地雷探测也能靠"眼睛"？无人机用光条件技术找地雷，还需人来把关|算法_网易订阅

这项由美国罗切斯特理工大学（Rochester Institute of Technology）开展的眼睛探究，以预印本形式发布于2026年7月，地雷订阅比如文编号为arXiv:2607.25310，探测条件有兴趣深入认识的也能用光读者可以通过该编号查询完善原文。探究聚焦于一个特别现实的靠无困难：如何用无人机搭载的高光条件相机，在复杂地面环境中准确找到蝴蝶雷（PFM-1型地雷），人机同时尽可能减小让操作员白跑一趟的技术"假警报"。地雷是找地二战以来全球人方式主义危机的首先期根源之一。PFM-1是雷还一种苏联设方式的小型散布地雷，外形酷似一只蝴蝶，需人体积极小（约120毫米×61毫米×20毫米），把关颜色与土地相近，算法极难被肉眼发现，网易至今仍在多个冲突地区造成平民伤亡。眼睛传统的地雷订阅人工排雷既慢又危险，因此探究人员一直在探索能让人"站得远远的"技术方式划。高光条件成像技术正是其中一条馗。往往见不鲜相机只能看到"红绿蓝"三种颜色，而高光条件相机就像一台超级分光仪，能把光线分解成几百个细微的波段，就像把白光打散成极其精细的彩虹。这样一来，不一样材料——土壤、草地、塑料地雷外壳——在这张"彩虹地图"上会呈现出截然不一样的"光条件指纹"，探究人员由此可以区分它们。把这套相机装上无人机，就能在不接触危险区域的前提下，从空中扫描大片地面。然而，状况远没有这么便捷。这支探究团队的题状况是：当无人机拍到的"光条件指纹"和地面上用专业仪器测量的"参考指纹"不完全吻合时，检测成效会差多少？而如果让一个真实的操作员参与进来，逐步核验、逐步修正，最后能补回多少损失？这正是本探究想关键回答的状况。一、地雷藏在哪里：一张极度不平衡的"大海捞针"地图关键理解这项探究的挑战，先从数据说起。探究团队采取了一张由无人机在约20.62米低空高效行时拍摄的高光条件图像，图像尺寸为1705列×3461行像素，一共保留了272个波段，覆盖约400纳米到1000纳米的可见光与近红外范围。整张图像涵盖的像素总数接近590万个。在这近590万个像素中，属于PFM-1地雷的像素只有248个。换算一下，目的占比约为0.0042%——大约每两万四千个像素里，才有一个是地雷。这个比例意味着什么？好比你在一整座城市的地面上，找一张往往见不鲜A4纸大小的目的，同时这张纸的颜色和地面特别接近。探究团队把这248个目的像素进一步探究，发现它们分属7个独立的物理地雷位置（最初的连通区域探究产生了9个碎片，合并相邻的后得到7个目的区域）。每个目的区域涵盖的像素数从11到61不等，面积都极小。这7个区域就是这项探究的"终极寻宝目的"——找到全部7个，任务才算实现。正因为目的如此稀少，传统的评估方式——例如ROC曲线下面积（ROC-AUC，可以理解为"整体区分能力得分"）——在这里会产生误导。一个算法哪怕在排名靠前的位置塞了大量假警报，它的ROC-AUC依然可能很高，因为它在庞大的背景像素堆里确实谝不错。真正让操作员头疼的，是在找到每一个地雷之前，需先排查多少个"空穴来风"的假目的位置。探究团队因此引入了两个更贴近实战的评估维度：目的发现曲线和候选位置核查方式数，这两个指标后面会详详见细讲到。二、四种"侦察工具"各有什么脾气探究团队选用了四种经典的高光条件目的检测算法，可以把它们理解为四种不一样风格的"侦探"，都是给定一张"嫌疑人照片"（目的光条件），然后在整张图里找最像这张照片的像素。首先种叫做光条件角度映射（SAM）。这位侦探的工作原理是测量每个像素的"光条件方向"和目的"光条件方向"之间的夹角，夹角越小验明正身越像。这种方式对亮度变化不敏感，因为它只看方向不看首先度，就像你认一个朋友的走路姿势而不管他今天穿了什么颜色的衣服。探究中同时测试了两个版本：一个是经典的"未中心化SAM"，直接比较原始光条件方向；另一个是"中心化SAM"，先把每个像素减去场景平均值再比较，这个小改动在杂乱的无人机图像中可能意义很大。第二种叫做匹配滤波器（MF）。这位侦探更聪明一些，它不仅知方式目的首先什么样，还知方式背景的统方式规律（平均值和协方差矩阵），能把目的信号从背景"杂文章"中更有效地提取出来，类似于在嘈杂的派对现场辨认一个特定人的声文章。第三种叫做自适用应相干估方式器（ACE）。ACE在MF的基础上更进一步，它对背景能量做了归一化处理，因此对目的信号强度的变化更不敏感，适用于处理各种光照需下的场景，像是一个不管光线强弱都能认出目的的老练侦探。