Ushbu tadqiqot ochiq va murakkab muhitlarda ishlaydigan uchuvchisiz yer usti transport vositalari (Unmanned Ground Vehicles, UGV) piyoda va transport vositalarini real vaqt rejimida aniqlashi uchun YOLO11n asosidagi yengil obyekt aniqlash modeli bo‘lgan UGV-Netni ishlab chiqadi. Model xususiyatlarni ifodalash va global kontekstdan foydalanishni kuchaytiruvchi C3k2_PS, kichik obyektlarda tafsilot yo‘qolishini kamaytirishga qaratilgan kontentga sezgir Dysample dinamik yuqori namunalash hamda aniqlash boshidagi hisoblash takrorini kamaytirib, tafsilot ifodasini saqlashga qaratilgan LSDECDdan iborat uchta asosiy o‘zgarishni o‘z ichiga oladi. KITTI sinovlarida YOLO11n bazaviy chizig‘iga nisbatan F1 ko‘rsatkichi %83,44 dan %85,63 gacha, mAP50 %87,18 dan %89,44 gacha va mAP50-95 %63,97 dan %66,07 gacha oshgan, hisoblash qiymati esa 6,3 GFLOPs dan 4,9 GFLOPs gacha va parametrlar soni 2,58 milliondan 2,41 milliongacha kamaygan. Jetson Orin Nano qurilmasida UGV-Net o‘rtacha 27,9 FPS va 35,84 ms kechikish ko‘rsatgan. Biroq natijalar to‘liq haqiqiy UGV dala haydovi yoki barcha ob-havo/yoritish sharoitlarining tasdig‘i emas; tadqiqotchilar keskin yorug‘lik o‘zgarishlari, yomg‘ir, tuman, tungi past ko‘rinish va ko‘p sensorli birlashtirishni kelajakdagi ishlar qatorida ko‘rsatadi.

Tadqiqotning asosiy muammosi aniqlik bilan hisoblash samaradorligini bir vaqtning o‘zida saqlashdir. Ochiq yo‘l tasvirlarida uzoqdagi kichik obyektlar kam sonli pikselni egallaydi, piyodalar yoki transport vositalari qisman to‘silishi mumkin va ustun, o‘simlik, bino cheti kabi yuqori kontrastli fon tuzilmalari noto‘g‘ri ijobiy natijalarni ko‘paytirishi mumkin. Boshqa tomondan, mobil robotlarda ishlatiladigan chekka apparatlarning hisoblash quvvati, xotirasi va energiya byudjeti cheklangan. UGV-Net ushbu ikki talabni bir xil arxitekturada hal qilishni maqsad qiladi.

Tadqiqotdagi eng kuchli miqdoriy natija faqat aniqlikning oshishi emas. Uch modul birgalikda ishlatilganda KITTI da bazaviy YOLO11n ga nisbatan F1 da 2,19 foiz punkti, mAP50 da 2,26 foiz punkti va mAP50-95 da 2,10 foiz punkti o‘sish olinib, GFLOPs taxminan %22,22 kamaytirilgan. Shunday qilib, aniqlikdagi o‘sish hisoblash xarajatini oshirish hisobiga emas, ayni vaqtda pastroq hisoblash yukida erishilgan.

SODA10M va FLIR natijalari ham turli tasvir taqsimotlarida ishlash ko‘rsatkichlari saqlanishi mumkinligini qo‘llab-quvvatlaydi. SODA10M da UGV-Net F1 ko‘rsatkichi %58,10, mAP50 qiymati %58,48 va mAP50-95 qiymati %39,37; tadqiqotda ishlatilgan FLIR RGB tasvirlarida esa mos ravishda %74,23, %78,36 va %39,82 dir. Biroq bu ma’lumot to‘plamlari ham o‘qitish/validatsiya/test bo‘linishiga ega bo‘lganligi sababli natijalar o‘qitilmagan yangi hududda to‘g‘ridan-to‘g‘ri zero-shot umumlashuv isboti emas.

Turkiya nuqtayi nazaridan mazmuni: Tadqiqot usuli kampus ichidagi mobil robotlar, logistika robotlari, zavod tashqi maydon transport vositalari, qishloq xo‘jaligi mobil platformalari yoki boshqa UGV turlari uchun kam quvvatli chekka apparatlarda piyoda va transport vositasini aniqlashni qanday yengillashtirish mumkinligiga doir amaliy tadqiqot yondashuvini taklif qiladi. Biroq KITTI, SODA10M va FLIR dagi muvaffaqiyat ko‘rsatkichlari Turkiyadagi boshqa yo‘l geometriyalari, kamera tizimlari, ob-havo sharoitlari, piyoda xatti-harakatlari yoki UGV sensor joylashuvlarida aynan saqlanadi, degan xulosa chiqarib bo‘lmaydi. Bunday qo‘llashda mahalliy ma’lumot bilan qayta o‘qitish va haqiqiy transport vositasida dala tasdig‘i kerak.

