در سال های اخیر پیشرفت بسیار سریع فنّاوری در حوزه پهپادها (پرنده های هدایت پذیر از دور)، در کنار مزایای خود، تهدیدات جدی را در سطوح مختلف اجتماعی و امنیتی به همراه داشته است. از جمله این مشکلات، می توان به بحث پروازهای غیرمجاز در مناطق حفاظت شده و امنیتی اشاره کرد. لذا تشخیص به موقع این دستگاه ها در جهت انجام سریع اقدامات مربوطه، ضروری است. در همین راستا، در این پژوهش با بهره گیری از الگوریتم YOLOv5l که جزء جدیدترین نسخه الگوریتم های یک مرحله ای بینایی رایانه ای است، دو مدل با بهینه سازهای SGD و Adam جهت تشخیص به موقع پهپادها توسعه داده شده است. برای توسعه مدل های حاضر در این پژوهش، از یک مجموعه داده شامل 10046 عدد عکس از انواع و حالات مختلف پهپادها استفاده شده است. پردازش مدل ها به کمک بستر گوگل کولب انجام شده است که به صورت رایگان یک سیستم پردازشی قدرتمند را در اختیار توسعه دهندگان قرار می دهد. ارزیابی مدل ها بر روی چهار مجموعه آزمون 1000 عددی شامل مجموعه آزمون معمولی، کم حجم، حالت شب، خاکستری مقیاس و همچنین یک مجموعه آزمون شامل 100 عدد عکس از چندین پهپاد صورت گرفته است. طبق نتایج، مدل توسعه داده شده با بهینه ساز Adam نسبت به مدل توسعه داده شده با بهینه ساز SGD عملکرد بهتری داشته است.
