Il presente lavoro esplora la progettazione, lo sviluppo e la valutazione di un sistema intelligente di tracciamento della torretta in tempo reale che utilizza modelli di deep learning leggeri per la sorveglianza automatizzata della difesa. Spiega come i moderni ambienti di combattimento richiedano sistemi di rilevamento delle minacce più veloci e precisi, in grado di operare con un intervento umano minimo. Il lavoro si concentra sull'applicazione di tecniche efficienti di visione artificiale, in particolare reti neurali convoluzionali basate su YOLO, per rilevare e tracciare bersagli multipli come droni, veicoli e personale in scene dinamiche. Particolare attenzione è rivolta alla distribuzione di questi modelli su piattaforme edge a basso consumo, affrontando le sfide relative alla latenza, ai limiti computazionali e all'affidabilità . Il libro discute anche la creazione e l'uso di ambienti di simulazione sintetici per addestrare e convalidare i modelli quando i dati militari del mondo reale sono limitati. Attraverso l'analisi sperimentale e la valutazione delle prestazioni, dimostra come l'ottimizzazione del modello, l'aumento dei dati e il ridimensionamento della risoluzione migliorino l'accuratezza del rilevamento mantenendo il funzionamento in tempo reale. Complessivamente, il lavoro proposto fornisce una guida pratica e tecnica alla costruzione di sistemi di sorveglianza basati sull'IA.
