https://github.com/ronibandini/drone-detection
Maker devices for drone detection and identification
https://github.com/ronibandini/drone-detection
dji drone edge-impulse machine-learning remote-id
Last synced: 2 months ago
JSON representation
Maker devices for drone detection and identification
- Host: GitHub
- URL: https://github.com/ronibandini/drone-detection
- Owner: ronibandini
- Created: 2026-03-24T20:28:36.000Z (3 months ago)
- Default Branch: main
- Last Pushed: 2026-03-25T12:44:41.000Z (3 months ago)
- Last Synced: 2026-03-26T01:51:21.867Z (3 months ago)
- Topics: dji, drone, edge-impulse, machine-learning, remote-id
- Homepage:
- Size: 6.15 MB
- Stars: 1
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Dispositivos maker para detectar drones y reaccionar
**Estos proyectos fueron preparados para el PRIMER SIMPOSIO INTERNACIONAL DE CIBERSEGURIDAD ECC-UCM COLOMBIA** **Autor:** Roni Bandini
---
## 🛠️ Pruebas de concepto
### 1. Captura de REMOTE ID vía ESP32
Detección de señales de identificación remota utilizando el estándar actual de la industria.
* **Hardware:** * Beetle ESP32C6
* Switch conectado entre **D4** y **GND**
* Gabinete en dos piezas de PLA (ensamblado con 2 tornillos M3)
* **Instalación:** * Conectar la placa ESP32 con cable USB.
* Cargar el software `droneRemoteID.ino.merged.bin` con **ESPTools** en la dirección `0x000`.
* **Modos de Operación:**
* **Switch ON:** Modo *Sniff* (rastreo de señales).
* **Switch OFF:** Modo *View* (interfaz de usuario).
* **Acceso a Datos:**
1. Conectarse al WiFi `Drone-Detector`.
2. Cargar en el navegador la IP `192.168.4.1`.
3. Visualizar registros de Remote ID para piloto/drone, links de geolocalización y botón de purga de registros.
*Nota: Es necesario desconectarse del AP para acceder a los links de mapas externos.*
---
### 2. Detección de drones vía audio con Machine Learning
Identificación acústica mediante modelos de inferencia entrenados para reconocer motores brushless.
* **Hardware:** Raspberry Pi 5 y micrófono USB.
* **Preparación del sistema:**
```bash
sudo apt install python3-gpiozero
```
* **Configuración de Edge Impulse:**
1. Registrarse en [Edge Impulse](https://studio.edgeimpulse.com/studio/937618) y clonar el proyecto.
2. Instalar el entorno en la Raspberry Pi 5 siguiendo la [documentación oficial](https://docs.edgeimpulse.com/hardware/boards/raspberry-pi-5).
* **Ejecución:**
1. Ejecutar el runner para verificar inferencias en pantalla:
```bash
edge-impulse-linux-runner
```
2. Interrumpir con `CTRL+C` una vez validado.
3. Iniciar el script de detección final:
```bash
python3 dronedetection2.py
```
---
### 3. Detección vía análisis del espectro
Monitoreo de señales no cooperativas mediante el escaneo de portadoras en la banda de 2.4 GHz.
* **Hardware:** ESP32 + nRF24L01+PA+LNA.
* **Lógica de detección:** Identificación de patrones de **FHSS** (Frequency Hopping Spread Spectrum) para diferenciar drones de ruidos de fondo o redes WiFi estáticas mediante el análisis de persistencia y dispersión de energía.
---
## 📩 Contacto
**Roni Bandini** [LinkedIn Profile](https://www.linkedin.com/in/ronibandini/)