Drones à apprentissage automatique détectent les mines antipersonnel « papillon » en zones post-conflit

Grâce à l'apprentissage automatique avancé, des drones pourraient être utilisés pour détecter les dangereuses mines antipersonnel « papillon » dans des régions reculées de pays post-conflit. Des chercheurs avaient précédemment développé une méthode permettant une détection très précise des mines papillon à l'aide de drones commerciaux peu coûteux équipés de caméras infrarouges. La nouvelle recherche se concentre sur la détection automatisée des mines à l'aide de réseaux de neurones convolutifs, la méthode standard d'apprentissage automatique pour la détection et la classification d'objets en télédétection.

Le travail précédent reposait sur l'examen visuel humain du jeu de données. La cartographie assistée par drone rapide et la détection automatisée de champs de mines dispersées aideraient à relever l'héritage mortel de l'utilisation généralisée de petites mines dispersées dans les conflits armés récents et permettraient de développer un cadre fonctionnel pour faire face efficacement à leur utilisation future possible.

On estime qu'il y a au moins 100 millions de munitions et dispositifs explosifs militaires dans le monde de diverses tailles, formes et compositions. Des millions de ces mines sont des mines plastiques de surface à déclencheur à basse pression, comme la mine papillon produite en masse. Surnommées pour leur petite taille et leur forme de papillon, ces mines sont extrêmement difficiles à localiser et à déminer en raison de leur petite taille, de leur faible masse de déclenchement, et surtout d'une conception qui exclut presque totalement les composants métalliques, les rendant virtuellement invisibles aux détecteurs de métaux. La conception de la mine, combinée à un faible poids de déclenchement, lui a valu la notoriété de « mine jouet » en raison d'un taux élevé de victimes parmi les jeunes enfants qui trouvent ces dispositifs 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, elles pourraient être adaptées pour détecter et cartographier les sols perturbés pour les engins explosifs improvisés (EEI).

L'utilisation d'approches basées sur les réseaux de neurones convolutifs (CNN) pour automatiser la détection et la cartographie des mines est importante pour plusieurs raisons. Premièrement, c'est beaucoup plus rapide que le comptage manuel des mines à partir d'une ortho-image (image aérienne corrigée géométriquement). Deuxièmement, c'est quantitatif et reproductible, contrairement à la détection visuelle subjective sujette à l'erreur humaine. Troisièmement, les méthodes basées sur CNN sont facilement généralisables pour détecter et cartographier tout objet aux tailles et formes distinctes à partir d'images raster télédétectées.