Tadqiqotning asosiy muammosi nima?

UGV aniqlash tizimining asosiy vazifasi atrofidagi dinamik to‘siqlarni yetarlicha tez va aniq aniqlab, keyingi qaror qabul qilish va yo‘l rejalashtirish qatlamlariga ishonchli axborot berishdir. Tadqiqotchilar ayniqsa uchta murakkab holatga e’tibor qaratadi: uzoqdagi kichik nishonlar, qisman to‘silish va murakkab fon.

Yengil obyekt aniqlash modellari chekka qurilmalarda tez ishlashi mumkin, biroq tarmoq sig‘imini kamaytirish kichik obyektlarning nozik chet va tekstura xususiyatlarini yo‘qotish xavfini oshirishi mumkin. Og‘irroq modellar esa yuqori aniqlik bersa ham, UGV dagi cheklangan CPU/GPU quvvati va energiya byudjeti sababli real vaqt foydalanishi uchun mos kelmasligi mumkin. Tadqiqotdagi dizayn muammosi ana shu aniqlik–samaradorlik muvozanatidir.

UGV-Net qaysi modeldan ishlab chiqilgan?

UGV-Netning bazaviy arxitekturasi YOLO11ndir. YOLO11n backbone, neck va detection head deb ataladigan uchta asosiy qismdan tashkil topadi. Backbone tasvirdan ko‘p darajali xususiyatlarni ajratib oladi; neck yuqori darajadagi semantik axborotni yuqori aniqlikdagi fazoviy tafsilotlar bilan birlashtiradi; detection head esa turli masshtablarda tasniflash va joylashuv bashoratini ishlab chiqaradi.

Tadqiqotchilar YOLO11n ni butunlay qayta loyihalash o‘rniga uch nuqtani o‘zgartirgan:

• C3k2_PS: backbone ichida xususiyatlarni ajratib olish va kanal-kontekst o‘zaro ta’sirini yaxshilash,
• Dysample: neck bo‘limidagi yuqori namunalashda kichik nishon tafsilotlari va fazoviy moslikni saqlash,
• LSDECD: detection head hisoblash takrorini kamaytirib, chet va tekstura kabi tafsilotlarni saqlash.

C3k2_PS moduli nimani o‘zgartiradi?

YOLO11n dagi C3k2 tuzilmasida xususiyatlarni ajratish asosan lokal konvolyutsiyalar bilan bajariladi. Tadqiqotchilar murakkab fon yoki to‘silgan nishonlarda uzoq hududlar orasidagi aloqani ifodalashda bu yondashuv cheklangan bo‘lishi mumkinligini ta’kidlaydi.

C3k2_PS ichida an’anaviy Bottleneck tuzilmasi o‘rnini StarNet dan olingan Star Block egallaydi. Star Block ikki tarmoqda ishlab chiqarilgan xususiyatlarni elementma-element ko‘paytirish orqali yuqori darajali xususiyat o‘zaro ta’sirini hosil qiladi. So‘ng PCSA — Progressive Channel-wise Self-Attention kanallar orasidagi bog‘liqliklarni modellashtirib, fon yoki keraksiz kanallarni bostirish va nishon bilan bog‘liq semantik kanallarni kuchaytirishga qaratiladi.

PCSA ga kirishdan oldin xususiyat xaritasi:

\[ X_s \in \mathbb{R}^{B\times C\times H\times W} \]

ko‘rinishida bo‘ladi. Bu yerda \(B\) batch o‘lchami, \(C\) kanallar soni, \(H\) balandlik va \(W\) kenglikdir. Fazoviy siqish:

\[ X_p = Pool_{(7,7)}^{(H,W)\rightarrow(H',W')}(X_s) \]

orqali bajariladi. So‘ng so‘rov, kalit va qiymat tasvirlari:

\[ Q=F_{\mathrm{proj}}^{Q}(X_p),\quad K=F_{\mathrm{proj}}^{K}(X_p),\quad V=F_{\mathrm{proj}}^{V}(X_p) \]

ko‘rinishida olinadi.

Kanal o‘lchamidagi bir boshli self-attention amali:

\[ X_{\mathrm{attn}} = Softmax\left(\frac{QK^T}{\sqrt{C}}\right)V \]

bilan aniqlanadi. Yakuniy bosqichda sigmoid orqali hosil qilingan kanal og‘irliklari kirish xususiyatlariga qo‘llanadi. Tadqiqotdagi maqsad Star Block dan keyin kuchaygan, ammo fon shovqinini ham o‘z ichiga olishi mumkin bo‘lgan xususiyatlardan nishon bilan bog‘liq kanallarni tanlab kuchaytirishdir.

