Reconhecimento de imagens: uso de recursos de visão computacional na detecção de alvos e vigilância no espectro militar

Abstract

A crescente complexidade dos conflitos modernos exige soluções tecnológicas que possam identificar e classificar veículos militares de forma eficiente. Essa identificação é fundamental em aplicações de reconhecimento aéreo e terrestre, monitoramento de fronteiras, ações de sabotagem, tarefas de inteligência, contra- ataque e no uso de drones em operações táticas. O emprego de inteligência artificial (IA) nesse processo, mais especificamente através de modelos de redes neurais convolucionais (CNNs), se mostra uma abordagem robusta e viável, oferecendo alta acurácia e velocidade na detecção e classificação de objetos em imagens complexas. O objetivo deste trabalho consiste em propor uma abordagem para detectar e classificar algumas classes de veículos militares (a saber: ASTROS, CLANF, JLTV, M113, PIRANHA e SK105) através de imagens que podem ser capturadas a partir de drones, câmeras fixas ou móveis combinando o modelo YOLOv10 e uma CNN. Os resultados experimentais mostram que o modelo alcançou um desempenho considerável (com precisão acima de 90% em muitos casos) e mesmo que a quantidade de imagens utilizadas no treino tenha sido pequena para uma aplicação real, demonstra a viabilidade para utilização em dispositivos embarcadas ou em uma arquitetura em nuvem com processamento remoto, por exemplo.