 19 - С. 10115, 2022.
12. J. Y. Moon и E. Lee, «Анализ мест попадания пуль в соревнованиях по стрельбе из пневматического пистолета с 10 м среди мужчин на основе ковариации», Appl. Sci., т. 14, № 14. - С. 6006, 2024.
13. Р. М. Харалик, С. Р. Стернберг и С. Чжуан, «Анализ изображений с использованием математической морфологии», IEEE Trans. Pattern Anal. Mach. Intell., № 4. - С. 532–550, 1987.
14. S. Suzuki и др., «Топологический структурный анализ оцифрованных бинарных изображений методом отслеживания границ», Comput. Vis. Graph. Image Process., т. 30, № 1. - С. 32–46, 1985.
15. М. Касс, А. Виткин и Д. Терзопулос, «Змеи: модели активного контура», Int. J. Comput. Vis., т. 1, № 4. - С. 321–331, 1988.