Ablatsiyada C3k2_PS yolg‘iz o‘zi nima qildi?

C3k2_PS yolg‘iz qo‘shilganda katta ishlash sakrashi yuz bermagan. Bazaviy YOLO11n ning F1 qiymati %83,44 bo‘lganida, faqat C3k2_PS ishlatilganda %83,35 bo‘lgan. Bunga qarshi mAP50 %87,18 dan %87,32 gacha va mAP50-95 %63,97 dan %64,05 gacha oshgan. Bu natija modul yolg‘iz holatda cheklangan foyda berishini, asosiy samaradorlik boshqa ikki modul bilan birga paydo bo‘lishini ko‘rsatadi.

Tadqiqotda Star tuzilmasi ustida turli attention mexanizmlari ham solishtirilgan. PCSA ishlatilgan yakuniy tuzilma CA, CBAM, EMA va C2PSA variantlariga nisbatan F1, mAP50 va mAP50-95 birgalikda baholanganda eng yuqori natijalarni bergan: %85,63 F1, %89,44 mAP50 va %66,07 mAP50-95.

Dysample nima uchun ishlatilgan?

YOLO11n ning standart yuqori namunalash amali nearest-neighbor interpolatsiyaga asoslanadi. Bu usul tez, ammo har bir joylashuvni kontentdan mustaqil ravishda kattalashtirgani uchun kichik nishon chetlarida tafsilot yo‘qolishi va ko‘p masshtabli xususiyatlarning moslanishida xato yuzaga kelishi mumkin.

Dysample xususiyat xaritasini qat’iy piksellar to‘plami emas, namuna olish mumkin bo‘lgan uzluksiz maydon sifatida ko‘radi. Muntazam namuna olish joyiga o‘rganilgan \(\Delta p\) ofset qo‘shiladi:

\[ p' = p + \Delta p \]

So‘ng yangi xususiyat qiymati qo‘shni namunalardan:

\[ Y(p) = \sum_{q\in N(p')} w_qX(q) \]

ifodasi bilan qayta namunalash orqali olinadi. \(N(p')\) yangi namuna olish joyi atrofidagi nuqtalarni, \(w_q\) esa interpolatsiya og‘irliklarini ifodalaydi.

Shunday qilib, tarmoq obyekt chegarasi yoki lokal tuzilishga qarab namuna olish joyini o‘zgartira oladi. Tadqiqotning ablatsiya natijalarida uch yaxshilash orasida yolg‘iz holatda eng sezilarli aniqlik hissalaridan biri Dysample dan kelgan: faqat Dysample ishlatilgan modelda F1 %84,75, mAP50 %88,29 va mAP50-95 %65,42 ga yetgan.

LSDECD aniqlash boshi qanday yengillashadi?

Standart YOLO aniqlash boshida turli masshtabdagi xususiyat xaritalari uchun tasniflash va quti regressiyasi tarmoqlari alohida amallar bajaradi. Bu tuzilma yuqori ifodalash quvvatini beradi, biroq o‘xshash konvolyutsiyalarning turli masshtablarda takrorlanishi hisoblash xarajatini oshiradi.

LSDECD asoslangan LSCD yondashuvi ayrim konvolyutsiya og‘irliklarini masshtablar orasida ulashib, bu takrorni kamaytiradi. Tadqiqotchilar bu holat nozik tafsilotlarning ortiqcha silliqlanishiga olib kelishi mumkinligini aytib, standart yengil konvolyutsiya o‘rniga Detail Enhancement Convolution (DEConv) ni kiritgan.

DEConv standart konvolyutsiya javobiga markaziy, burchakli, gorizontal va vertikal farq komponentlarini qo‘shadi:

\[ Y_{\mathrm{VC}} = Conv(X) \]

\[ Y_{\mathrm{CDC}}(i,j)=X(i,j)-X(i+1,j+1) \]

\[ Y_{\mathrm{ADC}}(i,j)=X(i,j)-X(i+1,j-1) \]

\[ Y_{\mathrm{HDC}}(i,j)=X(i,j)-X(i,j+1) \]

\[ Y_{\mathrm{VDC}}(i,j)=X(i,j)-X(i+1,j) \]

va umumiy chiqish:

\[ Y = Y_{\mathrm{VC}} + Y_{\mathrm{CDC}} + Y_{\mathrm{ADC}} + Y_{\mathrm{HDC}} + Y_{\mathrm{VDC}} \]

ko‘rinishida tuziladi. Maqsad gorizontal, vertikal va diagonal chet/tekstura farqlarini ko‘proq ko‘rinadigan qilishdir. Tadqiqotda, shuningdek, ushbu ko‘p tarmoqli tuzilmalarni inferens bosqichida ekvivalent bitta konvolyutsiyaga qayta parametrizatsiya qilish mumkinligi, shu sababli o‘qitishdagi tafsilot ajratish inferens vaqtida xuddi shu darajada qo‘shimcha ko‘p tarmoqli hisoblash talab qilmasligi aytiladi.

