Нам это очень нужно. Дрон с камерой научили обнаруживать пластиковые мины без подключения к сети

Для внедрения этой технологии в полевых условиях понадобится лишь легкий ноутбук потребительского класса, дрон и камера, уверяют авторы исследования.

Современные противопехотные мины небольшие и часто имеют пластиковые корпуса, которые стандартные металлоискатели не могут обнаружить. Геофизические методы, такие как георадар, магнитометрия и электромагнитная индукция, значительно менее эффективны в отношении пластиковых мин, чем в отношении металлических.

Особое беспокойство вызывают так называемые рассеивающиеся мины, предназначенные для развертывания на больших площадях. Одной из широко используемых мин является ПФМ-1 советских времен, известная как «Лепесток» или «Бабочка» из-за своей характерной формы.

«Ухаживать за раненым солдатом труднее, чем за мертвым. Они предназначены для ранения, а не для убийства. Они специально разработаны с этой целью, и вся их конструкция рассчитана на то, чтобы их не было видно», — пояснил доцент кафедры наук о Земле Бингемтонского университета Алекс Никулин.

Новая методика использует алгоритмы машинного обучения — искусственный интеллект (ИИ) — для обнаружения этих пластиковых мин на больших площадях.

В зонах активных боевых действий, таких как Украина, рассеиваемые мины часто скрываются близко к поверхности; однако в постконфликтных регионах они со временем могут зарыться или быть скрыты в ландшафте, сказала выпускница геологического факультета Бингемтонского университета Шарифа Карвандьяр. Поскольку пластиковые мины обычно размером с мобильный телефон, дроны, используемые для их обнаружения, должны летать низко над землей — на высоте 10 или 20 метров — чтобы датчики могли достичь максимального разрешения.

«Это анализ первого прохода, чтобы определить, является ли местность потенциально подозрительной опасной зоной», — сказал Карвандьяр. «Это соответствует стандартизированному процессу обнаружения наземных мин».

В своей магистерской диссертации Карвандьяр использовала камеру, установленную на дроне, и программное обеспечение для сшивки изображений с низким разрешением. Затем эти изображения были обработаны с помощью алгоритма машинного обучения You Only Look Once (YOLO), который помог обнаружить потенциальные мины.

Исследователи обучили алгоритм обнаружения объектов YOLO, используя инертные мины PFM-1, а также их копии, напечатанные на 3D-принтере. Затем они разместили мины в разных частях природного заповедника Бингемтонского университета, создав набор данных о том, как будет выглядеть мина PFM-1 в различных средах, под разными углами, в разных условиях и при различном освещении, сказала Карвандьяр.

«Мы обучили две разные модели YOLO, чтобы понять, как мы можем сделать нечто подобное пригодным для полевых условий», — сказала она. «Одна модель была обучена исключительно на минах PFM-1, а другая использовалась для идентификации PFM-1 и дополнительных случайных объектов с помощью стандартного набора данных».

Вторая модель показала более низкие показатели производительности, что, скорее всего, отражает реальные результаты, сказала она. В конце концов, камеры также фиксируют элементы окружающей среды, такие как листья.

Значительная часть обработки данных происходит на этапе обучения алгоритма, который длится от нескольких часов до суток, в зависимости от количества изображений. В полевых условиях для развертывания потребуется лишь легкий ноутбук потребительского класса, дрон и камера. Это большой плюс: как в странах с активными столкновениями, так и в постконфликтных периодах обычно возникают проблемы с подключением к Интернету, будь то из-за отсутствия целостной инфраструктуры, будь то из-за активного подавления GPS и сигнала, как это наблюдается в Украине. Чтобы быть полезной в полевых условиях, система должна работать независимо от подключения, что и обеспечивает данный метод.

Ранее NV Техно писал, что в 2024 году Матео Дульсе Рубио, аспирант Университета Карнеги-Меллона, изобрел систему обнаружения мин с помощью искусственного интеллекта. Он возглавил разработку системы RELand — инновационного инструмента, который помогает гуманитарным организациям точнее определять места, загрязнённые минами.

Разработанная командой студентов и преподавателей система использует искусственный интеллект (ИИ) для анализа данных о минном загрязнении. Она сочетает машинное обучение, географическую информацию и социально-демографические данные, создавая точные прогнозы риска минного загрязнения.