機械学習ドローンで「蝶型地雷」を紛争後地域で自動検知、CNNで高速・定量的・汎用的マッピング実現
高度な機械学習を用いたドローンで、紛争後地域の遠隔地にある危険な「蝶型地雷」を検知可能に。研究者たちは以前、低コスト市販ドローンに赤外線カメラを搭載し、人目のスキャンで高精度検知する手法を開発。新研究では畳み込みニューラルネットワーク（CNN）—リモートセンシング分野の標準的物体検知・分類手法—を用いた自動検知に焦点を当てています。
小型プラスチック地雷の脅威と検知困難さ
世界には推定1億発以上の軍用爆発物が存在。うち数百万発は低圧トリガーの表面プラスチック地雷で、量産型「蝶型地雷」などが含まれます。小型・蝶形状から「蝶型地雷」と呼ばれ、金属成分をほぼ含まない設計のため金属探知機では事実上検知不能。低トリガー重量と相まって「おもちゃ地雷」と呼ばれ、遊びで見つけた幼児の犠牲が多い悪名高い兵器です。
CNNベース自動検知の3大メリット
- 高速： オルソ画像（幾何補正済み航空画像）からの目視カウントより圧倒的に速い
- 定量的・再現性： 主観的・人的エラーを含む目視検知とは異なり、定量的で再現可能
- 汎用性： 明確なサイズ・形状を持つあらゆる物体を、あらゆるリモートセンシングラスタ画像から検知・マッピング可能に容易に拡張
即席爆発装置（IED）検知への応用展望も
研究者たちはこれらの検知・マッピング手法が汎用・移転可能だと考えており、攪乱土壌の検知・マッピングによるIED対応への適応も視野に入れています。
センサー