Detection of Drone with Convolutional Neural Network

Autores

  • Vinícius Ormianin Arantes Sousa Comando de Preparo (COMPREP)
  • Kaleb Duarte Costa Instituto de Aplicações Operacionais (IAOp)
  • Álvaro José Damião Instituto de Estudos Avançados (IEAv)

DOI:

https://doi.org/10.55972/spectrum.v26i1.426

Palavras-chave:

drone, laser, detection, infrared, convolutional neural network

Resumo

O uso crescente de drones é notável tanto em operações militares quanto em diversas atividades civis. No entanto, a dificuldade em detectar esses dispositivos tornou-se uma preocupação relevante na proteção de áreas sensíveis contra voos não autorizados. Agravando esse cenário, a capacidade dos drones de operar durante a noite adiciona uma camada extra de complexidade às atividades de vigilância e segurança da informação. Este artigo explora o uso de um feixe expandido de laser de CO₂, em ambiente laboratorial, como fonte de iluminação direcionada a um drone em voo controlado, com o objetivo de capturar imagens no espectro de infravermelho de onda longa (LWIR). As imagens adquiridas foram utilizadas para treinar uma rede neural convolucional (CNN) com a arquitetura YOLO (You Only Look Once). Os resultados demonstram a viabilidade do uso dessa abordagem para a detecção de drones quando iluminados por uma fonte de energia.

Referências

Brazilian Air Force (FAB). "DECEA updates drone access regulations in Brazilian airspace," Brasília, 2023. [Online]. Available: https://www.fab.mil.br. Accessed: Jul. 6, 2023.

S. Singha and B. Aydin, "Automated drone detection using YOLOv4," Drones, vol. 5, no. 3, p. 95, 2021.

V. Dewangan, A. Saxena, R. Thakur, and S. Tripathi, "Application of image processing techniques for UAV detection using deep learning and distance-wise analysis," Drones, vol. 7, no. 3, p. 174, 2023.

M. Misbah, M. U. Khan, Z. Yang, and Z. Kaleem, "TF-net: Deep learning empowered tiny feature network for night-time UAV detection," in Proc. Int. Conf. Wireless and Satellite Systems, Springer, 2023, pp. 3–18.

Synrad (An Excel Technology Company), Series L48 Lasers Operator's Manual, Mukilteo, WA, USA, 2010.

Workswell, Workswell Wiris Pro: User Manual, Czech Republic, FW ver. 1.3.8, 2020.

J. Redmon et al., "You only look once: Unified, real-time object detection," in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., 2016, pp. 779–788.

G. C. Birch and B. L. Woo, "Counter-UAS testing: Evaluation of VIS, SWIR, MWIR and LWIR passive imagers." [Online]. Available: https://www.osti.gov/servlets/purl/1342469. Accessed: Aug. 28, 2023.

D. Höche et al., "Novel magnesium-based materials: Are they reliable drone construction materials?," Frontiers in Materials, vol. 8, Apr. 2021.

S. Sambolek and M. Ivašić-Kos, "Automatic person detection in search and rescue operations using deep CNN detectors," IEEE Access, vol. 9, pp. 37905–37922, 2021.

I. Martinez-Canaryseed et al., "Search and rescue operations using UAVs: A case study," Expert Syst. Appl., vol. 178, p. 114937, 2021.

F. Eick, "Evaluation of convolutional neural network for automatic people detection in aquatic environments using infrared images," M.Sc. thesis, ITA, Brazil.

B. Aydin and S. Singha, "Drone detection using YOLOv5," Eng., vol. 4, no. 1, pp. 416–433, 2023.

Downloads

Publicado

23.09.2025

Como Citar

[1]
V. Ormianin Arantes Sousa, K. Duarte Costa, e Álvaro J. Damião, “ Detection of Drone with Convolutional Neural Network”, Spectrum, vol. 26, nº 1, p. 49–54, set. 2025.

Artigos mais lidos pelo mesmo(s) autor(es)