드론은 기계 학습을 사용하여 지뢰 감지

고급 기계 학습을 사용하여 드론은 분쟁 후 국가의 외딴 지역에서 위험한 "나비" 지뢰를 탐지하는 데 사용할 수 있습니다. 연구원들은 이전에 적외선 카메라가 장착된 저가 상업용 드론을 사용하여 나비 지뢰를 매우 정확하게 탐지할 수 있는 방법을 개발했습니다. 새로운 연구는 원격 감지 분야에서 물체 감지 및 분류를 위한 표준 기계 학습 방법인 합성곱 신경망을 사용하여 지뢰를 자동으로 감지하는 데 중점을 두고 있습니다.

이전 작업은 데이터 세트의 사람 눈 스캐닝에 의존했습니다. 산란 가능한 지뢰의 신속한 무인 항공기 지원 매핑 및 자동 탐지는 최근 무력 충돌에서 소규모 산란 가능한 지뢰의 광범위한 사용의 치명적인 유산을 해결하는 데 도움이 될 것이며 가능한 미래 사용을 효과적으로 처리할 수 있는 기능적 프레임워크의 개발을 허용할 것입니다.

세계에는 다양한 크기, 모양 및 구성의 군용 탄약 및 폭발 장치가 1억 개 이상 있는 것으로 추정됩니다. 이 중 수백만 개는 대량 생산된 나비 지뢰와 같은 저압 방아쇠가 있는 표면 플라스틱 지뢰입니다. 작은 크기와 나비 같은 모양으로 별명을 붙인 이 지뢰는 작은 크기, 낮은 방아쇠 질량, 그리고 가장 중요한 점은 대부분 금속 구성요소를 배제한 설계로 인해 위치를 찾고 제거하기가 매우 어렵기 때문에 이러한 장치를 금속 탐지기에서 거의 볼 수 없게 만듭니다. . 낮은 트리거 무게와 결합된 광산의 디자인은 노는 동안 이러한 장치를 찾는 어린 아이들 사이에서 높은 사고율로 인해 "장난감 광산"으로 악명을 얻었습니다.

연구원들은 이러한 탐지 및 매핑 기술이 일반화되고 우려되는 다른 탄약 및 폭발물로 이전될 수 있다고 믿습니다. 예를 들어, 즉석 폭발 장치(IED)를 위해 교란된 토양을 감지하고 매핑하도록 조정할 수 있습니다.

CNN(Convolutional Neural Network) 기반 접근 방식을 사용하여 지뢰 탐지 및 매핑을 자동화하는 것은 여러 가지 이유로 중요합니다. 첫째, 정사 이미지(즉, 기하학적으로 수정된 항공 이미지)에서 지뢰를 수동으로 계산하는 것보다 훨씬 빠릅니다. 둘째, 주관적인 인간 오류가 발생하기 쉬운 안구 감지와 달리 정량적이며 재현 가능합니다. 셋째, CNN 기반 방법은 원격으로 감지된 래스터 이미지에서 크기와 모양이 다른 개체를 감지하고 매핑하기 위해 쉽게 일반화할 수 있습니다.