2023年6月的一个清晨，我和同事们驱车行驶在乌克兰基辅北部一条坑洼不平的土路上。乌克兰武装部队正在附近演习，迫击炮弹划过天空。我们来到一片开阔的场地，开展由联合国组织的技术演示。在这片25公顷（大约相当于62个美式橄榄球场的面积）的土地上，联合国工作人员已经埋下了50到100枚惰性地雷和其他弹药。我们的任务是驾驶无人机在这片区域上空飞行，并使用机器学习软件尽可能多地探测这些地雷，而且必须在72小时内提交结果。这片区域大得令人咋舌：其面积是我们之前尝试过的区域的10倍。我们来自Safe Pro AI，一家无人机排雷初创公司，我和公司联合创始人加布里埃尔•斯坦伯格（Gabriel Steinberg）使用飞行规划软件对一架无人机进行了编程，航程覆盖整个测试区域（偶有重叠），并全程拍摄照片。最终，无人机花了5个小时完成任务，拍摄了1.5万多张照片。然后，我们带着它收集的数据匆忙返回酒店，开始了一整夜的编程工作。
我们很高兴地看到，我们定制的机器学习模型用大约2个小时就处理完了所有视觉数据，并识别出可能的地雷和弹药。但是，在现有计算资源下，在72小时内绘制出包括所有探测到地雷具体坐标的整片区域地图是根本不可能的。第二天（恰逢瓦格纳集团“叛乱”），我们重新编写了算法，让系统只绘制疑似存在地雷的位置，对于我们的未来工作，这是一个更具可扩展性的解决方案。
最后，我们在那片广阔的土地上探测出74枚散布的地雷和弹药，联合国人员认为我们的结果令人满意，邀请我们回来进行第二轮演示。在乌克兰期间，我们还向乌克兰国家特种运输服务部门展示了技术。乌克兰国家特种运输服务部门是乌克兰军方的一个分支机构，负责保持道路和桥梁的畅通。
我们的努力得到了回报。目前，多个人道主义非营利组织正在乌克兰使用我们的技术探测地雷，包括挪威人民援助组织和哈洛信托会，后者是世界上最大的致力于清除战后遗留爆炸物的非营利组织。这些组织正在努力为乌克兰人民清除道路、城镇和农田中的安全威胁。我们的目标是让技术应用到每一次人道主义排雷行动，使他们的工作更安全、更高效。为此，我们正在部署和扩大规模，首先是在乌克兰，很快将扩展到全世界。冲突会平息，但战争遗留物会长期存在。根据《2023年地雷监测》报告，如今估计有60个国家仍然受到地雷和未爆炸弹药的污染。这些危险包括地雷、简易爆炸装置以及在着陆时没有爆炸的炮弹，它们都被称为“爆炸性弹药”（EO）。根据《地雷监测》报告，2022年，超过4700人被爆炸性弹药炸死或炸伤，其中绝大多数伤亡者是平民。如今，乌克兰是世界上受爆炸性弹药污染最严重的地方。据估计，其大约1/3的土地（相当于佛罗里达州的面积）存在爆炸性弹药。过去50年里，在人道主义排雷工作中，将受爆炸性弹药污染的土地归还给社区的一般流程没有发生太大变化。首先，进行非技术性调查，工作人员外出与当地人交谈，找出可疑的受污染区域。接下来是技术性调查，工作人员使用金属探测器、受过训练的狗、机械排雷装置和地球物理方法来发现雷区内的所有危险。这一过程缓慢、有风险，并且容易因罐头、螺钉或其他金属碎屑引发误报。当工作人员发现了一个区域内的所有潜在危险后，将由爆炸物处理专家小组拆除或销毁爆炸物。
大多数排雷人员可能都认同，走进污染区识别爆炸性弹药不是理想办法；如果他们在迈出第一步之前就能了解这片区域的情况，效果会好很多。这正是无人机可以拯救生命的用武之地：从高空安全地进行第一次观察，以快速且低成本的方式覆盖大片区域。
此外，由于规模较大，人工智能成为解决方案的一部分也显得合情合理。想象一下，如果要收集乌克兰所有疑似污染土地的无人机图像，就需要覆盖超过17万平方公里的面积。以可用的分辨率覆盖1平方公里，大约需要6万张无人机图像，而一位人类专家分析一张无人机图像寻找爆炸物的过程至少需要3分钟。按照这个速度，人工搜索覆盖乌克兰所有疑似爆炸性弹药污染土地的图像将需要超过5亿人时。用人工智能分析这些图像并定位乌克兰境内所有可见爆炸性弹药，虽然仍是一项巨大的工程，却在合理范围内。
人道主义排雷组织在采用新技术方面进展缓慢，因为任何错误，包括不熟悉新技术造成的错误，都可能是致命的。但在过去几年里，无人机似乎到达了一个转折点。许多从事地雷探测和清除工作的政府机构和非营利组织都开始将无人机纳入其标准程序。除了大面积收集疑似危险区域的航拍图像、帮助规划路线外，无人机还可以对清理区域进行优先级排序，在某些情况下，无人机本身即可探测地雷。
