Наземните мини продължават да убиват и осакатяват хиляди цивилни всяка година. Нови изследвания показват, че комбинацията от дронове, многосензорни изображения и изкуствен интелект може значително да ускори откриването им. Целта е разминирането да стане по-бързо, по-надеждно и най-вече по-безопасно.
Днес поне 57 държави по света все още имат активни противопехотни мини на своя територия. Само през 2024 г. те са причинили смъртта на 1945 души и са ранили още 4325. Девет от десет жертви са цивилни. Почти половината са деца.
Същевременно през същата година сапьорски екипи са успели да обезвредят над 105 000 мини. Проблемът обаче се задълбочава с всяка нова война. За хората, които се връщат по домовете си след конфликт – фермери, деца, цели семейства – една погрешна стъпка може да означава трайно увреждане или смърт.
Изследователи от Технологичния институт в Рочестър работят върху нов подход, който комбинира дронове, многоспектрални сензори и алгоритми за изкуствен интелект.
Проектът се фокусира върху три ключови направления: сливане на данни от различни типове сензори, създаване на стандартизирани набори от данни за обучение на алгоритми и разработване на по-надеждни AI модели, които отчитат собствената си степен на несигурност.
Традиционното откриване на мини все още разчита основно на наземни методи. Ръчните металотърсачи, например, често дават фалшиви сигнали в почви с високо минерално съдържание. Те също така трудно откриват мини с минимално метално съдържание или такива, изработени предимно от пластмаса.
Наземният радар може да открива неметални обекти, но има други ограничения. Влажна почва, гъста растителност или неравен терен значително намаляват ефективността му. Освен това системата често генерира голям брой фалшиви аларми.
Ръчните сонди и обучените животни остават надежден инструмент. Процесът обаче е бавен, скъп и излага сапьорите на сериозен риск. При мащабите на минните полета, наблюдавани например в Украйна и други зони на конфликти, подобни методи трудно могат да догонят реалните нужди.
Затова все по-често се използват дронове. Въздушните изображения позволяват бързо обследване на големи територии, особено когато мините са разположени на повърхността. Но камуфлажът, растителността и променящите се условия на осветление често правят тези обекти почти невидими в стандартни снимки.
Решението е комбинирането на различни типове сензори. Камерите за видима светлина (RGB) улавят визуалните характеристики на мините. Термалните сензори откриват температурни разлики между мината и околната почва. Мултиспектралните и хиперспектралните камери идентифицират специфични материални „подписи“.
Радарът със синтетична апертура регистрира промени в повърхността на терена. LiDAR картографира фини деформации на земята, а магнитометрите засичат метални компоненти под повърхността. Съчетани в едно, тези технологии могат да покрият широкия спектър от типове мини и условия на тяхното разполагане.
Една от основните пречки пред развитието на подобни системи е липсата на реалистични набори от данни. За обучение на надеждни алгоритми, са необходими изображения от множество сензори, заснети в реални условия и с точно известни позиции на мините.
В опит да запълнят тази празнина, изследователите създават мащабен мултисензорен набор от данни в контролирано тестово поле в Оклахома. Там са разположени повече от 140 инертни мини и невзривени боеприпаси.
Данните са събирани както от земни платформи, така и от дронове на различни височини. Използвани са хиперспектрални, мултиспектрални, термални и RGB камери, LiDAR, радар със синтетична апертура, наземен радар, електромагнитни металдетектори и магнитометри.
По-късно проектът е разширен в международен мащаб чрез сътрудничество с Кралската военна академия на Белгия. В рамките на съвместна кампания са разположени над 110 реплики на противопехотни мини PFM-1 в различни типове терен и растителност.
Мините са разпръснати така, че да симулират реално въздушно разсейване. Всяка позиция е точно определена с помощта на GPS станции. След това дронове, оборудвани с различни сензори, събират данни от няколко височини.
Получените набори от данни ще бъдат публикувани като свободно достъпни ресурси за научната общност. Подобни мултисензорни бази данни досега практически не съществуват.
Освен откриването на мините, важен е и въпросът за надеждността на алгоритмите. При подобни приложения една грешка може да има фатални последици. Затова част от изследването се фокусира върху модели, които оценяват собствената си несигурност.
Идеята е системата да може да сигнализира, когато не е уверена в дадено разпознаване. Колкото по-неясни са входните данни, толкова по-висок е показателят за несигурност. Това дава на операторите допълнителна информация при вземането на решения.
Наличието на мултисензорни данни за един и същ обект позволява и директно сравнение между различни технологии за откриване. Така изследователите могат да оценят кога отделните сензори работят по-добре и кога комбинираният подход е по-надежден.
В крайна сметка целта на подобни разработки не е само технологична. Става дума за възстановяване на нормалния живот в райони след конфликти – земеделски земи, училищни пътища и цели общности, които трябва отново да станат безопасни.
