Українські дослідники з компанії Zvook, КПІ та Київської школи економіки навчили штучний інтелект краще виявляти малі дрони, зокрема FPV та DJI Mavic, за звуком. Це стало можливим навіть за наявності сторонніх шумів, таких як вітер, техніка, людські голоси.
Про це повідомив Володимир Сидорський, співзасновник компанії Zvook, яка розробляє акустичні сенсори для виявлення повітряних цілей за звуком.
Акустичні системи здатні розпізнавати БПЛА за характерним звуком двигуна та пропелерів. Однак у реальних умовах це завдання ускладнюється через необхідність почути дрон серед шуму вітру, автомобілів, працюючої техніки та людських розмов. Різні мікрофони та їхнє розташування також можуть спотворювати запис, що ускладнює виявлення.
Для навчання ШІ було використано понад 300 000 аудіозаписів, наданих командою Zvook. Датасет включав записи з полігонів, зон бойових дій та діючих акустичних сенсорів протиповітряної оборони. Сенсори були розташовані на різній висоті: деякі на вежах (10–40 метрів) у відносно стабільних умовах, а інші — близько метра над землею, де вони одночасно «чули» дрони, людей, техніку та інший фоновий шум.
Спочатку моделі надали датасет з обмеженою кількістю записів малих дронів. Через брак даних модель не впоралася із завданням, реагуючи на випадкові особливості конкретного датасету, наприклад, певний фоновий шум чи умови запису, замість того, щоб навчитися надійно знаходити акустичні ознаки малого дрона.
Для покращення результатів моделі надали більше «матеріалу для порівняння»: записи більших дронів, гелікоптерів, реактивних та гвинтових літаків. Це дозволило алгоритму навчитися відрізняти схожі звукові патерни, а не просто реагувати на будь-який гучний звук у небі. Згодом дослідники почали навмисно псувати записи, домішуючи шум і частково заглушуючи найгучніші фрагменти, щоб змусити модель шукати слабші ознаки дрона в інших частинах запису.
На фінальному етапі тестування модель перевіряли на записах виключно з активних бойових зон, до того ж у нових для неї локаціях. Одна модель показала F1-score 78,6%, а комбінація двох моделей — 82,22%. F1-score у цьому дослідженні є показником якості розпізнавання, який враховує як відсоток знайдених дронів, так і частоту помилкових спрацьовувань.
Володимир Сидорський також повідомив, що це дослідження було номіновано на Best Early-Career Scientist Award — відзнаку для молодих науковців від міжнародної конференції з військових систем зв’язку та інформації. Згодом дослідження отримало цю нагороду, що підтверджується на сайті NATO Science and Technology Organization.
Раніше dev.ua писав, що ZVOOK створила тактичний акустичний сенсор NW0 для виявлення FPV-дронів, зокрема оптоволоконних, за характерним звуком.
