Conjunto de datos para la identificación de problemas de drones y la estimación de la gravedad

Área de la Ciencia:

• Tecnología de drones tecnología de drones.
• La ciencia de datos es la ciencia de datos.
• El aprendizaje automático es el aprendizaje automático.

Sus antecedentes:

• Los registros de vuelo de drones contienen información crítica para la seguridad operativa.
• La identificación precisa del problema y la estimación de la gravedad son esenciales para el mantenimiento de drones.

Objetivo del estudio:

• Introducir DroSev, un nuevo conjunto de datos para la identificación de problemas de drones y la estimación de la gravedad.
• Facilitar la investigación en el monitoreo automatizado de la salud de los drones y el mantenimiento predictivo.

Principales métodos:

• Ha adquirido mensajes de registro de vuelo de drones de Mendeley Data y AirData.
• Se desarrollaron dos subtareas: identificación del problema binario y clasificación de la gravedad del problema multiclase.
• Se utilizó muestreo estratificado para una división de prueba de tren 80:20.

Principales resultados:

• El conjunto de datos DroSev proporciona un recurso completo para el análisis de registros de drones.
• El conjunto de datos apoya tanto la identificación como la evaluación de la gravedad de los problemas relacionados con los drones.
• Se resumen las características sintácticas de los mensajes de registro.

Conclusiones:

• DroSev es un recurso valioso para avanzar en la seguridad y confiabilidad de los drones.
• El conjunto de datos se puede utilizar para entrenar modelos de aprendizaje automático para el diagnóstico automatizado de drones.
• La investigación adicional puede aprovechar DroSev para mejorar la gestión operativa de drones.