Imágenes hiperespectrales y agrupación de medios K para la clasificación de la estructura de los materiales y la...

Área de la Ciencia:

• Detección remota
• Ciencias de los materiales
• Inteligencia artificial

Sus antecedentes:

• Los vehículos aéreos no tripulados (UAV) se utilizan cada vez más en todas las industrias, lo que plantea desafíos de detección y clasificación.
• Los métodos de detección convencionales luchan por diferenciar los UAV de otros objetos y sus materiales.
• La composición del material (por ejemplo, CFRP, GFRP) tiene un impacto significativo en las firmas térmicas y de radar de los UAV.

Objetivo del estudio:

• Desarrollar un nuevo enfoque de detección de UAV basado en la composición del material.
• Para diferenciar entre los UAV hechos de diferentes materiales como CFRP y GFRP.
• Mejorar la seguridad y la vigilancia permitiendo la identificación específica de los UAV.

Principales métodos:

• Utilizó imágenes hiperespectrales (HSI) para capturar datos espectrales detallados de los materiales de los UAV.
• Algoritmo de agrupación aplicado K-Means (K-M) para la clasificación de materiales sin supervisión.
• Longitudes de onda específicas identificadas para la detección de polímeros reforzados con fibra de carbono (CFRP) y polímeros reforzados con fibra de vidrio (GFRP).

Principales resultados:

• Se ha detectado con éxito CFRP a 700 nm y GFRP a 530 nm utilizando HSI.
• K-Significa agrupar con precisión los materiales clasificados sin conocimiento previo del objeto.
• El método propuesto demostró una alta eficacia en la distinción de los UAV basados en la composición del material.

Conclusiones:

• La detección de UAV específica de los materiales mediante agrupación HSI y K-M ofrece una mejora significativa con respecto a los métodos tradicionales.
• Este enfoque mejora la identificación de UAV para aplicaciones de seguridad y vigilancia.
• La comprensión de la composición estructural es fundamental para las estrategias efectivas de mitigación de los UAV.