Les drones utilisent l'apprentissage automatique pour détecter les mines terrestres

Grâce à l'apprentissage automatique avancé, les drones pourraient être utilisés pour détecter les dangereuses mines terrestres «papillons» dans les régions reculées des pays sortant d'un conflit. Les chercheurs avaient précédemment développé une méthode permettant une détection très précise des mines terrestres papillons à l'aide de drones commerciaux à faible coût équipés de caméras infrarouges. De nouvelles recherches se concentrent sur la détection automatisée des mines terrestres à l'aide de réseaux de neurones convolutifs, la méthode standard d'apprentissage automatique pour la détection et la classification d'objets dans le domaine de la télédétection.

Les travaux précédents reposaient sur le balayage à l'œil humain de l'ensemble de données. La cartographie rapide assistée par drone et la détection automatisée des champs de mines dispersables aideraient à faire face à l'héritage meurtrier de l'utilisation généralisée de petites mines terrestres dispersables dans les conflits armés récents et permettraient de développer un cadre fonctionnel pour faire face efficacement à leur éventuelle utilisation future.

On estime qu'il existe au moins 100 millions de munitions militaires et d'engins explosifs dans le monde de différentes tailles, formes et compositions. Des millions d'entre eux sont des mines terrestres en plastique à surface avec des déclencheurs à basse pression, comme la mine papillon produite en série. Surnommées pour leur petite taille et leur forme en forme de papillon, ces mines sont extrêmement difficiles à localiser et à nettoyer en raison de leur petite taille, de leur faible masse de déclenchement et, plus important encore, d'une conception qui excluait principalement les composants métalliques, rendant ces dispositifs pratiquement invisibles aux détecteurs de métaux. . La conception de la mine, associée à un faible poids de déclenchement, lui a valu la notoriété de "mine jouet" en raison d'un taux élevé de pertes parmi les jeunes enfants qui trouvent ces appareils en jouant.

Les chercheurs pensent que ces techniques de détection et de cartographie sont généralisables et transférables à d'autres munitions et explosifs préoccupants; par exemple, ils pourraient être adaptés pour détecter et cartographier les sols perturbés pour les engins explosifs improvisés (EEI).

L'utilisation d'approches basées sur le réseau neuronal convolutif (CNN) pour automatiser la détection et la cartographie des mines terrestres est importante pour plusieurs raisons. Premièrement, c'est beaucoup plus rapide que de compter manuellement les mines terrestres à partir d'une ortho-image (c'est-à-dire une image aérienne qui a été géométriquement corrigée). Deuxièmement, il est quantitatif et reproductible, contrairement à la détection oculaire subjective sujette aux erreurs humaines. Et troisièmement, les méthodes basées sur CNN sont facilement généralisables pour détecter et cartographier tous les objets avec des tailles et des formes distinctes à partir de n'importe quelle image raster télédétectée.