LSDECD yolg‘iz o‘zi aniqlikni oshirdimi?

Har bir metrikda emas. Faqat LSDECD qo‘shilganda GFLOPs 6,3 dan 4,8 gacha va parametrlar soni 2,58 milliondan 2,46 milliongacha kamaygan. Bunga qarshi mAP50 %87,27 bilan bazaga yaqin qolgan, mAP50-95 esa %63,87 gacha biroz pasaygan.

Bu natija muhim dizayn tafsilotidir: LSDECD ning asosiy roli yolg‘iz o‘zi katta aniqlik oshishini berish emas, aniqlash boshidagi hisoblash takrorini kamaytirishdir. Eng yuqori ishlash C3k2_PS va Dysample bilan birga ishlatilganda paydo bo‘lgan.

Uch modul birgalikda ishlatilganda nima bo‘ldi?

Yakuniy UGV-Net uchala o‘zgarishni birgalikda ishlatadi. KITTI ablatsiyasidagi asosiy natijalar quyidagicha:

F1, mAP va boshqa ko‘rsatkichlar nimani anglatadi?

Precision model nishon sifatida belgilagan qutilarning qanchasi haqiqiy nishon ekanini o‘lchaydi. Recall esa haqiqiy nishonlarning qanchasi aniqlanganini ko‘rsatadi. Ikki qiymatning garmonik o‘rtachasi bo‘lgan F1:

\[ F1 = 2\times \frac{Precision\times Recall} {Precision+Recall} \]

bilan hisoblanadi.

Bir sinf uchun Average Precision (AP), precision–recall egri chizig‘i ostidagi maydon orqali:

\[ AP = \int_{0}^{1} Precision(r)\,dr \]

ko‘rinishida aniqlangan. N sinfning AP qiymatlari o‘rtachasi:

\[ mAP = \frac{1}{N}\sum_{i=1}^{N}AP_i \]

tarzida hisoblanadi. mAP50 IoU chegarasi 0,50 uchun; mAP50-95 esa turli IoU chegaralarida qat’iyroq joylashuv aniqligini ham hisobga oladigan ko‘rsatkichdir.

Asosiy tajriba uchun qaysi ma’lumot to‘plami ishlatilgan?

Asosiy o‘qitish va taqqoslash ma’lumot to‘plami KITTIdir. Tadqiqotda KITTI ning rasmiy o‘qitish qismidagi jami 7481 tasvir avval aralashtirilib, 7:2:1 nisbatda bo‘lingan:

KITTI da Car, Van, Truck, Pedestrian, Person_sitting, Cyclist, Tram va Misc sinflari ishlatiladi. Tadqiqotdagi yorliq statistikasi Car sinfi mutlaq ko‘pchilik namunaga egaligini, Pedestrian va Van sinflari undan keyin kelishini ko‘rsatadi.

Bounding-box o‘lchami taqsimotining past normallashtirilgan kenglik va balandlik qiymatlarida to‘planishi ma’lumot to‘plamidagi ko‘plab nishonlar tasvir ichida kichik maydon egallashini ko‘rsatadi. Obyekt markazlari ham asosan tasvirning o‘rta va past-o‘rta qismida, ya’ni transport vositasining old ko‘rish maydonida jamlangan.

Model qaysi sharoitlarda o‘qitilgan?

Turli obyekt aniqlash modellariga nisbatan natija qanday bo‘ldi?

Tadqiqotchilar Faster R-CNN, SSD, RT-DETR, YOLOv5n, YOLOv8n, YOLO11n, YOLOv12n, YOLOv13n, LP-YOLO va PV-YOLO ni bir xil tajriba tartibida UGV-Net bilan solishtirgan. KITTI natijalarida UGV-Net hisobot berilgan modellar orasida F1, mAP50 va mAP50-95 metriklarining uchalasini birgalikda eng yuqori darajada bergan model bo‘lgan.

UGV-Net eng kam parametrli model degan xulosa chiqarib bo‘lmaydi; masalan PV-YOLO 1,46 M va LP-YOLO 1,88 M parametrga ega. Tadqiqotning UGV-Net uchun ko‘rsatgan afzalligi barcha kam parametrli modellarni ortda qoldirish emas, o‘z tajriba tartibida aniqlik va hisoblash yuki o‘rtasida yaxshiroq umumiy ishlashni ta’minlashdir.

Vizual aniqlash taqqoslashlari nimani ko‘rsatdi?

Tadqiqotdagi aniqlash tasvirlarida katta Van kabi aniq obyektlarda YOLO11n, YOLOv13n va UGV-Net o‘rtasida katta farq ko‘rinmagan. Farq ayniqsa uzoqdagi kichik Pedestrian va Cyclist nishonlarida hamda qisman to‘silgan Person_sitting nishonida yuzaga kelgan.

