Riassunto analitico
L’argomento della tesi riguarda lo studio, l’analisi e l’implementazione di un algoritmo capace di effettuare la detection e il tracking di droni. In particolare, l’obiettivo principale è quello di identificare e tracciare i droni in tempo reale, in modo da monitorare e controllare i loro spostamenti. Ai giorni d’oggi, i droni sono sempre più diffusi sia grazie al loro basso prezzo, sia alla facilità con cui si possono costruire. Questa veloce e ampia diffusione sta creando problemi alla vita privata di ogni cittadino, alla sicurezza e alla segretezza di numerose informazioni e luoghi protetti ed alle missioni militari. Se da un lato le nuove tecnologie sono indispensabili all’esercito per svolgere missioni di intelligence e di spionaggio ad alto rischio, non mettendo così a rischio la vita di numerosi soldati e piloti, dall’altro lato queste stesse armi possono essere utilizzate dal nemico e pertanto occorre difendersi da esse. Anche i droni civili spesso vengono utilizzati in maniera illecita, come ad esempio vengono usati per sorvolare zone private e riservate, oppure vengono usati nel contrabbando. Pertanto, occorre difendersi non solo dai droni militari ma anche da quelli civili usati con scopi illeciti. Per questi motivi è di fondamentale importanza sviluppare dei sistemi di difesa che siano in grado di identificare e di tracciare gli spostamenti dei droni in tempo reale. Quindi, l’argomento della mia tesi è nato dall’esigenza di creare dei sistemi di controllo e di difesa da dei possibili attacchi militari effettuati con i droni e da dei loro possibili utilizzi sbagliati che ne vengono fatti dai cittadini. La trattazione degli argomenti è suddivisa in cinque capitoli. Il primo capitolo della tesi contiene una presentazione dei droni. Il secondo capitolo della tesi contiene un’ampia discussione sull’importanza di realizzare un sistema che sia in grado di identificare e tracciare i droni., si illustra come la strategia migliore sia quella dell’utilizzo delle immagini e si descrive un sistema, formato da un Raspberry Pi, una videocamera e un Pimoroni pan-tilt HAT, che è in grado di individuare i droni in tempo reale attraverso l’uso di algoritmi di deep learning di computer vision. Il terzo capitolo dell’elaborato descrive in maniera approfondita il dataset che è stato utilizzato per allenare il modello a riconoscere i droni. Il quarto capitolo della tesi descrive in maniera dettagliata l’algoritmo di deep learning che è stato utilizzato per riconoscere i droni, ovvero YOLO. Particolare rilevanza viene attribuita alle tre versioni che ho sperimentato, ovvero: YOLO v5, YOLO v7 e YOLO v8. Successivamente vengono descritti nel dettaglio i codici di programmazione che ho utilizzato per allenare le tre versioni di YOLO e vengono analizzati approfonditamente i risultati ottenuti. Infine, il quinto ed ultimo capitolo della tesi spiega come bisogna fare per far comunicare il computer sul quale ho allenato YOLO e il sistema esterno formato dal Raspberry Pi, la video camera e il Pimoroni pan-tilt HAT. Successivamente vengono riportati i risultati ottenuti durante la fase di sperimentazione in tempo reale del sistema che è stato creato. Infine, vengono proposte alcune possibilità di implementazione e di sviluppo di tale progetto per renderlo ancora più complesso, articolato e adattabile a tutte le esigenze richieste.
|
