Nyhet -
Sensorsystem utvecklas mot fler smarta funktioner
Smarta funktioner i sensorsystem är vanliga i nya bilar, till exempel för att reglera hastighet. Forskningen på området går snabbt framåt. FOI undersöker hur spaningsfunktioner i sensorsystem kan bli mer intelligenta, inte minst till stöd för operatörer i det militära.
Fredrik Näsström är forskare på avdelningen för ledningssystem i Linköping. Tillsammans med sina kolleger undersöker och utvecklar han funktioner i sensorsystem. De ska göra att bland annat Försvarsmakten kan lösa vissa uppgifter snabbare, med större precision och med minskad mental och fysisk arbetsbelastning.
– I stridsvagnar och stridsfordon vill man upptäcka andra stridsfordon, attackhelikoptrar, minor och människor som kan bära på vapen. De intelligenta spaningsfunktionerna kan också användas i obemannade luftfarkoster (UAV:er) och på fartyg, berättar Fredrik Näsström.
Smarta funktioner i sensorsystem är redan vanliga inom flera områden i samhället. I nya personbilar finns adaptiva farthållare som automatiskt justerar hastigheten för att avståndet till bilen framför ska vara säkert. Ett annat exempel är automatisk parkering då bilen helt enkelt parkerar sig själv.
– Inom det militära har det inte gått lika snabbt. Men med utvecklingen inom artificiell intelligens (AI) och djupa neurala nätverk (DNN) börjar prestandan bli så bra så att det är intressant också för militären, säger Fredrik Näsström.
DNN är en teknik som gör att datorer kan lära sig att hitta mönster i mycket stora datamängder.
Två projekt med fokus på intelligenta funktioner i sensorer
I projektet ”Intelligenta spaningsfunktioner” som resulterade i en FOI-rapport 2018 jobbade Fredrik Näsström och hans kolleger med igenkänning av civila objekt som människor, personbilar, lastbilar, bussar och diverse utrustning. Forskningen har fortsatt i projektet ”AI för spaningssensorer”. Där har forskarna tagit fram en algoritm som kan känna igen olika typer av stridsvagnar och stridsfordon, ett artillerisystem och ett luftvärnssystem.
– Det är första gången det görs i Sverige, men inte i världen. Forskningsmässigt ligger vi bra till. Jag skulle säga att vi är bland de främsta i Europa när det gäller intelligenta spaningsfunktioner i sensorsystem inom det infraröda våglängdsområdet, säger Fredrik Näsström.
Den stora svårigheten i forskningen är att ta fram träningsdata till systemen, berättar Fredrik Näsström:
– I vårt första projekt gick vi själva ut och fotade med en infraröd kamera. Det blev ungefär 3 000 bilder som vi tränade algoritmen med. I vårt senaste projekt har vi använt 100 000 bilder. Eftersom det gäller militära objekt som vi inte alltid har tillgång till har vi istället för att fotografera gjort sensorsimuleringar.
Simuleringarna är gjorda för många olika situationer, eftersom fordonen ska vara möjliga att känna igen oavsett sådant som väder, tid på dygnet och om motorn varit igång eller avstängd.
Bedömer att algoritmerna blir allt bättre
Om Fredrik Näsström spanar in i framtiden ser han att algoritmerna bara kommer att bli bättre och bättre.
– De djupa neurala nätverkens funktion började bli bra runt 2013 och redan 2015 blev algoritmerna bättre än människan på att känna igen enkla bilder, till exempel ett granatäpple, en stenbock, ett båthus och en laptop.
– Inom en ganska snar framtid kommer algoritmerna också att vara bättre än människan på att känna igen och identifiera militära objekt. Med algoritmerna kan man snabbare förstå vad som händer i ett spaningsområde. Ett exempel är den hjälp de som arbetar med att tolka insamlad information, som bilder, kan få. Spaningsfunktionerna ska vara ett stöd för operatörer så att de kan fatta snabbare och robustare beslut. Det blir ett teamwork mellan maskin och människa.
Automatisk detektion och klassificering av stridsvagnen T-72, luftvärnsrobotsystemet Strela-10 och bandhaubits 2S3 från en simulerad IR-bild.
Automatisk detektion och klassificering av stridsvagnen T-72, pansarbandvagnen BMP-3 och bandhaubits 2S3 från en simulerad IR-bild.
