Drohnen spüren Landminen mit Machine Learning auf

In vielen Gebieten auf der Welt sind Landminen nach wie vor ein riesiges Problem und eine extreme Bedrohung für die lokale Bevölkerung. Wissenschaftler haben nun eine Methode entdeckt, die es Drohnen erlaubt Landminen zu erkennen.

Wenn militärische Konflikte enden, endet oft auch die mediale Aufmerksamkeit. Was neben großen Leid zurückbleibt sind häufig tausende von Landminen. So ist es zum Beispiel auch in Afghanistan. Schätzungen gehen davon aus, dass weltweit immer noch mehr als 100 Millionen nicht explodierte Landminen vergraben liegen.

Drohnen könnten im Zusammenspiel mit Machine Learning Algorithmen nun dabei helfen, Landminen zu lokalisieren und zu identifizieren.

Consumer-Drohnen auf Landminensuche

Das Problem der Minensuche ist schon viele Jahrzehnte alt. Immer wieder hilft der allgemeine technologische Fortschritt dabei, neue und bessere Wege zu finden, die alten Sprengfallen zu finden und zu entschärfen.

Drohnen spüren Landminen auf

Dabei kommt es vor allem darauf an, bei der Suche die Gefahr für Menschen möglichst zu reduzieren und die Suche nachtürlich effizienter zu gestallten.

Forscher der Binghamton University in New York haben nun einen Weg entdeckt, wie Drohnen bei dem Aufspüren von Landminen behilflich sein können.

Dazu wurden Drohnen von der Stange mit IR-Kameras ausgestattet, um die Minen aufzuspüren.

Das funktioniert vor allem in den Morgenstunden des Tages besonders gut. Die Drohne überfliegt dann das zu entminende Gebiet und nimmt Fotos von der Erdoberfläche aus der Luft auf.

Die Munition und Sprengsätze erhitzen sich dabei schneller durch die Sonne als ihre Umgebung. So werden vergrabene Minen deutlich auf den Aufnahmen sichtbar.

AI hilft bei der Identifizierung

Diese Methode ist an sich keine Neuheit. Bisher mussten die aufgenommene Drohnenbilder jedoch manuell von Menschen ausgewertet werden. Dazu benötigt man extrem gut ausgebildetes Personal.

Hinzu kommt, dass Menschen bei der Klassifizierung von Gegenständen relativ langsam sind und nach ein gewissen Zeit die Konzentration nachlässt und sich Fehler einschleichen.

Die Wissenschaftler wählten daher einen neuen Ansatz und trainierten einen Algorithmus zur Erkennung der verschiedenen Minentypen.

Dazu wurde ein sogenanntes CNN (Convolutional Neural Network) mit vielen Bilddaten darauf trainiert, die verschiedenen Formen von Landminen aus den Wärmebildern zu erkennen und von anderen Objekten zu unterscheiden.

Dabei soll das neue System sogar die so genannte PFM-1 Mine erkennen, eine Schmetterlings-Mine aus der Sowjetunion. Dieses Modell ist besonders tückisch, da es zum Großteil aus Kunststoff besteht und somit von Metalldetektoren nur selten erkannt wird.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Quelle: Binghamton University

Gerade dieser Minentyp hat in den letzten Jahren viele Opfer unter Kindern gefunden, welche die Mine aufgrund ihres Aussehens für ein Spielzeug hielten.

Die Forscher hoffen, dass die neuen Erkenntnisse schnellstmöglich zu einem großflächigen Einsatz der Technologie führen und tragen mit Feldtests zur Optimierung bei.

Quelle: Binghamton University

Bleib in Kontakt!

Wenn du über die neuesten Drohnennachrichten, Leaks, Gerüchte, Guides und Testberichte auf dem Laufenden bleiben möchtest, dann folge uns auf Twitter, YouTube, Facebook oder Instagram.

Kaufe Deine nächste Drohne direkt bei Herstellern wie DJI*, Parrot*, Yuneec* oder über Amazon*. Wenn Du unsere Links benutzen, erhalten wir eine kleine Provision, für dich ändert sich aber nichts am Preis. Vielen Dank, dass du dabei hilfst Drone-Zone.de wachsen zu lassen!

Außerdem freuen wir uns natürlich über deine Nachricht oder Frage in den Kommentaren!

Nils Waldmann

Nils Waldmann

Hi, ich bin Nils! Ich bin leidenschaftlicher Modellbauer, Hobby-Fotograf, Akku-Liebhaber und RC-Pilot. Ich berichte hier über die neusten Entwicklungen in der Drohnen-Branche und kümmere mich um detaillierte Anleitungen, Guides und Testberichte.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.