Beyond Drones and AI: Rethinking the Future of Humanitarian Demining

Jeg har arbeidet med droner siden 2014, men utbruddet av krig i Ukraina markerte et vendepunkt i min karriere. Siden 2022 har fokuset mitt skiftet til å utforske hvordan droner kan brukes til å automatisere humanitær mineringsrydding – hva kapasiteter de trenger, og hvordan teknologien kan gjøre disse innsatsene tryggere og mer effektive. Som en del av dette arbeidet, følger jeg nøye med på Geneva International Centre for Humanitarian Demining (GICHD), deltager på deres arrangementer, og engasjerer meg jevnt med deres eksperter.

Ved å vurdere dronebaserte løsninger kombinert med AI, er de faktisk nyttige bare på den ikke-tekniske undersøkelsesfasen (NTS) av den humanitære mineringsryddingsprosessen. Det betyr at droner skanner store områder og samler inn data. Deretter analyserer en maskinlæringsmodell denne dataen for å markere områder som kanskje inneholder miner. Ikke de nøyaktige plassene til minene.

Den tekniske undersøkelsen (TS), som bekrefter og kartlegger forurensete områder, avhenger fortsatt av personell med metaldetektorer, trent hunder og mekaniske mineringsmaskiner. De går inn i minefeltet for å finne de nøyaktige plassene til farene.

Prosessen fortsetter å være lang, risikabel og dyrekjøpt:

• I 2023 var det 15 skader blant mineringsryddere i tre land
• Ved nåværende hastighet, vil det ta over 100 år å rydde alle ERW
• Kosten for å fjerne en enkelt landmine er 50 til 100 ganger høyere enn kostnaden for å produsere en

Miner fortsatt å være en trussel mot sivile – det var minst 5 757 mine/ERW-skader i 2023.

I denne artikkelen forklarer jeg hvorfor nåværende dronebaserte løsninger ikke fungerer for teknisk undersøkelse (den dyreste og mest tidskrevende fasen nå) og deler hva jeg ser som den beste måten å løse dette på.

Å detektere miner under jord eller vegetasjon er nesten umulig

Droner med standard optiske eller termiske kameraer fanger vanligvis bilder fra ett enkelt nedovervendt perspektiv. Dette tilnærmingen fungerer godt for å spore overflatenivåavvik, men feiler i å detektere begravde eller skjulte miner. Av denne grunn brukes droner hovedsakelig for ikke-tekniske undersøkelser i humanitær mineringsrydding.

En av frontlinjeløsningene – Safe Pro AI – rapporterer at de bare har en 5 prosent detekteringsrate i områder med trær og busker.

Selv om det er mindre relevant for Ukraina, der de fleste miner ligger på bakken, i stedet for å være begravde, er situasjonen svært forskjellig (for eksempel) for Kambodsja:

• 4-6 millioner landminer gjenstår fra konflikter i 1970- og 90-årene
• 64 000+ skader siden 1979, med barn som primære ofre

Ikke-metall og gamle metallminer er hardest å detektere, selv på overflaten

Ikke-metallminer utgjør en betydelig del av landminene i nåværende og tidligere konfliktområder. De er bevisst designet for å unngå deteksjon av konvensjonelle metaldetektorer.

Visuelt er ikke-metalliske miner vanskelige å detektere. De skinner ikke, står ikke ut i bilder eller vises ikke godt på termiske kameraer. Metaldetektorer og magnetometer enten mangler dem eller utløser for mange falske alarmer.

Så, nåværende dronebaserte detekteringsverktøy går ofte glipp av ikke-metalliske miner helt.

Når det gjelder gamle metallminer, endrer korrosjon hvordan de ser ut og oppfører seg, så de blandes inn i bakken og reagerer dårlig på detekteringsverktøy. Misformete er enda harder å identifisere på bilder.

