​​ Desarrollo de un prototipo de sistema de detección de drones con el fin de preservar la privacidad y la seguridad doméstica

Abstract

El presente trabajo propone el desarrollo de un sistema mecatrónico de detección de vehículos aéreos no tripulados de clase pequeña (peso inferior a 2Kg) destinado a salvaguardar la privacidad en zonas residenciales. La etapa inicial consistió en la selección de la arquitectura de visión por computadora y de la selección de actuadores necesarios para el posicionamiento dinámico. El análisis de rendimiento de las redes neuronales condujo a la elección de YOLOv8s debido a su robustez en la capacidad de detección. Para el control de posicionamiento, se optó por una combinación de motor paso a paso y servomotor para la base giratoria (movimiento Pan) y el sistema de elevación (movimiento TILT), respectivamente. Esta selección se basa en la alta precisión en el control de posicionamiento, lo que minimiza la necesidad de implementar un esquema de control realimentado. Finalmente, la implementación del protocolo de notificación SMS se estableció por su bajo costo y su capacidad para garantizar la entrega de alertas incluso en entornos con conectividad a Internet limitada. El sistema completo se articula en torno a una plataforma Pan-TILT que soporta la cámara. La computadora recibe la captura de imágenes y, mediante la red neuronal entrenada, realiza la identificación y estimación de la posición del UAV. Seguidamente, la computadora transmite las coordenadas al microcontrolador, el cual gestiona el posicionamiento de los actuadores y ejecuta la notificación de alerta por SMS a la autoridad competente para la toma de acciones de seguridad.

This study proposes the development of a mechatronic system for the detection of small class Unmanned Aerial Vehicles (UAVs) (mass below 2kg) intended to safeguard privacy in residential areas. The initial stage consisted of selecting the appropriate computer vision architecture and defining the actuators required for dynamic positioning. The performance analysis of Convolutional Neural Networks led to the selection of YOLOv8 due to its robustness in detection capability. For precise positioning control, a combination of a stepper motor and a servomotor was chosen for the rotating base (Pan movement) and the elevation system (Tilt movement), respectively. This selection is based on the inherent high precision in position control, which minimizes the necessity of implementing a feedback control scheme. Finally, the implementation of the SMS notification protocol was established due to its low cost and its capacity to ensure alert delivery even in environments with limited Internet connection. The complete system is structured around a Pan-Tilt platform that supports the camera. The computer receives the image capture stream and, using the trained neural network, performs the identification and position estimation of the UAV. Subsequently, the computer transmits the coordinates to the microcontroller, which manages the positioning of the actuators and executes the SMS alert notification to the competent authority for subsequent security action.