Ut over droner og AI: Omtenkning av fremtiden for humanitær mineringsrydding

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 Geneva International Centre for Humanitarian Demining (GICHD), deltager på deres arrangementer og engasjerer jevnlig 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 metalledetektorer, trenede hunder og mekaniske mineringsmaskiner. De går inn i det minerende området for å finne de nøyaktige plassene til farene.

Prosessen fortsetter å være lang, risikabel og dyrekjøpt:

• I 2023 var det 15 dødsfall 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 miner/ERW-ulykker i 2023.

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

Det er nesten umulig å oppdage miner under jord eller vegetasjon

Droner med standard optiske eller termiske kameraer fanger vanligvis bilder fra en enkelt nedovervendt vinkel. Denne tilnærmingen fungerer bra for å spore overflatenivåanomalier, men mislykkes i å oppdage 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 oppdage rate i områder med trær og busker.

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

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

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

Ikke-metallminer utgjør en betydelig del av landminer i nåværende og tidligere konfliktområder. De er bevisst designet for å unngå oppdaging av konvensjonelle metalledetektorer.

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

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

Når det gjelder gamle metallminer, endrer korrosjon hvordan de ser ut og oppfører seg, så de blander seg inn i bakken og reagerer dårlig på oppdagelsesverktøy. Uformelige er enda vanskeligere å identifisere i bilder.

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

Vær- og dagsavhengighet

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

Termisk oppdaging fungerer best ved daggry eller skumring, når bakken og minen skille seg fra hverandre i temperatur. Under midday varmer solen opp alt like mye, reduserer kontrasten.

Regn og fuktig jord utydeliggjør overflate detaljer, endrer jord farge og temperatur, og kan skjule jord forstyrrelser eller termiske anomalier. Snø dekker bare over visuelle markører og likestiller overflate temperatur, gjør minene uoppdagelige.

Å fly droner bare på bestemte tider betraktelig langsommere selv den ikke-tekniske undersøkelsesfasen av mineringsrydding, spesielt i områder med uforutsigbar vær.

Teknologien er svært dyrekjøpt

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

Ifølge tester i Ukraina kan mineringsrydding med ny teknologi kutte kostnader fra $3000-5000 til $600-800 per hektar, som fortsatt er $70 000 per kvadratkilometer. Og i noen områder kan det meget vel overstige landprisen selv.

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

De mest 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 gjengjeld 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 bakke-penetrerende syntetisk åpning radar (GPR-SAR) system montert på en UAV.

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

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

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

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

Hvordan det fungerer:

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

Løsningen har fortsatt 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 den kan samle inn. Mer data betyr at forskere kan forbedre nøyaktigheten på gjenkjennings-/klassifiseringsstadiet med AI. Dette fører til mer effektivt undersøkelses- og ryddingsarbeid og kutte totalkostnadene med 50% eller mer.