24 марта 2026 года SecurityLab сообщил: Elbit Systems разворачивает программу воздушных лазеров, которые должны заменить классические зенитные комплексы и «обнулить» стоимость одного перехвата. Ключевая инженерная идея здесь не в самой лазерной пушке, а в связке «сенсор → модель → решение → выстрел», где цена ошибки и цена выстрела считаются в реальном времени. Для выпускника ИТ это готовый каркас ВКР: детекция малоразмерных объектов на бортовом вычислителе с жёсткими ограничениями по задержке, энергопотреблению и массе — и всё это с экономическим обоснованием. Ниже — как превратить новость в защищаемую работу, а не в реферат про оборону.
Почти всегда — да, но формулировку надо сместить с «система вооружения» на «алгоритм обработки видеопотока в реальном времени» или «метод оценки эффективности распределения ресурсов». Научный руководитель спокойно подпишет тему про детекцию YOLO-подобной моделью на edge-устройстве, а прикладной контекст из статьи Elbit уйдёт в главу 1 как обоснование требований.
Открытые датасеты: Anti-UAV, DUT Anti-UAV, VisDrone, плюс синтетика. Синтетику генерируют в Unreal Engine или Blender + AirSim/ROS 2 Gazebo — это законный и защищаемый подход, если в главе 2 описана методика генерации и валидации доменного разрыва.
Через имитационную модель. Дискретно-событийная симуляция в AnyLogic/SimPy + метрики: вероятность поражения, среднее время реакции, cost-per-kill. Формула и допущения выносятся в главу 3, ограничения модели — в заключение. Такую модель защищать проще, чем «сырой» прототип.
Разделяйте нотации: архитектуру описывайте в C4 (контекст → контейнеры → компоненты), процессы — в BPMN или UML activity, структуру данных — в UML class/ER, ТЗ и календарный план — по ГОСТ 34.602. Список источников — по ГОСТ Р 7.0.5. Экономику — отдельным приложением с расчётной таблицей.
Тема 1. Обнаружение и сопровождение малоразмерных БПЛА бортовой системой компьютерного зрения.
Актуальность: статья Elbit прямо показывает тренд на перенос средств поражения на воздушные платформы, где нет места для полноценного радара — значит, растёт спрос на лёгкие CV-конвейеры.
Цель: разработать пайплайн детекции и трекинга с задержкой не выше 40 мс на встраиваемом ускорителе.
Задачи: 1) обзор архитектур детекторов (YOLO, RT-DETR); 2) подготовка датасета и аугментаций; 3) обучение и квантизация; 4) трекинг (ByteTrack/Kalman); 5) замер FPS и mAP на Jetson-классе устройств.
Структура: Гл. 1 — анализ методов и требований (ISO/IEC 25010 по критериям производительность/надёжность); Гл. 2 — проектирование пайплайна, C4-диаграммы, реализация; Гл. 3 — эксперименты, метрики, сравнение с базовой моделью.
Тема 2. Модель оценки стоимости поражения (cost-per-kill) для лазерных средств противодействия дронам.
Актуальность: «обнуление стоимости защиты» — тезис из статьи, который нужно проверить численно, а не принять на веру.
Цель: построить имитационную модель и показать, при каких условиях лазер действительно дешевле ракетного перехвата.
Задачи: 1) формализовать затраты (налёт-час, ресурс излучателя, обслуживание); 2) смоделировать поток целей; 3) посчитать C_pk для сценариев; 4) анализ чувствительности к вероятности поражения.
Структура: Гл. 1 — теория стоимости жизненного цикла, ГОСТ 34 как рамка требований; Гл. 2 — модель и её реализация; Гл. 3 — сценарии, графики чувствительности, выводы.
Тема 3. Архитектура бортового вычислителя для мультисенсорной фузии и real-time инференса.
Актуальность: воздушная платформа ограничена по массе, теплу и питанию — это классическая задача edge-архитектуры, а не только «оборонка».
Цель: спроектировать отказоустойчивый конвейер «камера + ИК + инерциальные данные → решение».
Задачи: 1) выбрать шину обмена (DDS/ROS 2); 2) спроектировать резервирование; 3) настроить профилирование (OpenTelemetry для трасс пайплайна); 4) оценить p99-задержку; 5) провести стресс-тесты.
Структура: Гл. 1 — анализ платформ и протоколов; Гл. 2 — C4-описание и реализация узлов; Гл. 3 — тесты на деградацию, отчёты по метрикам.
