Os investigadores estão a combinar drones e IA para tornar a remoção de minas terrestres mais rápida e segura

(MENAFN- The Conversation) Pelo menos 57 países têm minas antipessoal ativas em seus territórios. Em 2024, apenas, 1.945 pessoas foram mortas por minas e 4.325 ficaram feridas, das quais 90% eram civis. Quase metade dessas vítimas eram crianças. As operações de desminagem removeram 105.640 minas no mesmo ano.

Com novos conflitos, o número de minas continua a crescer. Para agricultores, crianças e outros que retornam às áreas após um conflito, um único passo pode significar ferimentos permanentes ou morte.

Sou estudante de doutoramento no Departamento de Ciência de Imagens do Rochester Institute of Technology, trabalhando com Emmett Ientilucci. Minha pesquisa foca no uso de imagens multissensoriais de drones e inteligência artificial para melhorar a velocidade, precisão e confiabilidade na detecção de minas terrestres e artefatos não detonados.

Nosso objetivo é fazer isso de três formas: desenvolver técnicas para combinar dados de múltiplos tipos de sensores, criar conjuntos de dados de referência para desenvolver e avaliar sistemas de detecção, e melhorar a confiabilidade dos métodos de IA incorporando estimativas de incerteza.

Múltiplos sensores de cima

A detecção de minas terrestres ainda depende muito de métodos terrestres, cada um com limitações graves. Detectores de metal manuais muitas vezes têm dificuldades em solos ricos em minerais e na detecção confiável de minas de baixo metal ou predominantemente de plástico. O radar de penetração no solo pode detectar objetos não metálicos, mas tem desempenho ruim em terrenos úmidos, irregulares ou cobertos por vegetação, além de gerar altas taxas de falsos alarmes. Probing manual e animais treinados continuam sendo métodos eficazes para localizar minas, mas o processo é lento, exige muitos recursos e expõe os desminadores a riscos consideráveis. Na escala de implantação de minas vista na Ucrânia e em outras regiões de conflito ou pós-conflito, apenas as inspeções terrestres não conseguem acompanhar o ritmo.

As operações de desminagem estão cada vez mais usando imagens aéreas por drone para acelerar as inspeções, especialmente para minas colocadas na superfície do solo. No entanto, camuflagem, vegetação e mudanças na iluminação muitas vezes tornam essas minas quase invisíveis em imagens convencionais.

Pesquisas anteriores que meus colegas e eu realizamos examinaram se a sensorização aérea pode substituir ou apoiar de forma realista as inspeções tradicionais terrestres. Avaliamos a viabilidade de substituir um sistema de detecção de metal aéreo por detectores manuais de metal na detecção de minas e artefatos não detonados.

Os resultados mostraram que a sensorição magnética montada em drones pode detectar alvos metálicos com precisão comparável aos métodos terrestres em um local de teste controlado, reduzindo o risco humano e aumentando a velocidade da inspeção em cerca de dez vezes. Nosso mapa de calor, gerado por um detector de metal por indução eletromagnética aéreo sobre um local de teste, destaca locais prováveis de minas enterradas e artefatos não detonados, ilustrando como a sensorição por drone pode inspecionar áreas de forma segura e eficiente onde minas foram implantadas.

A detecção aérea se beneficia de sensores complementares. Câmeras RGB, que captam imagens de luz visível em cores, registram características visuais das minas. Sensores térmicos revelam diferenças de temperatura entre minas e o solo ao redor. Sensores multiespectrais e hiperespectrais identificam assinaturas de diferentes materiais. Radar de abertura sintética detecta mudanças na superfície do terreno. LiDAR mapeia distúrbios sutis na superfície. E magnetômetros detectam componentes metálicos subterrâneos. Juntos, esses sensores podem abordar a variedade de tipos de minas e condições de implantação encontradas em ambientes reais.

Apesar do potencial, sistemas de detecção de minas terrestres baseados em múltiplos sensores e drones ainda são pouco explorados. O progresso é limitado pela falta de conjuntos de dados de referência públicos, com dados capturados de múltiplos sensores em implantações realistas de minas e com verdadeiros locais e profundidades, ou seja, a posição e profundidade reais das minas. Sem esses conjuntos de dados, pesquisadores não podem comparar algoritmos com precisão, validar resultados de testes ou desenvolver modelos de IA que funcionem bem fora dos ambientes de teste.

