ПОЛІПШЕНІ МЕТОДИ РОЗПІЗНАВАННЯ ОБ’ЄКТІВ У UAV НА ОСНОВІ YOLO

роботі представлено результати вдосконалення системи розпізнавання об’єктів для безпілотних літальних апаратів на основі оптимізації передобробки зображень та переходу до нової нейронної мережі YOLO11s. Запропонований метод паддингу білими полями замість масштабування забезпечив збереження геометричних пропорцій та підвищення впевненості класифікації. Скорочення кількості класів дозволило зменшити час обробки кадру та підвищити точність. Перехід від YOLO8n до YOLO11s забезпечив суттєвий приріст якості, зменшення латентності та скорочення часу навчання з двох годин до менше ніж 30 хвилин. Представлені графіки та реальні приклади демонструють покращені характеристики моделі.