我在大学本科期间对这个专题进行了几年的研究，2020年我和朋友共同创立了Safe Pro AI公司，推动这项技术的发展和部署。我和联合创始人当时并不知道俄乌冲突会在2022年2月爆发，这项工作很快变得更加重要。
在纽约州宾汉姆顿大学学习地质科学时，我对地雷探测产生了兴趣。我在蒂莫西•德•斯梅特（Timothy de Smet）和亚历克斯•尼库林（Alex Nikulin）的地球物理和遥感实验室工作，参与了一个PFM-1探测项目。PFM-1是一种反步兵杀伤地雷，因其独特的形状，也被称为“蝴蝶雷”，通常使用飞机或炮弹布撒。至今，阿富汗仍然受到许多蝴蝶雷的污染，那是40多年前的阿富汗战争遗留下来的。它们特别难探测，因为它们大多由塑料制成，只有几个小的金属部件；用金属探测器发现它们需要提高设备的灵敏度，而这会提高误报率。在第一次尝试时，我们使用无人机和热成像技术来探测PFM-1。这些塑料地雷白天升温和晚上降温的速度与土壤和植被不同，因此对一片有地雷的地区使用热成像可以清楚地显示出地雷的位置，特别是在温差最大的黎明和黄昏时刻。在实验中，我们将惰性PFM-1布撒在一个国家公园，然后操作配备热成像仪和多光谱相机的无人机在该地区上空飞行。虽然这种方法确实有效，但我们必须手工浏览热成像来识别地雷，这显然不是一个高效的解决方案。
为了实现自动化并扩大这个探雷过程，我开始与我的朋友、当时正在学习计算机科学的加布里埃尔•斯坦伯格（Gabriel Steinberg）合作。我们首先尝试将机器学习与热成像结合，训练一个模型来发现PFM-1的热特征。但我们很快发现，热成像不是最佳模式，因为这些地雷的热特征不够明显和独特，机器学习模型无法可靠地探测。此外，大多数无人机没有配备热成像仪，我们希望设计一个可广泛使用的系统。我们决定转向视觉图像，因为几乎每架成品无人机都配备高分辨率摄像头。
2019年，我们在各种环境（包括道路、城市地区、草地和植被较高的地方）中布撒惰性PFM-1地雷，用无人机飞行收集视觉图像，训练一个机器学习模型。我们得到的模型在这些环境中识别PFM-1的正确率平均达到92%。虽然我们对它的性能感到满意，但这个模型只能识别这一种类型的地雷，且只能识别地面上的地雷。尽管如此，这项工作依然完成了概念验证，为我们今天所做的事情铺平了道路。2020年，斯坦伯格和我成立了非营利组织“排雷研究社区”，目标是通过遥感、地球物理和机器人技术的研究，推动人道主义排雷领域的发展。
在接下来的几年里，我们继续开发软件，并与这个领域建立联系。2021年，在日内瓦举行的“地雷行动创新大会”上，我们听说了俄克拉荷马州立大学一位名叫约翰•弗鲁奇（John Frucci）的研究人员，他是这所大学减少爆炸危险全球联盟的负责人。2022年夏天，我们和弗鲁奇在俄克拉荷马州立大学的爆炸物试验场待了两周，那里有50多种未爆弹药。我们使用无人机收集了许多视觉训练数据，包括不同类型的爆炸物，比如小型杀伤人员地雷、大型反坦克地雷、简易爆炸装置、手榴弹，以及许多你绝对不想遇到的危险爆炸物。为了将我们的技术应用于现实世界，我和斯坦伯格共同创立了Safe Pro AI公司，并加入了Safe Pro Group，这是一家为排雷人员提供无人机服务和销售防护装备的公司。进入这个行业后，我们了解到，许多关于爆炸性弹药探测新方法的学术方案尚未走出实验室。我们想打破这一局面，所以花了很多时间与排雷人员讨论他们的需求。Safe Pro Group在乌克兰的运营总监弗雷德•波尔克（Fred Polk）2023年花了200多天时间与乌克兰的排雷人员讨论他们面临的问题和所希望看到的解决方案。根据这些对话，我们开发了一款名为SpotlightAI的用户友好型Web应用程序。任何获得授权的人都可以登录网站，上传商用无人机拍摄的图像；然后，我们的系统将通过人工智能模型运行视觉数据，并返回一张显示所有探测爆炸物坐标的地图。我们并不认为这项技术将取代人工，工作人员仍需带着金属探测器穿越雷区，以确保无人机没有任何遗漏。但是，无人机可以加快最初的非技术性调查过程，还可以帮助排雷人员确定优先考虑哪些区域。基于无人机探测的地图还可以为人员进入危险区提供更多的态势感知。
2022年，在匈牙利布达佩斯一个爆炸物处理试验场，我们的技术接受了第一次大考。当时，我作为火山学博士生，正在阿拉斯加阿留申群岛的奥克莫克火山进行野外研究，由斯坦伯格代表Safe Pro AI参加了那次活动。他通过卫星电话告诉我，我们的模型探测出了23枚炮弹中的20枚，而且不到一小时就交出了结果。