Boshqa bir misolda YOLO11n va YOLOv13n yo‘l chetidagi ingichka, yuqori kontrastli ustunni “Pedestrian” deb noto‘g‘ri tasniflagani; UGV-Net esa o‘sha hududda bu noto‘g‘ri ijobiy javobni bermagani ko‘rsatilgan. Ushbu alohida tasvirlar barcha ochiq muhitlar uchun xato ko‘rsatkichi isboti emas, ammo miqdoriy test natijalari bilan birga modelning fonni bostirish xatti-harakatini vizual jihatdan qo‘llab-quvvatlaydi.

Issiqlik xaritalari model nimaga qarayotganini ko‘rsatadimi?

Grad-CAM ga o‘xshash issiqlik xaritasi taqqoslashlarida YOLOv8n, YOLO11n va YOLOv13n javoblari katta obyekt yuzalariga yoki yuqori kontrastli fon hududlariga ko‘proq yoyilishi mumkinligi ko‘rinadi. UGV-Net da yuqori javob hududlari nishon tanasi va nishonning strukturaviy hududlarida zichroq ko‘rinadi.

Uzoq Pedestrian va Cyclist nishonlarida UGV-Net issiqlik xaritasi faolligi ayrim boshqa modellardan aniqroq saqlangan. Ustun noto‘g‘ri piyoda sifatida aniqlangan misolda esa UGV-Net ning ustun atrofidagi faolligi sust, haqiqiy piyoda va uzoqdagi transport vositasi atrofidagi faolligi esa zichroq ko‘rinadi. Bu tasvirlar ishlash mexanizmini o‘z-o‘zidan isbotlamaydi; tadqiqotdagi aniqlash va ablatsiya natijalarini tushuntirish uchun sifatli qo‘llab-quvvatlash beradi.

SODA10M natijalari qanday edi?

SODA10M da UGV-Net precision qiymati YOLO11n dan past bo‘lsa-da, recall, F1, mAP50 va mAP50-95 yuqoriroq. Shuning uchun “barcha metriklarda eng yuqori” degan ifoda to‘g‘ri emas. Tadqiqotning asosiy yutug‘i o‘tkazib yuborilgan nishonlarni kamaytiruvchi recall oshishi hamda umumiy F1/mAP ishlashida ko‘rinadi.

FLIR natijalari qanday edi?

FLIR ma’lumot to‘plami RGB va termal tasvirlarni o‘z ichiga olsa-da, ushbu tadqiqotda faqat RGB tasvirlar o‘qitish va baholash uchun ishlatilgan. Shu sababli natijalar termal tasvir aniqlash ishlashi sifatida talqin qilinmasligi kerak.

Bu yerda ham UGV-Net eng yuqori precision ga ega emas; YOLO11n %79,52 precision bilan UGV-Net ning %78,85 qiymatidan yuqori. Bunga qarshi UGV-Net recall, F1, mAP50 va mAP50-95 bo‘yicha yuqoriroq natija bergan.

“Umumlashuv” natijasining chegarasi nima?

Tadqiqot SODA10M va FLIR tajribalarini generalization/cross-dataset baholash deb ataydi. Biroq usul bo‘limida ikkala ma’lumot to‘plami ham 7:2:1 nisbatda o‘qitish, validatsiya va test qismlariga bo‘lingani aniq yozilgan. Shu sababli natijalar faqat KITTI da o‘qitilgan bitta modelning SODA10M yoki FLIR da qayta o‘qitilmasdan sinovdan o‘tkazilishi kabi zero-shot domain transfer tajribasi emas.

Ilmiy jihatdan xavfsizroq talqin UGV-Net arxitekturasi uchta turli ma’lumot to‘plamida alohida o‘qitish/baholash tartiblarida izchil afzallik ko‘rsatganidir. Bu arxitektura faqat bitta ma’lumot to‘plamiga xos natijadan iborat emasligini qo‘llab-quvvatlaydi; ammo butunlay ko‘rilmagan maydondagi transfer ishlashini o‘z-o‘zidan isbotlamaydi.

Jetson Orin Nano ga qanday ko‘chirildi?

O‘qitilgan PyTorch modeli avval ONNX formatiga eksport qilingan, so‘ng Jetson Orin Nano da TensorRT dvigateliga aylantirilgan. Qurilmadagi inferens sozlamalari:

Video kadrlari qayta o‘lchamlanib va normallashtirilgandan so‘ng TensorRT dvigateliga berilgan va aniqlash natijalari qurilmada ishlab chiqarilgan.

Jetson Orin Nano da qanchalik tez ishladi?