Не пересказывайте пресс-релиз. Возьмите из него три технических вызова и превратите в измеримые требования: обнаружение объекта с малой ЭПР на подвижной платформе, работа без постоянного канала связи с землёй, минимизация стоимости одного выстрела. Каждое требование подкрепите источником и метрикой: полнота детекции при заданном уровне ложных срабатываний, автономность по энергии, стоимость цикла. Хорошо работает таблица сравнения подходов.
| Подход | Плюсы | Ограничения | Метрика для ВКР |
|---|---|---|---|
| Наземная ПВО с ракетами | Проверена, высокая дальность | Высокая цена перехвата, истощение запаса | Стоимость на один перехват |
| Оптический/ИК сенсор + ML на борту | Нет активного излучения, дешевле | Зависит от погоды, малая дальность | mAP@50 при SNR, p99 задержки |
| Лазерный излучатель на воздушной платформе | Низкая цена «выстрела» | Ресурс излучателя, потребление, тепловой режим | Cost-per-kill, наработка на отказ |
Здесь вы строите C4-диаграммы (Context → Container → Component) и UML sequence «обнаружение → захват → сопровождение → передача целеуказания». Ниже — ASCII-схема, которую можно перенести в draw.io и вставить как рисунок.
[Камера 30 Hz] --frame--> [Препроцессинг (CUDA/TensorRT)]
|
v
[Детектор: YOLO-класс, INT8]
|
v
[Трекер: Kalman + ассоциация Хемминга/Хунгариана]
|
+-----------+-----------+
v v
[Оценка качества трека] [Модуль целеуказания]
| |
+-----------> [Логика распределения огня]
|
v
[Метрики: latency, mAP, cost-per-kill]
Пример конфигурации экспорта модели в TensorRT-совместимый артефакт — часто просят показать в приложении к ВКР:
# export_onnx.py
import torch
from ultralytics import YOLO
model = YOLO("best.pt")
model.export(
format="onnx",
imgsz=640,
dynamic=False,
simplify=True,
opset=17,
)
# Далее trtexec на бортовом модуле:
# trtexec --onnx=best.onnx --saveEngine=best_int8.engine \
# --int8 --calib=calibration_data/ --useCudaGraph \
# --timingCacheFile=tc.cache
Для фузии сенсоров опишите фильтр Калмана в псевдокоде — этого достаточно для главы 2, полный код уйдёт в приложение.
def predict_track(track, dt):
track.x = track.F @ track.x
track.P = track.F @ track.P @ track.F.T + track.Q
return track
def associate(detections, tracks, gate):
cost = iou_distance(detections, tracks)
matches = linear_assignment(cost, threshold=gate)
return matches
Разделите метрики на три группы и не смешивайте их в одном графике. Качество модели: mAP@50-95, F1, PR-кривая. Производительность: FPS, latency p50/p95/p99, потребление в ваттах, температура. Экономика: стоимость одного поражения.
Формула, которую удобно защищать, потому что она связывает технику и экономику:
C_pk = (H * C_hour + N_shots * C_shot + C_maintenance + C_platform) / (P_detect * P_track * P_kill)
где H — длительность вылета, C_hour — стоимость часа эксплуатации, N_shots — число импульсов, P_* — вероятности этапов. Главный вывод, к которому почти всегда приходят студенты: снижение затрат достигается не мощностью лазера, а ростом произведения вероятностей на этапах детекции и сопровождения. Это сильный тезис для защиты — он объясняет, зачем в проекте вообще ML.
Профилирование конвейера оформите через OpenTelemetry: трассы по стадиям дадут картину, где именно «съедается» задержка, а не абстрактные слова про «узкое место».
tracer = trace.get_tracer("uav.pipeline")
with tracer.start_as_current_span("inference") as span:
span.set_attribute("batch", 1)
span.set_attribute("precision", "int8")
out = engine.infer(frame)
Три сущности, которые закрывают почти все замечания: ГОСТ 34.602 — для технического задания и календарного плана; ISO/IEC 25010 — для формулирования нефункциональных требований (производительность, надёжность, сопровождаемость); C4/UML — для описания архитектуры и сценариев. Диаграммы подписывайте по шаблону «Рисунок N — Название», ссылайтесь на них в тексте, а «сырые» логи и листинги выносите в приложения. Если сомневаетесь, как именно оформить тот или иной расчёт, — это хороший повод задать вопрос научному руководителю до, а не после сдачи черновика.
Выберите одну тему из трёх, зафиксируйте две-три метрики, которые будете защищать, и подберите открытый датасет. Дальше работа идёт по накатанной: требования → архитектура → эксперимент → экономика. Такой каркас одинаково хорошо ложится и на CV-проект, и на работу по архитектуре вычислителя, и не зависит от того, насколько громко звучит исходная новость.
Источник: Дрон за цент. Израиль переносит лазерное ПВО на самолеты, чтобы обнулить стоимость защиты (опубликовано 2026-03-24)