Штучний інтелект проти вибухонебезпечних предметів: революція в демінуванні

Сучасні технології штучного інтелекту здійснюють справжню революцію у сфері виявлення вибухонебезпечних предметів (ВНП), пропонуючи принципово нові підходи до забезпечення безпеки людей в районах бойових дій та постконфліктних територіях. Дослідження, проведене вченими Національного аерокосмічного університету «Харківський авіаційний інститут», демонструє можливості глибокого машинного навчання у розпізнаванні та класифікації вибухонебезпечних об'єктів.

Основна проблема традиційних методів пошуку вибухонебезпечних предметів полягала в низькій швидкості та точності виявлення. Ручне обстеження територій було надзвичайно ризикованим для людей, а технічні системи мали суттєві обмеження. Сучасні моделі штучного інтелекту, зокрема YOLOv8 та RT-DETR, докорінно змінюють ситуацію, пропонуючи алгоритми, здатні розпізнавати вибухонебезпечні об'єкти в режимі реального часу.

Дослідження продемонструвало унікальні характеристики двох провідних моделей машинного навчання. Модель RT-DETR показала найвищу точність виявлення — 78,32% при intersection over union (IoU) 0,5, що є винятковим результатом. Особливо цікавими є показники розпізнавання великих та середніх об'єктів, де точність сягає 87,78%.

Ключовою перевагою розроблених алгоритмів є здатність працювати в складних умовах. Моделі навчені розпізнавати вибухонебезпечні предмети різного розміру — від дрібних протипіхотних мін до великогабаритних боєприпасів. Важливо, що системи здатні функціонувати на обмежених обчислювальних пристроях, таких як безпілотні літальні апарати або наземні роботи.

Вчені приділили особливу увагу оптимізації балансу між швидкістю обробки зображень та точністю виявлення. Експериментальні дослідження показали, що зі зменшенням роздільної здатності зображення точність розпізнавання знижується, але не критично. Наприклад, при зменшенні роздільної здатності з 640 до 384 пікселів точність RT-DETR знижується лише на 7,79%.

Важливим аспектом дослідження стало вивчення впливу розміру об'єктів на ефективність виявлення. Виявилося, що алгоритми набагато краще розпізнають великі та середні об'єкти, ніж дрібні. Це має принципове значення для практичного застосування в демінуванні, оскільки дозволяє налаштовувати системи під конкретні завдання.

Серед практичних рекомендацій дослідники пропонують оптимізувати параметри камер та висоту польоту безпілотників. Збільшення розміру вибухонебезпечного предмета в кадрі позитивно впливає на точність його виявлення. Це досягається використанням високороздільних сенсорів, вузькокутних об'єктивів та відповідною висотою польоту.

Перспективи впровадження таких технологій вражають. Автономні роботизовані системи зможуть набагато ефективніше та безпечніше здійснювати розмінування territories, зменшуючи ризики для людського життя. Особливо актуальними такі розробки є для України, яка має величезні території, забруднені вибухонебезпечними предметами внаслідок військових дій.

Дослідження проведене колективом науковців на чолі з Вадимом Міщуком, Германом Фесенком та Вячеславом Харченком.