第四种叫做约束能量最小化（CEM）。CEM的思路有点不一样：它不是关键最大化目的响应，而是在尽量压制背景能量的同时保留目的响应，就像一个过滤器，专业过滤掉一切"非目的"的声文章。探究中采取的是带波段原则化的变体版本。所有四种方式的输出都是一张分数图：分数越高，越可能是地雷。然后再根据这个分数从高到低排名，判断哪些位置最值得优先检查。三、"参考照片"从哪里来，结荚差多少找地雷的题，是给这四位侦探给予一张准确的"嫌疑人照片"——也就是目的光条件签名。探究团队测试了三种不一样来源的签名，成效区别十分显著。首先种是地面实测签名（Ground SVC）。这是用一台专业的地面光条件仪（SVC型光条件辐射仪）直接对PFM-1地雷表面开展测量得到的。这份签名看起来权威，但状况在于：它是在地面、特定角度、特定光照需下测量的，而无人机在20多米高空拍摄时，光线方向不一样、传感器不一样、像素覆盖面积也更大，就算是同一个地雷，看起来也会有些不一样。就好比你用一台专业单反近距离拍朋友的脸，和用手机在十层楼高处俯拍，得到的照片自然有区别。图1（原比如文图）清楚展示了这种"签名漂移"：地面SVC签名和图像中实际提取的签名在形状上有明显的偏差，尤其在近红外波段。第二种是场景内题像素签名（Core in-scene）。这是把图像中已知7个地雷区域的中心50%像素取平均，直接从图像本身提取出来的签名。这种方式"作弊"成分很高——在真实作战中，你不可能提前知方式地雷在哪里，因此这个签名代表的是"如果我们完全认识目的在这张图里的真实外貌"时的理比如上限。它不是一个严格意义上的数学上界，因为平均操作本身可能平滑掉部分实用材料，但作为参考基准特别有价值。第三种是本文提出的"人在回路中的签名引导"（Human-in-the-loop Bootstrap）。这是最题的创新点。它从地面SVC签名出发，由算法提出候选位置，操作员逐一核验，一旦确认某个位置确实是地雷，就把那个位置的题像素加入到下一轮的签名中，不断往往代更新。这个流程就像侦探在办案：最初只有一张模糊的嫌疑人照片，但每次抓到一个真正的嫌疑人，就能重新拍一张更清楚的照片，让下次搜索更精准。从表1（原比如文数据）可以看出，地面SVC签名的AP值（平均准确率，一个对稀有目的更敏感的综合指标）常用偏低：SAM中心化为0.0077，MF为0.0385，ACE为0.1485，而CEM则为0.2136。切换到场景内题像素签名后，多数算法的AP都有明显提高，ACE的AP从0.1485跃升至0.3138，提高幅度最大。完善引导后的签名与场景内题像素签名完全相同，因为当7个地雷区域全部被确认后，引导签名就等同于全知的场景内签名。ROC-AUC部分，MF、ACE、CEM在所有签名需下都保持在0.99以上，显示出整体排序能力很强，但如前所述，这个指标在极度不平衡的状况中那么点儿过于乐观。四、操作员关键核查多少次才能找到全部地雷这里引入一个更贴近实战的评估框架。探究团队模拟了一个操作步骤：算法每轮提出6个空间上分散的候选位置（通过非极大值抑制确保相邻位置不重复），操作员依次核查，确认或否认。确认了新的地雷位置后，更新签名，算法重新方式算分数图，最初下一轮。这个流程会一直持续，直到7个地雷区域全部被找到。每次提出候选位置时，算法会确保候选点之间至少间隔25个像素（约0.32米），核查半径为12个像素（约0.16米），大致对应PFM-1地雷本身的实物尺寸。这样设方式既减小了同一轮内的重复提议，也为定位误差留有一定容忍空间。表2（原比如文数据）呈现了各算法找到所有7个目的区域所需的轮次和往往方式核查候选数，结荚比较特别明确，值得仔细看。ACE的谝堪称惊艳：首先轮就直接确认了区域1、2、3、5四个，第二轮补上了区域4、6、7，仅用两轮、往往方式9次候选核查，就找齐了全部7个地雷位置。CEM谝次之，第2轮确认4个，第3轮再添1个，第4轮收官，共需4轮、22次核查。MF需7轮、38次核查。相比之下，两种SAM变体的谝则令人警惕。SAM未中心化版本首先轮就发现了3个区域（1、2、5），看起来开头不错，但第483轮才找到最后一个区域（6号），往往方式需2897次核查。SAM中心化版本更是到第760轮才结束，往往方式需4558次核查。这验明正身SAM在排名靠后的位置谝很差——对早期几个好认的目的还凑合，但对更难识别的目的，算法把它们埋在了几千个假警报之后。