Метод формування комбінованого датасету для виявлення вибухонебезпечних предметів засобами YOLOv26

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

У статті представлено аналіз та узагальнення сучасних методів створення цифрових зображень для наповнення наборів даних, що використовуються при навчанні комп’ютерного зору для виявлення вибухонебезпечних предметів (ВНП). У рамках виконання поставлених завдань розроблено метод, за яким створено авторський анотований датасет з одним типом вибухонебезпечного об’єкта, що містить 276 зразків синтетичних зображень протитанкової міни ТМ-62 у різних середовищах, згенерованих за допомогою мультимодальної генеративної моделі Gemini 3.1 Flash Image (Nano Banana 2) та 61 реального зображення ТМ-62 з відкритих джерел. Створений датасет використано під час навчання та валідації моделей комп’ютерного зору для виявлення протитанкової міни ТМ-62 на основі нової версії глибокої згорткової нейронної мережі YOLOv26 для трьох варіантів train/val/test-вибірок. В результаті проведеної експериментальної валідації на вибірці реальних зображень міни ТМ-62 з використанням навченої моделі комп’ютерного зору в цілому підтверджено авторську гіпотезу про доцільність використання синтетичних згенерованих зображень як наповнення навчального набору цифрових зображень для виявлення вибухонебезпечних предметів. Особливості впливу генеративних зображень ВНП на моделі комп’ютерного зору та комбінації наповнення вибірок заслуговують на подальші дослідження.