Key points are not available for this paper at this time.
Die Verminung mit Landminen ist ein erhebliches Problem, das weltweit verheerende Folgen hat. Unbemannte Luftfahrzeuge (UAVs) können eine wichtige Rolle bei der Lösung dieses Problems spielen. Die Technologie hat das Potenzial, den Prozess der Minendetektion vor physischer Intervention zu beschleunigen, zu vereinfachen und die Sicherheit sowie die Effizienz zu verbessern. Obwohl der Prozess der Minendetektion in kontaminierten Umgebungen systematisch ist, stellt sich heraus, dass er recht kostspielig und überwältigend sein kann, insbesondere wenn keine vorherigen Informationen über die Standort der tödlichen Objekte vorliegen. Daher ist die Automatisierung des Prozesses zur Orchestrierung der Minensuche notwendig geworden, um das volle Potenzial der Systemkomponenten, insbesondere des UAV, auszuschöpfen, welches die enabling technology ist, um die für die Entdeckungsphase erforderlichen Sensoren in die Luft zu bringen. UAVs haben eine begrenzte Menge an Energie zur Verfügung. Aufgrund der Komplexität der Zielstandorte muss die Abdeckungsroute für UAV-basierte Erhebungen sorgfältig gestaltet werden, um den Ressourcenverbrauch zu optimieren und eine vollständige Abdeckung zu erreichen. Diese Studie präsentiert einen Rahmen für die autonome UAV-basierte Minendetektion zur Bestimmung der Abdeckungsroute für das Scannen des Zielgebiets. Dies erfolgt durch die Extraktion des Interessengebiets mittels Segmentierung basierend auf Deep Learning und anschließendem Entwurf des Abdeckungsroutenplans für die Luftuntersuchung. Mehrere Abdeckungswegmuster werden verwendet, um die ideale UAV-Route zu identifizieren. Die Effektivität des vorgeschlagenen Rahmens wird anhand mehrerer Zielgebiete unterschiedlicher Größen und Komplexitäten bewertet.
Barnawi et al. (Fr,) haben diese Frage untersucht.