РЕАЛІЗАЦІЯ КАНАЛУ ЗВ’ЯЗКУ МІЖ RASPBERRY PI ТА ANDROID ДЛЯ ДЕТЕКТУВАННЯ ОБ’ЄКТІВ У РЕАЛЬНОМУ ЧАСІ
DOI:
https://doi.org/10.34132/mspc2025.01.06.08Ключові слова:
роботизована технічна система, FPV-дрон, Raspberry Pi 4, фреймворк TensorFlow Lite, детектування об’єктів та перешкод.Анотація
Тези присвячено аналізу інтеграції мобільних і вбудованих платформ для створення апаратно-програмного комплексу реального часу детектування об’єктів і потенційних загроз. Основна увага зосереджена на забезпеченні стабільного та енергоефективного каналу зв’язку між компонентами системи.
Посилання
Siddiqui W. Design and Fabrication of FPV Racing Drone. Journal of Mechanical and Construction Engineering (JMCE). 2024. Vol. 4, No. 1. P. 1–8. DOI: 10.54060/a2zjournals.jmce.38.
Support for Phantom 4. Retrieved from: https://www.dji.com/support/product/phantom-4 (Last accessed: 17.05.2025).
How to Run TensorFlow Lite Object Detection Models on the Raspberry Pi (with Optional Coral USB Accelerator). Retrieved from: https://github.com/EdjeElectronics/TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi/blob/master/deploy_guides/Raspberry_Pi_Guide.md (Last accessed: 12.05.2025).
How to detect a single tree from a drone imagery of a dense forest? Nothing is simpler than custom object detection using TensorFlow. Retrieved from: https://blog.skygate.io/how-to-detect-a-single-tree-from-a-drone-imagery-of-a-dense-forest-de190f64cdb7 (Last accessed: 17.05.2025)