UGV-Net ushbu uch model orasida eng yuqori o‘rtacha FPS, eng past kechikish va eng past hisobot qilingan qo‘shimcha quvvat qiymatini bergan. Xotira ishlatilishi YOLOv8n bilan bir xil, YOLO11n dan 0,1 GB past.

Tadqiqotda oniy FPS kadr murakkabligi, apparat yuklanishi va kesh holati tufayli o‘zgarishi mumkinligi; shu sababli asosiy tezlik o‘lchovi sifatida o‘rtacha FPS ishlatilgani aytiladi:

\[ FPS_i=\frac{1}{t_i} \]

va butun video uchun:

\[ FPS_{\mathrm{avg}}=\frac{N}{T} \]

Bu yerda \(t_i\) bitta kadrning umumiy ishlov berish vaqti, \(N\) video kadrlari soni va \(T\) barcha kadrlarni qayta ishlash uchun ketgan umumiy vaqtdir.

Jetson testi haqiqiy UGV dala tasdig‘ini anglatadimi?

Yo‘q. Tadqiqot UGV-Net resursi cheklangan chekka apparatda real vaqt inferensini bajarishi mumkinligini ko‘rsatadi; biroq nashr etilgan tajriba robotning haqiqiy ochiq muhitda avtonom haydash vaqtida uzoq muddatli aniqlash, qaror qabul qilish, tormozlash yoki yo‘l rejalashtirish siklini uchidan uchigacha tekshiradigan dala sinovi emas.

Bu farq muhim. 27,9 FPS natijasi modelning Jetson Orin Nano dagi inferens tezligini qo‘llab-quvvatlaydi; UGV ning real dunyo xavfsizligi yoki barcha trafik holatlarida yetarli javob vaqtining isboti emas.

Tadqiqotning kuchli tomonlari nimalar?

• Aniqlik, GFLOPs va parametrlar sonini bir vaqtda baholaydigan ochiq yengillik–ishlash tahlili bajarilgan.
• Uch arxitektura o‘zgarishi alohida va kombinatsiyalangan ablatsiyalar bilan sinovdan o‘tkazilgan.
• C3k2 variantlari va turli detection head dizaynlari alohida taqqoslangan.
• Asosiy KITTI taqqoslashidan tashqari SODA10M va FLIR da qo‘shimcha ma’lumot to‘plami tajribalari bajarilgan.
• Miqdoriy natijalar bilan birga aniqlash tasvirlari va issiqlik xaritalari orqali kichik obyekt, to‘silish va noto‘g‘ri ijobiy xatti-harakatlar tekshirilgan.
• Model faqat ish stoli GPU sida emas, Jetson Orin Nano da TensorRT/FP16 inferensi bilan ham sinovdan o‘tkazilgan.

Tadqiqotning asosiy cheklovlari nimalar?

Birinchidan, SODA10M va FLIR tajribalari ma’lumot to‘plamlarining o‘z o‘qitish qismlaridan foydalanadi. Shu sababli ularni butunlay “ko‘rilmagan ma’lumot domeniga zero-shot umumlashuv” deb talqin qilish to‘g‘ri emas.

Ikkinchidan, FLIR tajribasida termal kanal ishlatilmagan; faqat RGB tasvirlar baholangan. Ushbu tadqiqot UGV-Net ning termal aniqlash ishlashini ko‘rsatmaydi.

Uchinchidan, Jetson Orin Nano testi chekka apparat ishlashini tasdiqlaydi, ammo to‘liq dala UGV tajribasi emas. Tadqiqotda haqiqiy UGV ning uzoq muddatli haydovi, yo‘l rejalashtirish bilan integratsiya, favqulodda to‘xtash xatti-harakati yoki xavfsizlik sertifikatsiyasi tekshirilmagan.

To‘rtinchidan, tadqiqotchilar keskin yoritish o‘zgarishi, yomg‘ir, tuman va tungi past ko‘rinish sharoitlarini mavjud model uchun kelajakda rivojlantirilishi kerak bo‘lgan yo‘nalishlar sifatida aniq ko‘rsatadi. Shu sababli amaldagi natijalar bu sharoitlarda ham bir xil darajada saqlanadi, deb taxmin qilib bo‘lmaydi.

Beshinchidan, tadqiqot tasvirga asoslangan aniqlashga e’tibor qaratadi. LiDAR, radar, termal kamera yoki boshqa sensorlarning birgalikdagi ishlatilishi amaldagi UGV-Net tajribalari doirasiga kirmaydi; ko‘p sensorli birlashtirish kelajakdagi ish sifatida qoldirilgan.

Tadqiqot nimani aytadi?

Tadqiqot YOLO11n ga C3k2_PS, Dysample va LSDECD modullarini birgalikda qo‘shish tekshirilgan ma’lumot to‘plamlari va tajriba sharoitlarida yuqoriroq F1/mAP natijalari bilan pastroq hisoblash xarajatini bir modelda ta’minlay olganini; bundan tashqari ushbu model Jetson Orin Nano da taxminan 28 FPS darajasida ishlay olganini ko‘rsatadi.

