Forskere Reverse-Engineer Hoverflies' visuelle systemer for å oppdage droner

Et team av forskere ved University of South Australia har reversert de visuelle systemene til svevefluer for å oppdage droner fra nesten fire kilometer unna. De autonome systemekspertene ved universitetet jobbet sammen med andre ved Flinders University og forsvarsselskapet Midspar Systems. 

50 % bedre deteksjon

Forsøkene som brukte bioinspirerte signalbehandlingsteknikker viste opptil 50 % bedre deteksjonshastigheter enn eksisterende metoder. 

Ifølge teamet kan disse nye funnene bidra til å bekjempe trusselen fra IED-bærende droner. Forskningen kommer akkurat mens disse dronene blir brukt i Ukraina. 

Verket ble publisert i Journal of Acoustical Society of America.

Ifølge UniSA professor i autonome systemer Anthony Finn, har svevefluenes visuelle systemer blitt kartlagt før for å forbedre kamerabaserte deteksjoner. Den nye forskningen er imidlertid første gang biosyn har blitt brukt på akustiske data.

«Biovisjonsprosessering har vist seg å øke deteksjonsområdet til droner betraktelig i både visuelle og infrarøde data. Nå har vi imidlertid vist at vi kan fange opp klare og skarpe akustiske signaturer fra droner, inkludert svært små og stillegående droner, ved hjelp av en algoritme basert på svevefluenes visuelle system», sier professor Finn.

Hoverfluer har overlegne visuelle og sporingsferdigheter som har blitt modellert med suksess for å oppdage droner i komplekse og obskure landskap. Dette kan involvere enten militære eller sivile formål. 

«Uautoriserte droner utgjør særegne trusler mot flyplasser, enkeltpersoner og militærbaser. Det blir derfor stadig mer kritisk for oss å kunne oppdage bestemte plasseringer av droner på lange avstander, ved å bruke teknikker som kan fange opp selv de svakeste signalene. Våre forsøk med svevefluebaserte algoritmer viser at vi nå kan gjøre dette, sier prof. Finn.

Økende bruk av autonome fly

Dr. Russell Brinkworth, som er førsteamanuensis i autonome systemer ved Flinders University, sier at luftfartsregulatorer, sikkerhetsmyndigheter og den bredere offentligheten alle vil ha stor nytte av teknologien. Dette gjelder spesielt ettersom det blir stadig viktigere å overvåke det store antallet autonome fly som brukes. 

«Vi har sett droner komme inn i luftrommet der kommersielle flyselskaper lander og letter de siste årene, så det å utvikle kapasiteten til å faktisk overvåke små droner når de er aktive i nærheten av flyplassene våre eller i luftrommet vårt kan være svært gunstig for å forbedre sikkerheten», sier Dr. Brinkworth. 

«Effekten av UAV-er i moderne krigføring blir også tydelig under krigen i Ukraina, så det er faktisk i nasjonal interesse å holde oversikt over deres plassering. Vår forskning tar sikte på å utvide deteksjonsområdet betraktelig ettersom bruken av droner øker i det sivile og militære rommet.»

Bioinspirert prosessering forbedret deteksjonsområdet med mellom 30 og 49 prosent sammenlignet med tradisjonelle teknikker, avhengig av type drone og forhold. 

For å fange opp droneakustikk på korte til middels avstander, observerer forskere spesifikke mønstre og generelle signaler. Men lengre avstander betyr at signalet er svakere, og begge teknikkene er mindre effektive. 

Ifølge forskerne er det lignende forhold i den naturlige verden. For eksempel har svevefluer kraftige visuelle systemer som kan fange visuelle signaler i støyende, mørkt opplyste områder. 

"Vi jobbet under forutsetningen om at de samme prosessene som gjør at små visuelle mål kan sees blant visuelt rot, kunne omplasseres for å trekke ut akustiske signaturer med lavt volum fra droner begravd i støy," sier Dr. Brinkworth.

Forskerne konverterte akustiske signaler til todimensjonale "bilder", og de brukte den nevrale banen til sveveflyhjernen for å forbedre og undertrykke ikke-relaterte signaler og støy. Dette økte deteksjonsområdet for lydene de ønsket å oppdage. 

Gjennombruddsforskningen ble finansiert av Forsvarsdepartementets Next Generation Technologies Fund i Australia, som delvis støtter løsninger for å adressere bevæpning av droner.