Details

В данном исследовании мы стремимся создать систему обнаружения аномалий в режиме реального времени на основе ROS2 и YOLO, уделяя особое внимание мониторингу утечек нефти в режиме реального времени, и провели проверку на имитационной модели беспилотного летательного аппарата. Основная цель заключается в реализации автономного обнаружения аномальных ситуаций (утечек нефти) в отношении целевых объектов во время полета, а также в успешном выполнении полного цикла автоматизированного оповещения, включающего «автономный обход — распознавание утечки нефти — зависание — съемку для фиксации доказательств». Задачи, которые решались в ходе исследования: 1. Интеграция ROS2 Humble с симулятором PX4 SITL , Gazebo Harmonic и YOLO. 2. Обучение модели YOLOv8 на основе аннотированного набора данных аэрофотосъемки, предназначенного для обнаружения разливов нефти с помощью изображений с дронов, и реализация узла визуального обнаружения в реальном времени. 3. Разработка узла управления на базе MAVLink и QGroundControl для реализации автоматического прерывания и возобновления задач. 4. Проведение симуляции интеграции дронов. 5. Регистрация и анализ результатов симуляции и результатов обучения модели YOLO. Данный проект основан на следующих открытых программных продуктах: PX4 Autopilot, ROS2, Gazebo, MAVSDK, Ultralytics YOLOv8, QGroundControl. В процессе разработки использовались объектно-ориентированное программирование, асинхронное программирование (asyncio) и протокол ROS. Результаты: успешно разработана система обнаружения аномалий в режиме реального времени (для обнаружения утечек нефти в море), которая способна в режиме реального времени обнаруживать аномалии в море во время симуляции полета, автоматически приостанавливать задание, сохранять фотографии и координаты, а затем продолжать полет. Система демонстрирует высокую скорость реагирования, хорошую стабильность и высокую точность модели. Области применения результатов: промышленный мониторинг, инспекции безопасности, машинное зрение, автоматизированные системы обнаружения.

The subject of the graduate qualification work is: “Development of a real-time offshore oil spill detection system based on ROS2 and YOLO technologies”. In this study, we aim to develop a real-time anomaly detection system based on ROS2 and YOLO, with a particular focus on real-time monitoring of oil spills, and we conducted tests using a simulation model of an unmanned aerial vehicle. The primary objective is to implement autonomous detection of abnormal situations (oil spills) regarding target objects during flight, as well as to successfully execute a full cycle of automated alerting, including “autonomous patrol—oil spill recognition—hovering—capturing evidence.” The research set the following goals: 1. Integration of ROS2 Humble with the PX4 SITL simulator, Gazebo Harmonic, and YOLO. 2. Training the YOLOv8 model using an annotated aerial imagery dataset designed to detect oil spills using drone images, and implementing a real-time visual detection node. 3. Development of a control node based on MAVLink and QGroundControl to implement automatic task interruption and resumption. 4. Conducting a drone integration simulation. 5. Recording and analyzing the simulation results and the results of the YOLO model training. This project is based on the following open-source software: PX4 Autopilot, ROS2, Gazebo, MAVSDK, Ultralytics YOLOv8, and QGroundControl. The development process utilized object-oriented programming, asynchronous programming (asyncio), and the ROS protocol. Results: A real-time anomaly detection system (for detecting oil spills at sea) has been successfully developed. It is capable of detecting anomalies at sea in real time during flight simulation, automatically pausing the mission, saving photos and coordinates, and then resuming the flight. The system demonstrates high response speed, good stability, and high model accuracy. Areas of application: industrial monitoring, safety inspections, computer vision, automated detection systems.