Proceedings of the International scientific and practical conference ―Science, technology and culture: integration and prospects‖ (November 3-5, 2025) / Publisher website: www.naukainfo.com. – Kharkiv, Ukraine, 2025. - 254 p.

17 Створена апаратна платформа є універсальною основою для подальшого розгортання програмного модуля комп’ютерного зору. Надалі на її базі реалізовано функції реального часу для виявлення, класифікації та супроводу об’єктів під час польоту. 3. Огляд методів виявлення об’єктів Виявлення та розпізнавання об’єктів у зображеннях і відео є ключовими задачами комп’ютерного зору. Упродовж останнього десятиліття ця галузь зазнала стрімкого розвитку, що підтверджується значною кількістю наукових публікацій і практичних розробок. За даними Google Scholar , лише за останні десять років опубліковано понад 15 тисяч наукових праць, присвячених цій тематиці. 3.1. Еволюція алгоритмів виявлення об’єктів Перші методи обробки зображень ґрунтувалися на використанні ручно створених ознак (hand-crafted features) і неглибоких класифікаторів, таких як AdaBoost [1]. Хоча ці алгоритми забезпечували прийнятну швидкодію, вони мали обмежену здатність до узагальнення, особливо у складних сценах з варіативним освітленням чи масштабом об’єктів. Суттєвий прорив відбувся після 2012 року, коли розвиток глибоких згорткових нейронних мереж (CNN) дозволив автоматично формувати ієрархії ознак без ручного втручання. З’явилися класичні архітектури, такі як R-CNN [2], SSD [3], YOLO [4] і DETR [5], що заклали основу для сучасних систем детекції. 3.2. Одноетапні та двоетапні підходи Методи виявлення об’єктів умовно поділяють на дві групи — одноетапні (single-stage) та двоетапні (two-stage) алгоритми. Одноетапні методи, до яких належать YOLO і SSD , виконують локалізацію та класифікацію об’єктів у межах однієї мережі. Зображення поділяється на комірки, кожна з яких прогнозує ймовірність наявності об’єкта, його категорію та координати межової рамки. Такі системи характеризуються