在布达佩斯测试之后，我们去了两次乌克兰，第一次是在现实世界的雷区环境中实地测试我们的技术，第二次便是前文描述的2023年联合国演示。在2024年3月的另一次旅行中，我们访问了乌克兰东部的雷区，目前多家非营利组织正在那里使用我们的SpotlightAI系统进行排雷。陪同我们前往的是2023年加入Safe Pro Group的乌克兰软件开发人员阿提姆•莫托纽克（Artem Motorniuk）。看到社区的破坏情况，我们感到十分悲伤，听取排雷工作人员的实地反馈，将有助于我们进一步完善技术。
我们一直在不断改进模型的性能，在从视觉图像中发现地表爆炸性弹药方面，它几乎达到了与人类专家一样出色的程度，而且执行任务的速度要比人类快很多倍。有时，它甚至能找到被植被严重遮挡的物品。为了赋予它窥探泥土下方的超人能力，我们需要引入其他探测模式。例如，我们最初放弃了将热成像作为一种独立的探测方法，但现在正在尝试将它与视觉成像相结合。先由基于视觉图像的机器学习模型返回探测结果，随后给它添加一个可以揭示其他信息的热叠加层——例如，它可能会显示埋藏物体的地面扰动。
目前，我们正在应对的最大挑战是，如何探测藏在茂密高大的植被后的爆炸性弹药。一种策略是使用无人机图像创建3D地图，估计植被的高度和覆盖面积。然后，使用算法将这些估值转换为热力图，显示机器学习模型在每个区域探测到爆炸性弹药的可能性：例如，在草较为低矮的平坦区域，它可能显示95%的探测率，而在有树木和灌木丛的区域，则只有5%的探测率。虽然这种方法不能解决植被带来的问题，但结果可为排雷人员提供更多的背景信息。我们也在将更多的植被图像纳入训练数据，提高模型在这类情况下的探测率。
为了以可扩展的方式提供这些服务，Safe Pro AI公司与亚马逊云服务合作，由亚马逊云服务提供计算资源处理上传到SpotlightAI的大量视觉图像。在乌克兰，无人机探雷是一个大规模问题。一名普通的无人机驾驶员每天可以收集超过30公顷（75英亩）的图像，大约相当于2万张图像。每张图像覆盖一个10米×20米的区域，系统必须能够在这个区域内探测出手掌大小、草地颜色的地雷。亚马逊云服务允许我们根据需要利用功能极其强大的计算机，通过我们的机器学习模型每天处理成千上万张图像，满足排雷人员的需求。要改进我们的技术，有一种明显的方法是通过视觉检测被扰动的土壤或使用地球物理传感器来探测埋藏在地下的爆炸性弹药。2023年夏天，非营利组织尝试在我们的无人机上安装航空磁力测量、激光雷达和热传感器来定位掩埋的物品。
我们发现，激光雷达可以探测指示地面扰动的沟渠，但无法探测到被掩埋的物体。如果被掩埋的金属物品与周围土壤具有非常不同的热特征，那么可以使用热成像，但我们通常只在特定环境和一天中的特定时间才能看到明显的差异。磁力计是探测埋藏金属目标的最佳工具——它们与排雷人员使用的手持式金属探测器最为相似。但无人机距离地面越远，磁信号也会越弱，以指数速率下降。因此，如果无人机飞得太高，它将看不到磁信号，也探测不到物体；但如果飞得太低，它可能需要穿越灌木丛或其他地形障碍。我们还在继续试验这些模式，希望开发一种智能传感器融合方法来探测尽可能多的目标。
目前，SpotlightAI可以探测和识别150多种类型的爆炸性弹药，并且它还非常善于概括，如果遇到一种从未在其训练数据中见过的地雷类型，它可能会将其识别为值得关注的东西。它熟悉几乎所有美国和俄罗斯军火弹药，以及一些以色列和意大利军火弹药，我们还可以使用其他地方的弹药对它进行训练，提高模型的稳健性。随着公司的发展，我们希望对算法进行优化，为世界不同地区提供更多定制解决方案。我们当前的模型针对乌克兰和那里发现的爆炸性弹药类型进行了优化，但许多其他国家也在处理污染问题。也许我们最终还会针对安哥拉、伊拉克和老挝等地制定不同的模型。
我们希望在未来几年，我们的技术将成为排雷小组标准程序的一部分；我们希望每个小组都有一架无人机，能够在人员踏入雷区之前绘制出地表污染地图；我们希望能为这些小组创造一个更安全的世界，加快速度将土地归还给依然存在战争遗留物的社区。最好的结果可能是有一天人们不再需要我们的服务，因为爆炸装置不再散布在田野和道路上。在此期间，我们每一天都在努力让自己“破产”。
作者：Jasper Baur
因最近微信公众平台推送规则改变，很多读者反馈没有及时看到更新的文章。根据最新规则，建议多点击“推荐阅读、分享、收藏”等，成为常读用户。
推荐阅读：
