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.

19 ефективністю і стабільністю. Архітектура моделі побудована за модульним принципом і включає чотири основні компоненти:  Input — вхідний блок попередньої обробки;  Backbone — основна мережа для вилучення ознак;  Neck — структура агрегації ознак з різних рівнів;  Head — вихідний модуль прогнозування координат та класів. YOLOv7 є збалансованим рішенням між швидкістю обробки кадрів та точністю локалізації, що робить її придатною для реалізації систем аероспостереження, де критичним є час реакції. 4. Удосконалення архітектури YOLOv7 YOLOv7 є однією з найефективніших моделей для виявлення об’єктів у реальному часі. Її архітектура поєднує високу точність і швидкодію завдяки модульній побудові, що забезпечує баланс між глибиною мережі, кількістю параметрів і швидкістю інференції. У цьому дослідженні здійснено низку удосконалень, спрямованих на підвищення ефективності обробки даних, отриманих з камер безпілотних літальних апаратів. 4.1. Структура базової моделі YOLOv7 Архітектура YOLOv7 складається з чотирьох функціональних частин:  Input (вхідний блок) — виконує масштабування та нормалізацію зображень, підготовлюючи їх до подальшої обробки;  Backbone (основна частина) — екстрагує багаторівневі ознаки з використанням модулів Conv2D_BN_SiLu (CBS) , мережі агрегації ELAN і структур SPPCSPC ;  Neck (проміжна частина) — реалізує агрегацію ознак різних рівнів за допомогою мережі PA-Net (Path Aggregation Network), що забезпечує краще узгодження контексту між шарами;  Head (вихідна частина) — здійснює прогноз координат межових рамок і класифікацію об’єктів через блок RepConv , який підвищує стабільність навчання, зменшуючи при цьому складність моделі.