Китайські дослідники створили легку систему штучного інтелекту (ШІ), яка може допомогти ракетам класу «повітря — повітря» з тепловим наведенням ідентифікувати передові винищувачі. Високу точність системи продемонстрували під час лабораторних випробувань на змодельованих цілях F-22 та F-35.
Хоча F-35 та F-22 є одними з найсучасніших винищувачів-невидимок у світі, вони не можуть приховати теплове випромінювання. Теплові сигнатури, що виникають через вихлопні гази двигунів та тертя повітря об фюзеляж, відрізняються від сигналів, які створюють теплові пастки. Такі сигнатури можуть надати цінну інфрачервону інформацію для виявлення та розпізнавання цілей у майбутніх повітряних боях, що потенційно може знизити ефективність теплових пасток.
«Легкі моделі розпізнавання можуть отримати широке застосування в майбутніх ракетах класу «повітря — повітря», оскільки вони здатні забезпечувати швидке розпізнавання, зберігаючи при цьому високі можливості ідентифікації», — заявив 10 серпня Ань Цзяншань, перший автор дослідження. Дослідження опубліковане в китайському рецензованому журналі Journal of Electronic Measurement and Instrumentation. У ньому брали участь дослідники з Пекінського технологічного інституту, відомого своїми військовими дослідженнями та одного з небагатьох китайських університетів, які перебувають під санкціями США.
Серед співавторів також були дослідники з Китайської академії авіаційних ракет та національної ключової лабораторії приповерхневого виявлення. «Модель забезпечує ефективну класифікацію та розпізнавання цілей у бортових скануючих інфрачервоних системах ракет, досягаючи точності розпізнавання 97,1% під час тестування», — написали дослідники. Система є відносно недорогою: використана в роботі платформа Zynq7020 коштує лише кілька сотень юанів, що свідчить про низьку вартість обладнання.
Оптимізація та точність
За словами Аня, відповідний набір тестових даних для ідентифікації винищувачів п’ятого покоління, таких як американські F-22 та F-35, містить конфіденційні дані й не може бути оприлюднений. Водночас для змодельованих цілей у поточному наборі даних точність розпізнавання може сягати близько 90%. Дослідження зосереджене на бортових скануючих інфрачервоних системах ракет, де обчислювальні ресурси обмежені суворими вимогами до розміру, ваги та енергоспоживання.
Команда розробила легку нейронну мережу, оскільки традиційні моделі глибокого навчання, попри високу точність, мають велику кількість параметрів і високі обчислювальні вимоги, що ускладнює їхнє розгортання на невеликих вбудованих пристроях. Нова модель скоротила кількість параметрів до 16,1% від показника попередніх методів, а обчислювальні вимоги — до 19,2%. Для цього дослідники використали структурну оптимізацію, злиття пакетної нормалізації та 8-бітне квантування.
Для адаптації системи ШІ до ракетних платформ дослідники розробили спеціальний прискорювач ШІ. Він включав оптимізовані модулі згортки, паралельні обчислювальні структури та методи буферизації даних для підвищення ефективності. «Кінцева система досягла балансу між точністю розпізнавання, швидкістю обробки, енергоспоживанням обладнання та використанням апаратних ресурсів», — написали відповідальний автор Лю Мін та його команда.
Тестування проводилося з використанням 3245 інфрачервоних зображень цілей, зібраних бортовою скануючою інфрачервоною системою. Набір даних включав три категорії повітряних цілей: два типи літаків, що імітують F-22 та F-35, а також баражуючий боєприпас. За результатами тестування апаратний прискорювач досяг точності розпізнавання 96,4%, із середнім часом обробки близько 1,5 мілісекунди та загальним енергоспоживанням 2,2 вата.
«Ця робота в основному зосереджена на підривачах ракет класу «повітря — повітря» для застосування на близьких відстанях, а її ефективність для ракет класу «земля — повітря» ще має бути перевірена», — зазначив Ань. Дослідники заявили, що в подальшій роботі зосередяться на підвищенні точності розпізнавання та швидкості обробки для ефективнішого розпізнавання повітряних інфрачервоних цілей.
Джерело: South China Morning Post
