使用无人机，机器学习来检测危险的地雷

根据纽约州立大学宾厄姆顿大学的研究，使用先进的机器学习技术，无人驾驶飞机可以用来检测冲突后国家偏远地区的危险“蝴蝶”地雷。

宾厄姆顿大学的研究人员先前已经开发出一种方法，该方法可以使用配备有红外摄像头的低成本商用无人机对“蝴蝶”地雷进行高精度检测。他们的新研究集中在使用卷积神经网络自动检测地雷，卷积神经网络是遥感领域中物体检测和分类的标准机器学习方法。宾汉姆顿大学能源地球物理学助理教授阿列克·尼古林（Alek Nikulin）表示，这种方法是该领域的颠覆性游戏。

Nikulin说：“我们以前的所有努力都依赖于人眼对数据集的扫描。”“无人驾驶飞机的快速制图和自动检测可散布的雷区将有助于解决在最近的武装冲突中广泛使用小型可散布地雷的致命遗产，并允许建立一个有效的框架来有效地解决其可能的未来使用。”

据估计，世界上至少有1亿具各种大小，形状和组成的令人关注的军火和爆炸装置。其中数以百万计的是带有低压触发器的表面塑料地雷，例如大量生产的苏联PFM-1“蝴蝶”地雷。因体积小而得名这些地雷尺寸小巧，触发质量低，最重要的是，这种设计几乎排除了金属成分，因此这些装置几乎很难被金属探测器探测到。至关重要的是，该地雷的设计加上较低的触发重量使其成为“玩具地雷”的恶名，原因是在游戏时发现这些装置的小儿童的伤亡率很高，他们是PFM-1的主要受害者在阿富汗等冲突后国家。

根据纽约州立大学宾厄姆顿大学的研究，使用先进的机器学习技术，无人驾驶飞机可以用来检测冲突后国家偏远地区的危险“蝴蝶”地雷。图片来源：宾厄姆顿大学，纽约州立大学

研究人员认为，这些探测和制图技术具有普遍性，可以转移到其他令人关注的弹药和爆炸物上。例如，它们可以适用于为简易爆炸装置（IED）检测和绘制受干扰的土壤。

研究人员写道：“基于卷积神经网络（CNN）的方法对地雷的自动检测和制图非常重要，”“第一，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。第二，它是定量的和可再现的，与主观的人为错误倾向的目视检测不同。第三，基于CNN这些方法很容易推广，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物体。”