Скритите противопехотни мини продължават да представляват заплаха за милиони хора, живеещи в конфликтни и постконфликтни региони по целия свят. Много от тези експлозивни устройства са изработени от пластмаса, което затруднява тяхното откриване с традиционни металотърсачи и други обичайни методи за детекция. Изследователи от Университета Бингамтън разработиха система, която комбинира дронове, камери и софтуер за машинно обучение, с цел идентифициране на подозрителни мини от въздушни изображения.

Изследването има за цел да подпомогне екипите за разминиране да работят по-ефективно, като същевременно намали рисковете по време на полевите операции и ранните проучвания на терена. Противопехотните мини от пластмаса, известни със своята малка големина и почти изцяло пластмасова конструкция, представляват сериозна предизвикателство за хуманитарните усилия по разминиране. Традиционните металотърсачи не могат да идентифицират тези мини, а други геофизични методи, като радарно проникване в земята и електромагнитна индукция, също не са толкова ефективни при търсене на пластмасови мини.

1:3 мин.

Музейно чекмедже разкрива тайни за динозаврите след 40 години забрава Двама шофьори на тирове задържани за разменени тахографски карти при проверка на опасен товар София с номинация за иновации в управлението на The Innovation in Politics Awards 2026

Изследователите обясняват, че местоположението на тези мини зависи от условията в засегнатата зона. В активни конфликти, например в Украйна, разпръснатите мини често остават близо до повърхността на земята. В райони, където конфликтите са приключили преди години, те могат да бъдат погребани под почва или покрити с растителност. Поради малкия си размер, който е приблизително колкото мобилен телефон, дроновете трябва да летят близо до земята. Полетите обикновено се извършват на височина около 10 до 20 метра, за да се съберат изображения с достатъчно детайлност за анализ.

Изследването започва като част от магистърската теза на Шарифа Карвандяр. Тя използва камера, монтирана на дрон, за да заснеме въздушни фотографии. Софтуерът комбинира изображенията в по-големи карти преди те да бъдат анализирани с помощта на алгоритъма YOLO за машинно обучение. Изследователският екип обучава AI системата с неактивни мини PFM-1 и 3D отпечатани копия. Мини бяха поставени в различни локации и условия в Природния резерват на Университета Бингамтън.

По време на изследването бяха тествани два модела на AI. Първият модел беше обучен само да разпознава мини PFM-1, докато вторият научи да идентифицира както PFM-1 мини, така и много други обекти в открити среди. Вторият модел получи по-ниски резултати поради необходимостта да различава мините от естествени обекти като листа и други материали.

3:23 мин.

Откритие в Антарктида води до идентификация на скрита галактика на 11 милиарда светлинни години разстояние Ограничения в движението на камиони над 20 тона заради високи температури над 35 градуса Гълъб Донев: Проектобюджетът за 2026 г. не включва всички наши политики, но е стъпка напред

Системата е проектирана да работи без интернет достъп, което е важно в много конфликтни райони с повредена комуникационна инфраструктура. Изследователите подчертават, че изкуственият интелект не е предназначен да замести специалистите по разминиране. Вместо това той цели да направи процеса на търсене по-ефективен чрез идентифициране на места, които изискват по-подробна проверка.

Проектът е ръководен от Шарифа Карвандяр и двама асистент-професори – Томас Пингел и Алекс Никулин. Изследването е публикувано в списание Geomatics и акцентира върху важността на новите технологии за подобряване на хуманитарните операции по разминиране.