کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

شناسایی و دسته‌بندی سلاح در دو وضعیت روشن و تاریک با استفاده از YOLO

نویسندگان :

سیدعلی مدقق¹ دکتر فاطمه سادات لسانی²

1- دانشگاه صنعتی قم 2- دانشگاه صنعتی قم

کلمات کلیدی :

تشخیص اشیا،تقویت تصویر تاریک،نظارت دوربین مداربسته،یادگیری عمیق،تشخیص سلاح

چکیده :

در این پژوهش، رویکردی مبتنی بر یادگیری عمیق برای شناسایی و دسته‌بندی سلاح در دو وضعیت روشن و تاریک ارائه شده است. هدف از این تحقیق، افزایش دقت مدل در شرایط نوری نامناسب و کاهش خطاهای ناشی از کمبود روشنایی در تصاویر نظارتی است. برای این منظور، نسخه‌ای بهبود‌یافته از مدل YOLOv8 توسعه داده شد که از الگوریتم افزایش روشنایی تصویر در مرحله‌ی پیش‌پردازش و تابع زیان بهینه‌شده شامل CIoU و DFL برای بهبود مکان‌یابی و مرزبندی اشیاء استفاده می‌کند. داده‌های مورد استفاده شامل مجموعه‌ای از تصاویر حاوی انواع سلاح در محیط‌های با نور طبیعی و کم‌نور بود. نتایج آزمایش‌ها نشان داد که مدل پیشنهادی نسبت به مدل‌های پایه مانند YOLOv7 و YOLOv5 عملکرد بهتری در معیارهای دقت (Precision)، بازخوانی (Recall) و میانگین دقت (mAP) دارد. مدل در تشخیص سلاح در محیط‌های تاریک Recall برابر با 97 درصد و mAP برابر با 94.6 درصد را کسب کرد که بیانگر پایداری عملکرد آن در شرایط دشوار نوری است. این پژوهش می‌تواند در توسعه‌ی سامانه‌های نظارت و امنیت هوشمند برای شناسایی تهدیدات احتمالی و افزایش ایمنی محیط‌های عمومی کاربرد داشته باشد.