Drones con Aprendizaje Automático Detectan Minas Antipersona "Mariposa" en Zonas Post-Conflicto

Usando aprendizaje automático avanzado, drones podrían usarse para detectar peligrosas minas antipersona "mariposa" en regiones remotas de países post-conflicto. Los investigadores habían desarrollado previamente un método que permitía la detección altamente precisa de minas mariposa usando drones comerciales de bajo costo equipados con cámaras infrarrojas. La nueva investigación se centra en la detección automatizada de minas usando redes neuronales convolucionales, el método estándar de aprendizaje automático para detección y clasificación de objetos en teledetección.

El trabajo previo dependía del escaneo visual humano del conjunto de datos. El mapeo rápido asistido por drones y la detección automatizada de campos minados dispersos ayudarían a abordar el legado mortal del uso generalizado de pequeñas minas dispersas en conflictos armados recientes y permitirían el desarrollo de un marco funcional para abordar efectivamente su posible uso futuro.

Se estima que hay al menos 100 millones de municiones y dispositivos explosivos militares en el mundo de varios tamaños, formas y composiciones. Millones de estas son minas antipersona plásticas de superficie con gatillos de baja presión, como la mina mariposa producida en masa. Apodadas por su pequeño tamaño y forma similar a mariposa, estas minas son extremadamente difíciles de localizar y eliminar debido a su pequeño tamaño, baja masa de gatillo y, lo más significativo, un diseño que excluye mayormente componentes metálicos, haciendo estos dispositivos virtualmente invisibles a detectores de metales. El diseño de la mina, combinado con un peso de gatillo bajo, le ganó notoriedad como "mina juguete" debido a una alta tasa de bajas entre 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 preocupación; por ejemplo, podrían adaptarse para detectar y mapear suelo perturbado para dispositivos explosivos improvisados (IEDs).

El uso de enfoques basados en Red Neuronal Convolucional (CNN) para automatizar la detección y mapeo de minas es importante por varias razones. Primero, es mucho más rápido que contar minas manualmente desde una ortoimagen (es decir, una imagen aérea corregida geométricamente). Segundo, es cuantitativo y reproducible, a diferencia de la detección visual subjetiva propensa a error humano. Y tercero, los métodos basados en CNN son fácilmente generalizables para detectar y mapear cualquier objeto con tamaños y formas distintos desde imágenes raster remotas.