Construção de conjuntos de dados de detecção de minas

Para enfrentar esse desafio, nossa equipe, junto com outros pesquisadores, colaborou com a comunidade sem fins lucrativos Demining Research Community para coletar um conjunto de dados abrangente. Utilizamos o campo de testes controlado da Demining Research Community em Oklahoma, que incluía mais de 140 minas inertes e artefatos não detonados.

Coletamos um grande conjunto de dados multissensor georreferenciado, usando plataformas terrestres e drones em várias altitudes. Utilizamos sensores hiperespectrais, multiespectrais, térmicos, RGB, LiDAR, radar de abertura sintética, radar de penetração no solo, detectores de metal por indução eletromagnética e magnetômetros. Este conjunto de dados será divulgado por meio de um artigo em revista atualmente em revisão. Uma parte dele – especificamente um conjunto de dados hiperespectrais visíveis e próximo do infravermelho, coletado a 20 metros de altitude – já foi publicada em uma conferência.

Expandimos esse esforço internacionalmente, colaborando com a Royal Military Academy of Belgium durante uma grande campanha de coleta de dados. Juntos, implantamos mais de 110 réplicas de minas PFM-1 em terrenos variados e condições de vegetação.

Para simular campos minados realistas, dispersamos as minas inertes de forma a imitar dispersão aérea. Cada mina foi precisamente mapeada e geolocalizada usando estações base GPS. Depois, coletamos dados em várias altitudes com drones equipados com sensores hiperespectrais, multiespectrais, térmicos, RGB, LiDAR e polarização, que reduzem o brilho.

Outros grupos de pesquisa, participantes e parceiros industriais, incluindo fabricantes de sensores, coletaram conjuntos adicionais de dados no mesmo campo de testes. Esses conjuntos estão atualmente sendo processados e serão disponibilizados como acesso aberto em breve.

Até onde sabemos, esses serão os primeiros conjuntos de dados públicos desse tipo, abrindo novas oportunidades não só para pesquisa em detecção de minas terrestres, mas também para a comunidade mais ampla de IA e sensoriamento remoto. Ao disponibilizar esses dados abertamente, pretendemos acelerar a pesquisa em fusão de dados multissensoriais, melhorar a confiabilidade dos sistemas de detecção baseados em IA e ajudar a reduzir a lacuna entre a pesquisa acadêmica e as necessidades de desenvolvedores industriais e organizações humanitárias.

Medindo a confiabilidade

Mas mesmo calibrando cuidadosamente seus sensores com nossos dados, você ainda precisa reconhecer as limitações da tecnologia. Em aplicações como a detecção de minas, um único erro pode ser fatal. Uma parte importante da minha pesquisa foca na confiabilidade da IA e na estimativa de incerteza. Em um estudo recente, desenvolvemos uma medida de incerteza de um modelo de IA sobre suas previsões.

Em vez de forçar os modelos a produzirem previsões confiantes o tempo todo, estamos desenvolvendo métodos que permitem aos sistemas dizerem: “Não tenho certeza.” Nosso objetivo é fornecer uma métrica de incerteza junto às previsões: quanto mais ruidoso ou ambíguo for o input, maior será a pontuação de incerteza. Essa informação pode ajudar operadores de desminagem a tomar decisões mais seguras e informadas, especialmente em condições desafiadoras ou incertas.

Com o lançamento desses conjuntos de dados, acreditamos que novas oportunidades surgirão para pesquisadores de IA e sensoriamento remoto explorarem a fusão de dados multissensoriais. Os conjuntos incluem uma grande variedade de alvos em termos de tamanho, forma e orientação, todos totalmente georreferenciados e com verdadeiros locais e profundidades precisas. Como cada alvo foi observado por múltiplos sensores em várias altitudes, os pesquisadores poderão realizar análises comparativas entre sensores individuais e abordagens combinadas. Isso apoiará o desenvolvimento de algoritmos de detecção mais confiáveis, seguros e rápidos, adaptados às necessidades reais de desminagem.

No seu núcleo, essa pesquisa não é sobre algoritmos ou drones, mas sobre pessoas. Sobre agricultores recuperando suas terras, crianças caminhando com segurança para a escola e comunidades reconstruindo-se sem medo. Combinando IA, drones e ciência aberta, buscamos transformar a detecção de minas terrestres de uma prática lenta e perigosa em um processo mais seguro, inteligente e escalável, ajudando a transformar paisagens pós-conflito em lugares onde a vida possa florescer novamente.