Het oplossen van de gevolgen van landmijnen na oorlog is voor elk land altijd een ingewikkelde en dure taak. Mijnen en explosieven die zich diep en verspreid onder de grond bevinden, zijn moeilijk op te sporen en vormen een potentiële bedreiging voor de levens van mensen in het gebied.
Onlangs is een AI-systeem ingezet ter ondersteuning van het zoeken en bergen van niet-geëxplodeerde bommen en mijnen die zijn overgebleven van de oorlog in sommige gebieden van Cambodja, grenzend aan Vietnam.
Het systeem, ontwikkeld door computerwetenschappers van de Ohio State University, maakt gebruik van objectherkenningsalgoritmen om unieke kenmerken van bomkraters te detecteren, waaronder vorm, kleur, textuur en grootte. Het project ondergaat momenteel zijn eerste proef in de provincie Prey Veng, in het oosten van Cambodja, om kraters te vinden in een dorp in een gebied dat ongeveer 30 km van de Vietnamese grens door het Amerikaanse leger werd gebombardeerd.
Uit werkelijke resultaten bleek dat het AI-systeem het vermogen om bomkraters te detecteren met meer dan 160% verhoogde in vergelijking met standaard doelherkenningsalgoritmen, volgens een onderzoek gepubliceerd in het tijdschrift PLOS ONE. Onderzoekers combineerden vervolgens de resultaten met militaire gegevens over bombardementen in het gebied en stelden een uiterst gedetailleerde kaart samen van de opruiming van niet-geëxplodeerde munitie in elk gebied.
Nieuwe oplossingen voor mijnopruiming
In maart 1969, toen de verzetsoorlog tegen de Amerikaanse invasie zich in een hevig stadium bevond, begon het Amerikaanse leger geheime bombardementen uit te voeren in het Cambodjaanse grensgebied grenzend aan Vietnam. Vier jaar na het einde van de campagne zijn er naar schatting honderdduizenden tonnen explosieven in deze gebieden gegooid, waarvan er vele niet zijn geëxplodeerd en nog steeds ondergronds verspreid liggen, waardoor de levens van mensen in zowel Vietnam als Cambodja in gevaar zijn gebracht.

Het opruimen van door mijnen vervuilde gebieden is een gevaarlijk en duur proces, zowel qua inspanning als qua geld. De tegenwoordig algemeen gebruikte methode is het ondergronds lokaliseren van explosieve materialen met behulp van metaaldetectoren en radar, en vervolgens handmatig graven, wat zeer tijdrovend en gevaarlijk is, terwijl de nauwkeurigheid niet reëel is. AI-modellen zoals die van de Universiteit van Ohio zullen, als ze op grote schaal worden ingezet, nieuwe, effectievere richtingen openen voor het opruimen van mijnen in met explosieven vervuilde gebieden over de hele wereld.