Deep learning models for detection of explosive ordnance using autonomous robotic systems: trade-off between accuracy and real-time processing speed

Abstract

The study focuses on deep learning models for real-time explosive ordnance detection (EO). This study aimed to evaluate and compare the performance of YOLOv8 and RT-DETR object detection models in terms of accuracy and speed for EO detection via autonomous robotic systems.

Предметом дослідження є моделі глибокого навчання для виявлення вибухонебезпечних предметів (ВНП) у реальному часі. Метою цього дослідження є оцінка та порівняння продуктивності моделей виявлення об’єктів YOLOv8 і RT-DETR з точки зору точності та швидкості виявлення ВНП за допомогою автономних роботизованих систем.