SISTEMA INTELIGENTE DE RASTREIO DE TORRETA EM TEMPO REAL UTILIZANDO CNNs LIGEIRAS

O presente trabalho explora o design, desenvolvimento e avaliação de um sistema inteligente de rastreio de torreta em tempo real que utiliza modelos de deep learning ligeiros para vigilância de defesa automatizada. Explica como os ambientes de combate modernos exigem sistemas de deteção de ameaças mais rápidos e precisos que possam operar com intervenção humana mínima. O trabalho foca-se na aplicação de técnicas eficientes de visão computacional, particularmente redes neuronais convolucionais baseadas em YOLO, para detetar e rastrear múltiplos alvos, tais como drones, veículos e pessoal em cenas dinâmicas. É dada especial atenção à implementação destes modelos em plataformas edge de baixo consumo, abordando desafios relacionados com latência, limites computacionais e fiabilidade. O livro discute também a criação e o uso de ambientes de simulação sintéticos para treinar e validar modelos quando os dados militares do mundo real são limitados. Através de análise experimental e avaliação de desempenho, demonstra como a otimização de modelos, o aumento de dados e o escalonamento de resolução melhoram a precisão da deteção, mantendo a operação em tempo real. No geral, o trabalho proposto fornece um guia prático e técnico para a construção de sistemas de vigilância baseados em IA.