Дроны используют машинное обучение для обнаружения наземных мин
Используя передовое машинное обучение, дроны можно использовать для обнаружения опасных наземных мин «бабочка» в отдаленных регионах постконфликтных стран. Исследователи ранее разработали метод, позволяющий с высокой точностью обнаруживать наземные мины-бабочки с помощью недорогих коммерческих дронов, оснащенных инфракрасными камерами. Новое исследование посвящено автоматическому обнаружению наземных мин с использованием сверточных нейронных сетей — стандартного метода машинного обучения для обнаружения и классификации объектов в области дистанционного зондирования.
Предыдущая работа основывалась на сканировании набора данных человеческим глазом. Быстрое картографирование с помощью дронов и автоматическое обнаружение рассеиваемых минных полей помогут справиться с смертоносным наследием широкого применения малых рассеиваемых наземных мин в недавних вооруженных конфликтах и позволят разработать функциональную основу для эффективного решения проблемы их возможного будущего использования.
По оценкам, в мире насчитывается не менее 100 миллионов боевых боеприпасов и взрывных устройств различного размера, формы и состава. Миллионы из них представляют собой наземные пластиковые наземные мины со спусковым механизмом низкого давления, такие как серийно выпускаемые наземные мины-бабочки. Эти мины, получившие прозвище за свой небольшой размер и форму бабочки, чрезвычайно трудно обнаружить и обезвредить из-за их небольшого размера, низкой массы срабатывания и, что наиболее важно, из-за конструкции, которая в основном исключает металлические компоненты, что делает эти устройства практически невидимыми для металлодетекторов. . Конструкция мины в сочетании с малым весом срабатывания принесла ей известность как «игрушечная мина» из-за большого количества жертв среди маленьких детей, которые находят эти устройства во время игры.
Исследователи считают, что эти методы обнаружения и картирования можно обобщить и перенести на другие боеприпасы и взрывчатые вещества, вызывающие озабоченность; например, их можно адаптировать для обнаружения и картирования нарушенной почвы для самодельных взрывных устройств (СВУ).
Использование подходов на основе сверточной нейронной сети (CNN) для автоматизации обнаружения и картирования наземных мин важно по нескольким причинам. Во-первых, это намного быстрее, чем ручной подсчет мин по орто-изображению (т.е. аэрофотоснимку, который был геометрически скорректирован). Во-вторых, он является количественным и воспроизводимым, в отличие от субъективного визуального обнаружения, подверженного человеческим ошибкам. И в-третьих, методы на основе CNN легко обобщаются для обнаружения и картирования любых объектов с различными размерами и формами на любых растровых изображениях, полученных дистанционным способом.
Датчик
- Машинное обучение на AWS; Знай все
- Цепочка поставок и машинное обучение
- Как использовать машинное обучение в сегодняшней корпоративной среде
- Как использовать станок для резки акрила для резки акрила
- Машинное обучение в полевых условиях
- Машинное обучение в профилактическом обслуживании
- Как использовать дроны для повышения безопасности на рабочем месте
- Прогнозирование срока службы батареи с помощью машинного обучения
- Датчики, управляемые машинным обучением, обнаруживают утечки газа
- Машинное обучение помогает выявлять проблемы с походкой у пациентов с рассеянным склерозом