Los drones se han convertido en parte integrante del mundo moderno. No sólo realizan tareas de fotografía aérea, agricultura y otras, sino que también sirven como arma para atentados terroristas.
Por este motivo, las tecnologías que permiten rastrearlos son de gran interés.
Hoy en día existen muchos de estos eficaces sistemas basados en la visión, pero tienen desventajas: requieren buena iluminación, no detectan drones ocultos tras obstáculos (edificios, árboles, etc.).
Un equipo de investigadores de la Universidad de Texas en Arlington ha desarrollado un nuevo tipo de dispositivo de seguimiento de drones que utiliza señales visuales y acústicas. El sistema DroneChase está diseñado para ser montado en vehículos y rastrear continuamente drones en rápido movimiento. DroneChase utiliza un algoritmo de aprendizaje automático que reconoce la correspondencia entre la información visual y la acústica.
Para las pruebas, utilizaron el modelo YOLOv5 reentrenado en un conjunto de datos de 10.000 imágenes de drones para detectar drones visualmente. El modelo YOLOv5 detecta y etiqueta los drones en los fotogramas cuando recibe un flujo de vídeo. Una red neuronal utiliza estas etiquetas para analizar los datos de audio y la ubicación del objeto basándose en los sonidos producidos.
Los algoritmos de DroneChase son muy eficaces y pueden ejecutarse en un ordenador monoplaca Raspberry Pi. El sistema, complementado con una cámara de bajo coste y un micrófono Seeed ReSpeaker, hace que el dispositivo sea asequible.
Las pruebas han demostrado que la visualización y la acústica, junto con una gran precisión en la localización del dron. Si el dron está oculto tras un objeto o la iluminación es escasa, la acústica acude al rescate y determina su ubicación con gran éxito.
El equipo tiene previsto ampliar el sistema para que pueda rastrear más de un dron a la vez. También está previsto probar DroneChase en condiciones ambientales más difíciles para hacerlo más fiable.