Ud over droner og AI: En genovervejelse af fremtidens humanitære minerydning

Jeg har arbejdet med droner siden 2014, men udbruddet af krigen i Ukraine markerede et vendepunkt i min karriere. Siden 2022 har min fokus skiftet til at udforske, hvordan droner kan bruges til at automatisere humanitær minerydning – hvilke kapaciteter de har brug for, og hvordan teknologien kan gøre disse bestræbelser sikrere og mere effektive. Som en del af dette arbejde følger jeg tæt med Geneva International Centre for Humanitarian Demining (GICHD), deltager i deres begivenheder og engagerer mig regelmæssigt med deres eksperter.

Ved at overveje drone-baserede løsninger kombineret med AI er de faktisk kun nyttige på det ikke-tekniske undersøgelsesstadium (NTS) af den humanitære minerydningsproces. Det betyder, at droner scanner store områder og indsamler data. Derefter analyserer en maskinel læring-model denne data for at markere områder, der kunne indeholde miner. Ikke de præcise steder for miner.

Den tekniske undersøgelse (TS), der bekræfter og kortlægger forurenet område, afhænger stadig af personale med metaldetektorer, trænede hunde og mekaniske minerydningsmaskiner. De går ind i det minerede område for at bestemme de præcise steder for farene.

Processen fortsætter med at være lang, risikabel og dyr:

• I 2023 var der 15 dødsfald blandt mineryddere i tre lande
• Ved den nuværende hastighed vil det tage over 100 år at rydde alle rester af krig
• Kosten for at fjerne en enkelt landmine er 50 til 100 gange større end kosten for at producere en

Miner fortsætter med at udgøre en trussel mod civile – der var mindst 5.757 mine/ERW-relaterede dødsfald i 2023.

I denne artikel forklarer jeg, hvorfor nuværende drone-baserede løsninger ikke fungerer for den tekniske undersøgelse (det dyreste og mest tidskrævende stadium lige nu) og deler, hvad jeg ser som den bedste måde at løse dette problem på.

At opdage miner under jord eller vegetation er næsten umuligt

Droner med standard optiske eller termiske kameraer fanger normalt billeder fra en enkelt nedadretningsskabt vinkel. Denne tilgang fungerer godt til at spotte overfladeanomalier, men fejler i at opdage begravde eller skjulte miner. Af denne grund bruges droner mest til ikke-tekniske undersøgelser i humanitær minerydning.

En af de frontlinjeløsninger – Safe Pro AI – rapporterer, at de kun har en 5 procents opdagede rate i områder med træer og buske.

Selv om det er mindre relevant for Ukraine, hvor de fleste miner er spredt på jorden i stedet for begravet, er situationen meget anderledes (for eksempel) for Cambodia:

• 4-6 millioner landminer er tilbage fra konflikter i 1970’erne-90’erne
• 64.000+ dødsfald siden 1979, med børn som primære ofre

Ikke-metalliske og gamle metalmminer er sværere at opdage, selv på overfladen

Ikke-metalliske miner udgør en betydelig del af landminer i nuværende og tidligere konfliktzoner. De er bevidst designede til at omgå opdagede af konventionelle metaldetektorer.

Visuelt er ikke-metalliske miner svære at opdage. De skinner ikke, står ikke ud i billeder eller viser sig ikke godt på termiske kameraer. Metaldetektorer og magnetometre enten mangler dem eller udløser for mange falske alarmer.

Således mangler nuværende drone-baserede opdagede værktøjer ofte ikke-metalliske miner helt.

Når det kommer til gamle metalmminer, ændrer korrosion, hvordan de ser ud og opfører sig, så de blander sig med jorden og reagerer dårligt på opdagede værktøjer. Misformede er endnu sværere at identificere på billeder.

Og fordi disse miner er sværere at spotte, tager de længere tid at finde og fjerne, eller de bliver skjult og sætter både mineryddere og civile i fare.

Vejr- og dagsafhængighed

Hvis vi taler om droner med RGB- og multispektrelkameraer, kræver de dagslys. I skyggefulde, lavbelysede eller skyggede områder (skove, ruiner) falder billedkvaliteten og objektgenkendelsen.

Termisk opdagede fungerer bedst ved daggry eller skumring, når jorden og minen adskiller sig i temperatur. Under middag varmer solen alt lige, og kontrasten reduceres.

Regn og våd jord slører overfladedetaljer, ændrer jordfarve og temperatur og kan skjule jordforstyrrelser eller termiske anomalier. Sne dækker blot over visuelle markører og gør overfladetemperaturerne ens, og miner bliver uopdagelige.

At flyve droner kun på bestemte tidspunkter langsommere selv det ikke-tekniske undersøgelsesstadium af minerydning, især i områder med uforudsigeligt vejr.

Teknologien er meget dyr

I 7 berørte lande når det estimerede antal personlige miner over 100 km².

Ifølge tests i Ukraine kan minerydning med den nye teknologi nedbringe omkostningerne fra $3000-5000 til $600-800 per hektar, hvilket stadig er $70.000 per kvadratkilometer. Og i nogle områder kan det meget vel overstige jordprisen selv.

Hovedårsagen til de høje omkostninger er de multiple falske alarmer, der behandles som rigtige trusler. I gennemsnit rydder et hold over 50 formodede miner for at finde kun en enkelt landmine.

De mest alvorligt forurenede områder ligger i udviklingslande. De kan ikke betale for minerydning uden finansiering fra internationale organisationer eller regeringer.

Omkostningerne er også for høje for virksomheder at springe ind. Når minerydning bliver billig nok, kan virksomheder måske leje mineforurenede jord på betingelse af, at de rydder den. I retur ville de få langtidsbrug for en symbolsk pris og nogle skattelettelser.

En løsning?

Med mit hold har vi udforsket metoder, der indsamler mere data, kan se gennem foliage og jord og stadig opretholder tilstrækkelig opløsning.

Et eksempel på en lovende udviklingsretning er et projekt af forskere ved University of Oviedo. De tester en array-baseret ground-penetrating synthetic aperture radar (GPR-SAR) system monteret på en UAV.

Deres flyvalidering i realistiske scenarier beviste, at teknologien løser følgende problemer:

1) Radaren bestemmer minens placering med præcision, og kun afvæbning eller ødelæggelse skal udføres manuelt.

Med brug af alle mulige radarpatterns (fuldt multistatisk konfiguration) fik de højopløste billeder, hvor begravde mål fremstod lysere og klarere. Og de kunne opdage med præcision udfordrende mål som små, ikke-metalliske og lavt begravde objekter som plastik-antipersonel-landminer, trætryksplader og PVC-rør.

2) Løsningen kan fungere både dag og nat, i varierende vejr og selv med moderat vegetation.

Hvordan det fungerer:

• Sender radarpulser ind i jorden.
• Detekterer reflekser fra underjordiske ændringer (f.eks. plastik, metal, hulrum).
• Bygger 3D-underjordiske billeder med centimeterpræcision ved at kombinere radarsignaler fra multiple transmitter-modtager-par (Tx-Rx) og flypositioner.

Løsningen har stadig sine begrænsninger, men baseret på min baggrund er det den mest relevante retning for forskning og udvikling lige nu.

En af GPR’s store styrker er, hvor meget data det kan indsamle. Mere data betyder, at forskere kan forbedre nøjagtigheden på genkendelses-/klassificeringsstadiet med AI. Dette fører til mere effektivt undersøgelses- og rydningsarbejde og reducerer samlede omkostninger med 50% eller mere.