Detecção de drone com auxílio de rede neural convolucional

O aumento do uso de drones é notável tanto em atividades militares como em várias atividades do dia a dia nas sociedades modernas. No entanto, a dificuldade em detectar esses dispositivos devido à sua baixa RCS (Radar Cross Section) e baixa emissão eletromagnética tem se tornado uma preocupação quando se trata de proteger áreas sensíveis contra voos de drones desconhecidos, que podem obter informações do local ou até mesmo causar danos físicos. Além desses desafios de detecção, o fato de os drones poderem voar à noite acrescenta uma camada adicional de dificuldade à vigilância e à preservação das informações do local. Este artigo explora o uso de um feixe expandido de um laser de CO₂ como iluminador, em laboratório, direcionado a um drone voando em um ambiente controlado, com o objetivo de capturar imagens no espectro de infravermelho distante (LWIR). As imagens obtidas foram usadas para treinar uma rede neural convolucional (CNN) usando a arquitetura YOLO, que é amplamente reconhecida na literatura. Como resultado desse treinamento, foi possível validar a rede neural e demonstrar a possibilidade de utilizar essa abordagem na detecção de drones quando iluminados por uma fonte de energia, melhorando assim a detecção em ambientes noturnos.