Los drones utilizan el aprendizaje automático para detectar minas terrestres

Usando el aprendizaje automático avanzado, los drones podrían usarse para detectar peligrosas minas terrestres "mariposa" en regiones remotas de países que salen de un conflicto. Los investigadores habían desarrollado previamente un método que permitía la detección altamente precisa de minas terrestres de mariposas utilizando drones comerciales de bajo costo equipados con cámaras infrarrojas. Una nueva investigación se centra en la detección automatizada de minas terrestres utilizando redes neuronales convolucionales, el método estándar de aprendizaje automático para la detección y clasificación de objetos en el campo de la detección remota.

El trabajo anterior se basó en el escaneo del conjunto de datos con el ojo humano. El mapeo rápido asistido por drones y la detección automática de campos de minas dispersables ayudarían a abordar el legado mortal del uso generalizado de pequeñas minas terrestres dispersables en conflictos armados recientes y permitirían el desarrollo de un marco funcional para abordar de manera efectiva su posible uso futuro.

Se estima que hay al menos 100 millones de municiones militares y artefactos explosivos en el mundo de varios tamaños, formas y composiciones. Millones de estas son minas terrestres de plástico de superficie con gatillos de baja presión, como la mina terrestre mariposa producida en masa. Apodadas por su pequeño tamaño y forma de mariposa, estas minas son extremadamente difíciles de localizar y limpiar debido a su pequeño tamaño, baja masa de disparo y, lo que es más importante, un diseño que en su mayoría excluyó los componentes metálicos, lo que hace que estos dispositivos sean prácticamente invisibles para los detectores de metales. . El diseño de la mina, combinado con un bajo peso de activación, le dio notoriedad como la "mina de juguete" debido a la alta tasa de accidentes entre los niños pequeños que encuentran estos dispositivos mientras juegan.

Los investigadores creen que estas técnicas de detección y mapeo son generalizables y transferibles a otras municiones y explosivos de interés; por ejemplo, podrían adaptarse para detectar y mapear suelos alterados para dispositivos explosivos improvisados ​​(IED).

El uso de enfoques basados ​​en redes neuronales convolucionales (CNN) para automatizar la detección y el mapeo de minas terrestres es importante por varias razones. En primer lugar, es mucho más rápido que contar manualmente las minas terrestres a partir de una ortoimagen (es decir, una imagen aérea que se ha corregido geométricamente). En segundo lugar, es cuantitativa y reproducible, a diferencia de la detección ocular subjetiva propensa a errores humanos. Y tercero, los métodos basados ​​en CNN son fácilmente generalizables para detectar y mapear cualquier objeto con distintos tamaños y formas a partir de cualquier imagen rasterizada detectada remotamente.