Tadqiqot nimani aytmaydi?

UGV-Net barcha ochiq muhitlar, barcha ob-havo sharoitlari yoki barcha UGV platformalari uchun xavfsiz va xatosiz aniqlashni ta’minlagani ko‘rsatilmagan. Model haqiqiy transport vositasi xavfsizlik tizimi sertifikati emas; barcha kichik obyektlarni aniqlaydi yoki noto‘g‘ri ijobiy natija bermaydi, degan xulosa chiqarib bo‘lmaydi. SODA10M va FLIR natijalari ham butunlay qayta o‘qitishni talab qilmaydigan domain-transfer isboti emas.

Tadqiqot usuli va natijalari

Tarmoq arxitekturasining texnik xulosasi

Ablatsiya tajribasining to‘liq natijalari

Ablatsiya natijalari modullar hissalari chiziqli ravishda qo‘shilmasligini ko‘rsatadi. Masalan, Dysample yolg‘iz o‘zi recall ni %82,35 ga ko‘targan bo‘lsa, yakuniy UGV-Net recall i %80,95 dir; shunga qaramay yakuniy model yuqoriroq precision, F1 va mAP beradi. Tadqiqotchilar buni xususiyat ifodasi, ko‘p masshtabli birlashtirish va yengil aniqlash boshi o‘rtasidagi o‘zaro ta’sir bilan izohlaydi.

Aniqlash boshi taqqoslanishi

Efficient head eng past parametrlar sonini bergan, ammo aniqlik yo‘qotishiga olib kelgan. LSCD F1 va mAP50 ni oshirgan, biroq mAP50-95 da pasaygan. LSDECD esa ushbu tajribada ham eng past GFLOPs, ham uchta asosiy aniqlik metrikasining eng yuqori qiymatini birgalikda ta’minlagan.

Chekka qurilma tajribasining texnik chegarasi

Jetson Orin Nano natijalari TensorRT, FP16, 640 × 640 kirish va batch 1 sharoitida olingan. Boshqa TensorRT versiyalari, quvvat rejimlari, kamera ishlov berish quvurlari yoki bir vaqtda ishlaydigan robotik dasturiy yuklar ostida xuddi shu FPS saqlanishi manba tadqiqot tomonidan sinovdan o‘tkazilmagan.

9-jadvaldagi “Additional Power” qiymati qurilmaning umumiy elektr iste’moli emas; model ishlayotgan paytda hisobot qilingan qo‘shimcha quvvat o‘lchovidir. Shu sababli 1,2 W qiymati Jetson Orin Nano tizimining jami quvvat talabi sifatida talqin qilinmasligi kerak.

Umumiy xulosa

Tadqiqotning o‘z tajriba tartibida UGV-Net YOLO11n bazasiga nisbatan yuqoriroq F1 va mAP natijalariga erishib, GFLOPs va parametrlar sonini kamaytirgan hamda Jetson Orin Nano da yuqoriroq o‘rtacha FPS bergan. Tadqiqotning eng muhim texnik natijasi kichik va to‘silgan obyektlar ifodasini kuchaytirishga qaratilgan xususiyat ajratish va dinamik yuqori namunalash o‘zgarishlarini yengil aniqlash boshi bilan birgalikda qo‘llash aniqlik–hisoblash muvozanati uchun foydali bo‘lishi mumkinligidir.

Natijalarning amaliy qiymati ayniqsa past hisoblash byudjetli mobil aniqlash tizimlari uchun muhim; biroq to‘liq UGV operatsion xavfsizligi uchun real dala sharoitlari, yomon ob-havo va past yoritish, turli kamera/sensor tizimlari va aniqlashdan keyingi qaror qabul qilish zanjiri alohida tekshirilishi kerak.

Manba va usul qaydi

To‘liq asl tadqiqot nomi: A Method for Lightweight Pedestrian and Vehicle Detection for Unmanned Ground Vehicles in Open Environments

Mualliflar, manbadagi tartibda: Xulong Zhang; Hong Jiang; Dong Han; Hai Guo; Xiangfeng Zhang; Kaige Sun.

Teng hissa/teng birinchi muallif: Manbada teng hissa yoki teng birinchi mualliflik bayonoti mavjud emas.

Mas’ul muallif: Hong Jiang.

Muassasalar: School of Mechanical Engineering, Xinjiang University, Urumqi, China; Xinjiang Academy of Building Research Co., Ltd., Urumqi, China; School of Mechanical Engineering, Zhejiang University, Hangzhou, China.

Jurnal: Machines.

Nashriyot: MDPI, Basel, Switzerland.

Nashr identifikatori: Machines 2026, 14(5), 527.

