Please use this identifier to cite or link to this item: http://repositorio.yachaytech.edu.ec/handle/123456789/748
Title: Drone detection and antidrone system using YOLO: an effective approach to airspace security
Authors: Iza Paredes, Cristhian Rene
Astudillo Tobar, Jaime Vicente
Keywords: Drones
Red neuronal convolucional
Detección de objetos
Convolutional neural network
Object detection
Issue Date: Apr-2024
Publisher: Universidad de Investigación de Tecnología Experimental Yachay
Abstract: En un contexto donde los drones son omnipresentes, resulta crucial abordar los desafíos derivados de su incursión no autorizada en espacios aéreos restringidos. Para ello, este proyecto fusiona algoritmos de detección de objetos YOLO (You Only Look Once) con tecnología de interferencia, buscando proporcionar una solución eficaz y adaptable. Una parte fundamental del proyecto se centra en la implementación y evaluación de la detección de drones basada en YOLO, optando específicamente por la variante YOLOv8 debido a su robustez en esta tarea. A través de rigurosos experimentos y entrenamiento, nos proponemos evaluar el desempeño de YOLOv8 en la detección precisa y eficiente de drones no autorizados en el mundo real. Además de la detección, nos ocupamos del aspecto crítico de la neutralización mediante tecnología de interferencia. Exploramos la integración de MDK4, una herramienta de interferencia disponible en Kali Linux, reconocida por su efectividad en interrumpir la comunicación y las señales de control de los drones. Los resultados y conclusiones obtenidos a lo largo del proyecto arrojan luz sobre la viabilidad y eficacia del sistema de detección de drones basado en YOLO, así como sobre la contramedida de interferencia. Las métricas de rendimiento, que incluyen precisión, recuperación y tasas de falsos positivos/negativos, proporcionan una evaluación integral de las capacidades del sistema.
Description: In a context where drones are ubiquitous, it is crucial to address the challenges arising from their unauthorized incursion into restricted airspace. To this end, this project merges YOLO (You Only Look Once) object detection algorithms with interference technology, aiming to provide an effective and adaptable solution. A key focus of the project lies in implementing and evaluating drone detection based on YOLO, specifically opting for the YOLOv8 variant due to its robustness in this task. Through rigorous experiments and training, we aim to assess the performance of YOLOv8 in accurately and efficiently detecting unauthorized drones in real-world scenarios. In addition to detection, we address the critical aspect of neutralization through interference technology. We explore the integration of MDK4, an interference tool available in Kali Linux, known for its effectiveness in disrupting drone communication and control signals. The results and conclusions obtained throughout the project shed light on the feasibility and effectiveness of the YOLO-based drone detection system, as well as the interference countermeasure. Performance metrics, including precision, recall, and false positive/negative rates, provide a comprehensive evaluation of the system's capabilities.
URI: http://repositorio.yachaytech.edu.ec/handle/123456789/748
Appears in Collections:Tecnologías de la Información

Files in This Item:
File Description SizeFormat 
ECMC0154.pdf18.81 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.