А.С. Молчанов1, В.А. Коломоец2

1,2 Государственный летно-испытательный центр им. В.П. Чкалова (г. Ахтубинск, Россия)
1 andryoe@yandex.ru, 2 kolomw@yandex.ru

Постановка проблемы. В настоящее время эффективная воздушная разведка (ВзР) приобретает критически важное значение. Для повышения точности, оперативности и эффективности сбора и анализа информации о потенциальных угрозах все большую актуальность приобретают интеллектуальные системы (ИС) и комплексы воздушной разведки (КВзР).

Цель. Рассмотреть особенности построения и функционирования ИС и КВзР при проведении испытаний и разработать методику испытаний ИС и КВзР с формированием испытательной базы данных цифровых портретов типовых объектов воздушной разведки с интегрированным ИИ.

Результаты. Рассмотрены особенности испытаний интеллектуальных систем и комплексов воздушной разведки на основе использования испытательных баз данных, позволяющих проводить процедуры сбора, подготовки, разделения и обучения сверточных нейронных сетей. Представлена методика формирования испытательной базы данных на основе формирования эталонных цифровых портретов полученных комбинированным способом при использовании натурных цифровых портретов, за счет экспертной разметки объектов на изображениях и синтезированных цифровых портретов, с применением цифровых полигонов и цифровых двойников типовых объектов воздушной разведки, полученных в разное время, при разнообразных климатических условиях для различных пространственных конфигураций объектов в каждой степени подробности информации о них.

Практическая значимость. Испытания интеллектуальных систем с использованием цифровых портретов позволяют ускорить процесс распознавания и классификации объектов воздушной разведки, повысить точность анализа видовой информации, оптимизировать работу разведывательных комплексов.

Молчанов А.С., Коломоец В.А. Испытания интеллектуальных систем и комплексов воздушной разведки с использованием цифровых портретов типовых объектов воздушной разведки // Наукоемкие технологии. 2025. Т. 26. № 3. С. 20−31. DOI: https://doi.org/ 10.18127/j19998465-202503-03

1. Молчанов А.С., Коломоец В.А. Цифровые портреты типовых объектов воздушной разведки. М.: Перо. 2025. 194 с.
2. Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition. preprint arXiv: 1409.1556. 2014.
3. He K., Zhang X., Ren S., Sun J. Deep residual learning for image recognition. 2016 IEEE Conference on Computer Vision and Pattern Recognition, preprint arXiv: 1512.03385, 2015.
4. Russakovsky O., Jia Deng, Hao Su et al. Imagenet large scale visual recognitionchallenge. International journal of computer vision, preprint arXiv: 1409.0575. 2015.
5. Girshick R. Fast R-CNN. IEEE International Conference on Computer Vision (ICCV). preprint arXiv: 1504.08083. 2015.
6. Redmon J., Divvala S., Girshick R., Farhadi A. You Only Look Once: Unified, Real-Time Object Detection, preprint arXiv: 1506.02640. 2015.
7. Liu W. et al. SSD: Single Shot MultiBox Detector. Lecture Notes in Computer Science, vol. 9905. Springer, Cham. Computer Vision – ECCV. preprint arXiv: 1512.02325, 2016.
8. Дэвис Р., Терк М. Компьютерное зрение. Современные методы и перспективы развития: Пер. с англ. В.С. Яценкова. М.: ДМК Пресс. 2022. 690 с.
9. Чаусов Е.В., Молчанов А.С., Коломоец В.А. и др. Цифровые оптико-электронные системы дистанционного зондирования Земли. Основы построения, испытаний и контроля: Учеб. пособие / Под ред. Е.В. Чаусова. М.: Перо. 2023. 108 с.
10. Молчанов А.С. Теория и практика дешифрирования объектов авиационной техники иконических оптико-электронных систем. М.: Перо. 2020. 173 с.
11. Ребрин Ю.К. Оптико-электронное разведывательное оборудование летательных аппаратов. Киев: КВВАИУ. 1988. 450 с.
12. Городецкий В.И., Дмитриев А.К. Элементы теории испытаний и контроля технических систем. Л.: Энергия. 1978. 192 с.
13. Молчанов А.С. Теория построения иконических систем воздушной разведки. Волгоград: Панорама. 2017. 224 с.
14. Солдатов Е.С., Богомолов А.В., Ларкин Е.В., Солдатов А.С. Сенсорные сети контроля состояния авиационной техники при испытаниях и эксплуатации // Авиакосмическое приборостроение. 2024. № 2. С. 61–68.
15. Чаусов Е.В., Молчанов А.С. Программно-методический комплекс обработки изображений при проведении летных испытаний иконических оптико-электронных систем // Геодезия и картография. 2020. Т. 81. № 1. С. 26–33.