这组数据揭示了一个题教训：ROC-AUC或AP再漂亮，如果在操作层面需核查几千个假目的才能找到最后一个地雷，实战价值就大打折扣了。五、从地图上能看到什么：假警报的空间分布原比如文图4展示了在得分排名前0.5%（即99.5百分位阈值）的需下，各算法的检测地图。绿色圆圈标注已检测到的目的区域，金色圆圈标注漏检的，红叉标注在首先个目的被发现之前遇到的假警报，蓝色圆圈则圈出面积最大的假警报区域。从空间分布来看，两张SAM地图都有大片后续的高分区域，明显是"误把背景当目的"。更严重的是，SAM中心化版本甚至漏掉了一个目的区域（出现金色圆圈）。MF和CEM的高分区域更集中，但仍有一些孤立的假警报点。ACE的谝最为紧凑，所有7个目的区域都有高分响应，背景中高分结构最少。探究团队还观察到一个有趣状况：多个较大的假警报区域，位置与实地布置的标定板、地面控制点或AeroPoints（一种GPS标靶）重合。这些高比较度的人工目的在光条件上可能与地雷有一定相似性，导致算法误判。在实际作业中，这些已知协助物体的位置完全可以提前屏蔽，从而进一步减小假警报率——探究团队在讨比如中专业提到了这一点。六、这套引导步骤的局限和未来方向探究团队在讨比如部分坦诚地指出了这套框架的几个边界需，读者需认识。先，整个实验是回顾性探究，不是真实部署的系统。"操作员核查"是用地面真值标签模拟的，真实的人类确认流程会更慢、更那么点儿出错，同时需操作员具有一定的培训背景。第二，场景内题像素签名是"全知"参考，在实际作业中不存在，它只是协助我们理解最优状态下的性能上限。第三，如果某个算法的首先个真正目的深埋在排名后几千位，操作员可能早就因为看太多假警报而放弃了，或者因为有限的核查预算而不得不停止——这正是为什么早期发现能力如此题。探究团队提出，未来的工作应该探索自适用应候选选项对策，例如引入丰富性约束（不只提最高分的位置，也提一些"可能被忽视"的候选）；以及多算法联合提名，由ACE和CEM同时给出提议，取并集或加权融合，可能进一步减小总核查量。归根结底，这项探究想传达的材料很朴素：在真实的地雷清查场景里，"算法在像素级别的排序能力有多强"不是唯一题的事，"操作员需核查多少个假目的才能找到每一颗地雷"同样是必须回答的状况。两套标尺缺一不可。ACE在这次测试中以9次核查找齐7个目的区域，展现出目前最顺应实战需的性能组合。SAM系列虽然起步快，但在最后几个目的上需数千次核查，暗示其签名匹配机制在复杂无人机图像中存在明显短板。通过人在回路中的签名引导，任何一种算法在积往往足够多的已验明正身目的像素后，最后都能收敛到最优的场景内签名状态——差别只在于"积往往"这个流程需付出多大代价。有一个状况值得后续思考：随着人工智能在各类安全领域的渗透，我们是否应该把"人"的介入成本也纳入算法设方式的题考量，而不是让它停留在评估环节的附注里？对那些在危险区域工作、每一次错误核查都可能带来额外风险的排雷人员来说，这不是学术状况，而是性命攸关的工程决策。有兴趣进一步探索这个话题的读者，可以通过arXiv编号2607.25310查阅完善原文。Q&AQ1：高光条件成像检测地雷和往往见不鲜相机有什么区别？A：往往见不鲜相机只记录红绿蓝三种颜色，而高光条件相机能把光线分成几百个极细的波段，相当于给每个像素拍一张详详见细的"光条件指纹"。不一样材料的光条件指纹不一样，即使颜色看起来相近的土壤和塑料地雷外壳，在高光条件图像里也会呈现出可识别的区别。这就是为什么高光条件成像能用来辅助地雷探测。Q2：为什么ACE算法比SAM算法找地雷效率高那么多？A：题差距在于两者对背景材料的利用方式不一样。SAM只比较像素和目的的"光条件方向相似度"，那么点儿被背景中形状相似的物体干扰，导致大量假警报。ACE在比较时额外考虑了整个场景的背景统方式规律，能更有效地把目的从背景噪声中分离出来。在本次实验中，ACE仅需9次候选核查就找到全部7个地雷，而SAM中心化版本需4558次，差距相当于100倍以上。Q3：人在回路中的签名引导方式需人做什么详详见细工作？A：操作员的任务是核查算法提出的候选位置。算法每轮提出6个空间上分散的候选点，操作员判断每个位置是否真的是地雷。一旦确认是地雷，系统就把那个位置的真实光条件材料加入到下一轮的参考签名中，让算法用更准确的"照片"后续搜索。整个流程往往代开展，直到所有目的都被找到或核查预算用完为止。

(责任编辑：百科)