Drone Berbasis Machine Learning Deteksi Landmines Kupu-Kupu di Zona Pasca-Konflik
Menggunakan machine learning canggih, drone dapat digunakan untuk mendeteksi landmines "kupu-kupu" berbahaya di daerah terpencil negara pasca-konflik. Peneliti sebelumnya telah mengembangkan metode yang memungkinkan deteksi landmines kupu-kupu dengan akurasi tinggi menggunakan drone komersial berbiaya rendah yang dilengkapi kamera inframerah. Penelitian baru berfokus pada deteksi otomatis landmines menggunakan jaringan saraf konvolusional, metode machine learning standar untuk deteksi dan klasifikasi objek di bidang sensor jarak jauh.
Pekerjaan sebelumnya bergantung pada pemindaian mata manusia dari dataset. Pemetaan cepat dengan bantuan drone dan deteksi otomatis lapangan ranjau yang tersebar akan membantu dalam mengatasi warisan maut dari penggunaan ranjau kecil yang tersebar dalam konflik senjata terdekat dan memungkinkan pengembangan kerangka kerja fungsional untuk mengatasi penggunaan yang mungkin di masa depan secara efektif.
Diperkirakan bahwa ada setidaknya 100 juta amunisi militer dan perangkat meledak di dunia dengan ukuran, bentuk, dan komposisi yang berbeda. Jutaan dari ini adalah ranjau plastik permukaan dengan pemicu tekanan rendah, seperti ranjau kupu-kupu yang diproduksi massal. Disebutkan karena ukuran kecil dan bentuk seperti kupu-kupu, ranjau ini sangat sulit untuk dilokasi dan dibersihkan karena ukuran kecil, massa pemicu rendah, dan yang paling signifikan, desain yang sebagian besar mengecualikan komponen logam, membuat perangkat ini hampir tidak terlihat oleh detektor logam. Desain ranjau, dikombinasikan dengan bobot pemicu rendah, mendapat kepemusnahan sebagai "ranjau mainan" karena tingkat korban yang tinggi di antara anak-anak kecil yang menemukan perangkat ini saat bermain.
Peneliti percaya bahwa teknik deteksi dan pemetaan ini dapat digeneralisasi dan ditransferkan ke amunisi dan perangkat meledak lain yang mencemaskan; misalnya, mereka dapat disesuaikan untuk mendeteksi dan memetakan tanah yang terganggu untuk perangkat meledak buatan (IED).
Penggunaan pendekatan berbasis Convolutional Neural Network (CNN) untuk mengotomatisasi deteksi dan pemetaan ranjau penting untuk beberapa alasan. Pertama, jauh lebih cepat daripada menghitung ranjau secara manual dari ortho-image (yaitu, citra udara yang telah dikoreksi secara geometris). Kedua, kuantitatif dan dapat direproduksi, tidak seperti deteksi mata manusia yang subyektif dan rawan kesalahan. Dan ketiga, metode berbasis CNN mudah digeneralisasi untuk mendeteksi dan memetakan objek apa pun dengan ukuran dan bentuk yang berbeda dari citra raster yang dihasilkan dari jarak jauh.
