利用机器学习技术和无人机技术实现高度精确地

纽约州立大学宾厄姆顿大学（Binghamton University）的研究表明，利用先进的机器学习技术，无人机可以在冲突后国家的偏远地区探测危险的“蝴蝶”地雷。

宾厄姆顿大学（Binghamton University）的研究人员此前曾开发出一种方法，可以使用配备红外摄像机的低成本商用无人机高度精确地探测“蝴蝶”地雷。他们的新研究重点是利用卷积神经网络自动探测地雷，卷积神经网络是遥感领域用于目标探测和分类的标准机器学习方法。宾厄姆顿大学（Binghamton University）能源地球物理学助理教授亚力克·尼库林（Alek Nikulin）表示，这种方法是该领域的一个颠覆者。

“我们之前的所有工作都依赖于对数据集的人眼扫描，”尼库林说。“无人机协助的快速测绘和对可散布雷区的自动探测将有助于解决在最近武装冲突中广泛使用小型可散布地雷所造成的致命后果，并使我们能够制定一个有效的框架，以有效地解决今后可能使用这些地雷的问题。”

据估计，世界上至少有1亿枚不同大小、形状和组成的军事弹药和有关装置。其中数百万是带有低压触发器的表面塑料地雷，例如苏联大规模生产的PFM-1“蝴蝶”地雷。这些地雷因其体积小、形似蝴蝶而得名，由于其体积小、触发质量低，而且最重要的是，其设计基本上不包括金属元件，使得金属探测器几乎看不到这些装置。至关重要的是，这个地雷的设计加上一个低触发重量使它获得了“玩具地雷”的恶名，因为在玩的时候发现这些装置的小孩子的死亡率很高，他们是冲突后国家（如阿富汗）的PFM-1的主要受害者。

纽约州立大学宾厄姆顿大学（Binghamton University）的研究表明，利用先进的机器学习技术，无人机可以在冲突后国家的偏远地区探测到危险的“蝴蝶”地雷。

研究人员认为，这些探测和绘图技术是可推广的，可以应用于其他需要关注的弹药和爆炸物。例如，它们可以用于探测和绘制简易爆炸装置（IEDs）的扰动土壤。

研究人员写道：“使用基于卷积神经网络（CNN）的方法来自动探测和绘制地雷地图非常重要，原因有几个。”第一，它比从正射像（即经过几何校正的航拍像）中手动计算地雷要快得多。第二，它是定量的和可重现的，不像主观的人类容易出错的眼睛检测。第三，基于cnn的方法很容易推广，可以从任何遥感光栅图像中检测和绘制具有不同大小和形状的任何对象。”

责任编辑：gt