DOI: 10.3390/machines14050527.

Rasmiy nashr havolasi:https://doi.org/10.3390/machines14050527

Qabul qilish / tahrir / qabul / nashr: 24 March 2026 / 30 April 2026 / 5 May 2026 / 8 May 2026.

Manba turi va taqriz holati: Machines jurnalida chop etilgan taqrizdan o‘tgan ilmiy maqola.

Litsenziya: Creative Commons Attribution (CC BY); mualliflik huquqi © 2026 mualliflarga tegishli.

Moliyalashtirish: Tadqiqot Tianshan Talent Program: Youth Support Talent Project tomonidan 2024TSYCQNTJ0020 raqamli grant va China State Construction Engineering Corporation Technology R&D Projects tomonidan CSCEC-2025-Z-27 raqamli grant bilan moliyalashtirilgan.

Ma’lumotlar mavjudligi: Tadqiqotda ishlatilgan ma’lumotlar mas’ul muallif bilan bog‘lanilganda so‘rov asosida taqdim etilishi mumkinligi bildirilgan.

Manfaatlar to‘qnashuvi: Xulong Zhang va Hai Guo Xinjiang Academy of Building Research Co., Ltd. tarkibida ishlashi ko‘rsatilgan. Boshqa mualliflar tadqiqotga ta’sir qilishi mumkin bo‘lgan tijoriy yoki moliyaviy munosabatlar yo‘qligini bildirgan.

Muallif hissalari: Konseptuallashtirish Xulong Zhang va Hong Jiang; metodologiya va formal tahlil Xulong Zhang; dasturiy ta’minot Kaige Sun; validatsiya Xulong Zhang, Hong Jiang va Xiangfeng Zhang; tadqiqot Xulong Zhang va Dong Han; resurslar Dong Han; ma’lumotlarni tartibga solish Kaige Sun va Dong Han; dastlabki qo‘lyozma Xulong Zhang; ko‘rib chiqish va tahrir Hong Jiang, Dong Han va Xiangfeng Zhang; vizualizatsiya Xulong Zhang; maslahat Hong Jiang; loyiha boshqaruvi va moliyalashtirish Hai Guo tomonidan bajarilgan.

Ma’lumot to‘plami qaydi: Asosiy tajriba KITTI da o‘tkazilgan. KITTI ning 7481 tasvirli o‘qitish to‘plami 5237 o‘qitish, 1496 validatsiya va 748 test tasviriga 7:2:1 nisbatda bo‘lingan. SODA10M va FLIR ham 7:2:1 nisbatda o‘qitish, validatsiya va test qismlariga bo‘lingan. FLIR tajribalarida faqat RGB tasvirlar ishlatilgan.

“Umumlashuv” talqinining chegarasi: Manba SODA10M va FLIR tajribalarini generalization/cross-dataset testlari deb ataydi; ammo bu ma’lumot to‘plamlarining o‘z o‘qitish qismlari ishlatilgani uchun natijalar zero-shot domain transfer sifatida baholanmasligi kerak. Ushbu Verianla bayonida manba terminologiyasi saqlangan, ammo tajriba tartibining haqiqiy qamrovi alohida tushuntirilgan.

Chekka qurilma tasdig‘i chegarasi: Jetson Orin Nano tajribasi modelning TensorRT/FP16 sharoitida chekka qurilmada ishlatilishi mumkinligini va video inferens tezligini ko‘rsatadi. Tadqiqot UGV ning haqiqiy ochiq maydonda uzoq muddatli avtonom haydash xavfsizligi, aniqlash–rejalashtirish–boshqaruv integratsiyasi yoki sertifikatsiya darajasidagi ishonchlilik tasdig‘i emas.

Kelajakdagi ishlar chegaralari: Tadqiqotchilar keskin yoritish o‘zgarishlari, yomg‘ir, tuman, tungi past ko‘rinish va ko‘p sensorli birlashtirishni kelajakda rivojlantirilishi kerak bo‘lgan yo‘nalishlar qatorida ko‘rsatadi.

Kontentni tayyorlash usuli: Ushbu Verianla kontentining ilmiy qismi yuklangan tadqiqotning matni, tenglamalari, jadvallari, tarmoq arxitekturasi shakllari, ablatsiya tajribalari, aniqlash tasvirlari, issiqlik xaritalari va Jetson Orin Nano natijalariga asoslangan. Tashqi manbalardan yangi tajriba natijasi, yangi ishlash qiymati yoki qo‘shimcha mexanizm qo‘shilmagan. Tashqi tekshiruv faqat bibliografik nashr identifikatorini nazorat qilish uchun ishlatilgan. Inline SVG lar manbada bildirilgan aniq jadval ma’lumotlaridan qayta chizilgan yoki tadqiqot usuliga asoslanib tayyorlangan tushuntiruvchi original sxemalardir.