A short wave infrared hyperspectral imager for landmine detection
Notice bibliographique
Résumé
DRDC Suffield and Itres Research have jointly investigated the use of visible and infrared hyperspectral imaging for landmine detection since 1988. There has been considerable success detecting surface-laid landmines by classification of their visible/near infrared (VNIR - 400 to 1000 nm wavelength) spectral signatures, but it has not been possible to find VNIR spectral characteristics that would generically distinguish anthropogenic objects from natural features such as rocks, vegetation, soil, etc. Preliminary studies in 1998 suggested that it might be possible to develop such a generic classifier in the short wave infrared (SWIR) and that detection performance might improve. Because of a lack of available SWIR hyperspectral imagers with adequate performance for mine detection, a prototype pushbroom SWIR hyperspectral imager was developed and completed in summer 2002. The now commercially available instrument, sasi, has 160 bands over a spectral range of 850 to 2450 nm, signal to noise ratio of 400:1 with f/1.8 fore-optics, and 600 pixels over a 37.7° field of view. A number of mission flights have been carried out and excellent imagery obtained. In October 2003, Itres and DRDC Suffield personnel obtained field SWIR hyperspectral imagery in the DRDC Suffield Mine Pen of numerous surface-laid mines, one buried mine, other surface-laid human-made items, background materials and people from a horizontally scanning personnel-lift at an altitude of roughly 5 m. Preliminary indications are that a simple generic classification decision boundary should be able to distinguish surface-laid landmines from many human-made artifacts and natural materials. The buried mine was not detected, but the mine had been buried for several years and hence there would be no residual surface disturbance. Furthermore, the small sample size and limited observation time make it difficult to generalize about SWIR performance for buried mines. The instrument is described and the preliminary results of the trial, planned improvements and future research are discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».