Og fordi disse minene er vanskeligere å spore, tar de lang tid å finne og fjerne, eller de blir skjult og setter både mineringsryddere og sivile i fare.

Vær og døgnavhengighet

Hvis vi snakker om droner med RGB- og multispektralkameraer, krever de dagslys. I skyede, lavt lys eller skyggeområder (skoger, ruiner) synker bilde kvalitet og objektgjenkjenning.

Termisk deteksjon, på sin side, fungerer best ved daggry eller skumring, når bakken og minen skille seg i temperatur. Under midday, varmer solen opp alt like, og kontrasten reduseres.

Regn og våt jord utydeliggjør overflatedetaljer, endrer jordfarge og temperatur, og kan skjule jordforstyrrelser eller termiske avvik. Snø dekker bare over visuelle markører og likestiller overflatetemperatur, og gjør miner usynlige.

Å fly droner bare på bestemte tider sakter ned selv den ikke-tekniske undersøkelsesfasen av mineringsrydding, særlig i områder med uforutsigbar vær.

Teknologien er svært dyrekjøpt

I 7 berørte land når den anslåtte antipersonell mineforurensning området over 100 km².

Ifølge tester i Ukraina, kan mineringsrydding med den nye teknologien kutte kostnadene fra 3000-5000 til 600-800 dollar per hektar, som fortsatt er 70 000 dollar per kvadratkilometer. Og i noen områder kan det overstige selve landprisen.

Hovedgrunnen til de høye kostnadene er de multiple falske alarmer som behandles som reelle trusler. I gjennomsnitt rydder et team over 50 mistenkte miner for å finne bare en faktisk landmine.

De mest tungt forurensete områdene er i utviklingsland. De kan ikke engasjere seg i mineringsrydding uten finansiering fra internasjonale organisasjoner eller regjeringer.

Kostnadene er også for høye for bedrifter å delta. Når mineringsrydding blir billig nok, kan bedrifter leie mineforurenset land på betingelse av at de rydder det. I retur vil de få langtidsbruk for en symbolsk pris og noen skattelettelser.

En løsning?

Med mitt team har jeg utforsket metoder som samler inn mer data, kan se gjennom løvverk og jord, og likevel opprettholder tilstrekkelig oppløsning.

Et eksempel på en lovende utviklingsretning er et prosjekt fra forskere ved Universitetet i Oviedo. De tester en arraybasert jordpenetrerende syntetisk aperturradar (GPR-SAR) system montert på en UAV.

Deres flyvalidering i realistiske scenarier viste at teknologien løser følgende problemer:

1) Radaren peker nøyaktig på minens plassering, og lar bare avvæpning eller ødeleggelse å bli gjort manuelt.

Med bruk av alle mulige radarbaner (fullstendig multistatisk konfigurasjon) fikk de høyoppløselige bilder hvor begravde mål dukket opp tydeligere og klarere. Og de kunne detektere med nøyaktighet utfordrende mål som små, ikke-metalliske og grunt begravde objekter som plast anti-personell landminer, tretrykksplater og PVC-rør.

2) Løsningen kan fungere dag eller natt, i varierende vær, og selv med moderat vegetasjon.

Hvordan det fungerer:

• Sender radarimpulser inn i jorden.
• Detekterer refleksjoner fra underjordiske endringer (f.eks. plast, metall, hull).
• Bygger 3D-underjordiske bilder med centimeter-nøyaktighet ved å kombinere radarsignaler fra multiple transmitter-mottaker (Tx-Rx) par og flystillinger.

Løsningen har likevel sine begrensninger, men basert på min bakgrunn er det den mest relevante retningen for forskning og utvikling nå.

En av GPRs største styrker er hvor mye data det kan samle inn. Mer data betyr at forskerne kan forbedre nøyaktigheten på gjenkjenning/klassifiseringsstadiet med AI. Dette fører til mer effektivt undersøkelses- og ryddingsarbeid og kutte totale kostnader med 50% eller mer.