Перспективи розвитку та використання ядерних методів виявлення наземних мін та мінних полів
DOI:
https://doi.org/10.31861/sisiot2025.1.01010Ключові слова:
ядерний квадрупольний резонанс, нейтронний детектор, наземні міни, виявлення мінних полів, штучний інтелектАнотація
Наземні міни залишаються смертельно небезпечною спадщиною минулих і поточних конфліктів, за оцінками – близько 60 країн мають приблизно 110 мільйонів активних наземних мін на своїх територіях. Ці приховані вибухові пристрої щороку спричиняють тисячі жертв – лише у 2022 році наземні міни та вибухові залишки війни забрали життя або поранили понад 4700 осіб, переважна більшість з яких були цивільними особами (приблизно половина жертв – діти). Окрім людських жертв, наземні міни перешкоджають економічному відновленню, роблячи сільськогосподарські угіддя та інфраструктуру непридатними для використання. Знешкодження мін є кропіткою та досить дорогою справою (безпечне знешкодження міни, виробництво якої коштує всього 3 долари, може коштувати до 1000 доларів). Як військові інженери, так і гуманітарні організації з розмінування використовують цілий ряд перевірених часом методів та технологій для виявлення та безпечного знешкодження наземних мін та мінних полів на великих ділянках територій. Окрім стандартизованих методів виявлення наземних мін та мінних полів, для подолання сучасних викликів у даній сфері – досліджуються такі нові технології, як: вдосконалена сенсорна інтеграція та 3D-візуалізація, LiDAR та оптичні методи, ядерні методи, біологічні методи виявлення, квантові сенсори. Однак, жоден метод виявлення не є ідеальним – кожен має свої сильні сторони та обмеження, і часто для більшої ефективності поєднують кілька технік. У цій статті подано огляд сучасних технологій виявлення наземних мін і мінних полів, що охоплює як широко використовувані оперативні інструменти, так і перспективні експериментальні методи, а саме детальний огляд та порівняльна характеристика таких методів виявлення, як: ядерний квадрупольний резонанс та методи виявлення на основі нейтронів (нейтронна активація). Також розглянуто, як штучний інтелект (ШІ) інтегрується з методами по виявленню наземних мін та мінних полів та як ШІ може ще більше покращити процес детектування наземних мін за допомогою комп'ютерного зору, обробки сигналів та прогнозного моделювання.
Завантажити
Посилання
J. Ishikawa and K. Furuta, Anti-personnel Landmine Detection for Humanitarian Demining. London: Springer, 2009, pp. 43–45, 132–148, doi: 10.1007/978-1-84882-346-4.
M. Croll, The History of Landmines. London: Leo Cooper – University of Michigan, 1998, pp. 4–5.
ScienceDaily, “Research uses lasers to detect landmines, underground objects,” University of Mississippi, 2024, pp. 2–5.
A. Peyton and D. Daniels, “Detecting landmines for a safer world,” Ingenia, no. 75, 2018. [Online]. Available: https://ingenia.org.uk/articles/detecting-landmines-for-a-safer-world
F. Lombardi, H. D. Griffiths, and M. Lualdi, “Characterization of the internal structure of landmines using ground-penetrating radar,” IEEE Geosci. Remote Sens. Lett., vol. 18, pp. 266–270, 2020.
H. Kasban, O. Zahran, et al., “A comparative study of landmine detection techniques,” Springer Science Business Media, LLC, 2010, pp. 102–109.
L. Capineri, T. Bechtel, and G. Pochanin, “Holographic and impulse subsurface radar for landmine and IED detection,” in Physics and Biophysics. Dordrecht: Springer, 2019, pp. 33–52.
A. Kasianchuk and H. Lastivka, “Promising areas of integration of artificial intelligence technologies in unmanned aerial vehicles,” in Proc. SPIE, 2024, doi: 10.1117/12.3008983.
S. Anitei and K. Kezic, “Bees to detect landmines based on their keen,” Oak Ridge National Laboratory, 2007, pp. 2–5.
H. R. Pourghasemi and O. Rahmati, “Prediction of the landslide susceptibility: Which algorithm, which precision?,” Catena, vol. 162, pp. 177–192, 2018, doi: 10.1016/j.catena.2017.11.011.
M. McNabb, “Processes drone images to identify landmines: Saving lives in Ukraine,” 2024. [Online]. Available: https://dronelife.com/2024/10/28/spotlightai-processes-drone-images-to-identify-landmines
J. D. Kelleher, et al., Fundamentals of Machine Learning for Predictive Data Analytics, 2nd ed. Cambridge, MA: MIT Press, 2020, pp. 153–156.
A. Saliba, K. Tout, et al., “Bridging human expertise with machine learning and GIS for mine type prediction and classification,” ISPRS Int. J. Geo-Inf., 2024, doi: 10.3390/ijgi13070259.
S. Lameri, F. Lombardi, P. Bestagini, et al., “Landmine detection from GPR data using convolutional neural networks,” in Proc. IEEE, 2017, pp. 3–5.
K. Gholamnia, T. G. Nachappa, et al., “Comparisons of diverse machine learning approaches for wildfire susceptibility mapping,” Univ. of Salzburg, Salzburg, Austria, 2020.
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Безпека інфокомунікаційних систем та Інтернету речей
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
