无人机使用机器学习探测地雷
使用先进的机器学习，无人机可用于探测冲突后国家偏远地区的危险“蝴蝶”地雷。研究人员此前开发了一种方法，可以使用配备红外摄像机的低成本商用无人机高精度检测蝴蝶地雷。新的研究重点是使用卷积神经网络自动检测地雷，这是遥感领域目标检测和分类的标准机器学习方法。
之前的工作依赖于数据集的人眼扫描。快速无人机辅助测绘和可散布雷场的自动检测将有助于解决在最近的武装冲突中广泛使用小型散布地雷的致命遗留问题，并允许开发功能框架以有效解决其未来可能的使用问题。
据估计，世界上至少有 1 亿件大小、形状和组成各异的军用弹药和爆炸装置。其中数百万是带有低压触发器的地表塑料地雷，例如大规模生产的蝴蝶地雷。这些地雷因其体积小和蝴蝶形状而得名，由于其体积小、触发质量低，而且最重要的是，这种地雷的设计几乎不包括金属部件，因此很难定位和清除这些地雷，金属探测器几乎看不到这些设备.该地雷的设计加上较低的触发重量，因其在玩耍时发现这些装置的儿童的高伤亡率而赢得了“玩具地雷”的美誉。
研究人员认为，这些检测和测绘技术是可推广的，并可转移到其他受关注的弹药和爆炸物；例如，它们可用于检测和绘制简易爆炸装置 (IED) 的受干扰土壤。
出于多种原因，使用基于卷积神经网络 (CNN) 的方法来自动检测和映射地雷很重要。首先，它比从正射影像（即经过几何校正的航空影像）中手动计算地雷要快得多。其次，它是定量的和可重复的，与主观的容易人为错误的眼部检测不同。第三，基于 CNN 的方法易于推广，可以从任何遥感光栅图像中检测和映射具有不同大小和形状的任何对象。
传感器