Vietnamese wetenschapper leert machines om vreemde voorwerpen op luchthavens te detecteren

Een groep wetenschappers van de Vietnamese Luchtvaartacademie gebruikte beelden van camera's en machine learning-modellen om vreemde objecten te detecteren en ervoor te waarschuwen die onveilige situaties op luchthavens kunnen veroorzaken.

Het onderzoeksteam heeft het systeem voor de toepassing van beeldverwerkingstechnologie gedurende 2 jaar ontwikkeld met als doel de veiligheid in de luchtvaart te ondersteunen.

Om dit te doen, schetste het team een 3D-model op de computer dat de echte luchthaven simuleerde, inclusief de volledige terminal, vliegtuigen, landingsbaan, verlichtingssysteem (simulatie van dag en nacht)... In werkelijkheid plaatste het team camera's om objecten langs de landingsbaan te detecteren.

Er werden verschillende scenario's ontwikkeld waarmee de computer vreemde objecten op de gesimuleerde landingsbaan kon detecteren. De databron werd door het team samengesteld door beschikbare beelden te verzamelen van landingsbanen, taxibanen en platformen op binnenlandse en internationale luchthavens, gecombineerd met beelden die studenten en docenten tijdens hun stage hadden gemaakt.

Wanneer gegevens in de computer worden ingevoerd, leert deze alle objecten in de beeldenset kennen. Bijvoorbeeld metalen daken, watertankdeksels, antenneschotels, huisdieren... zelfs passagiersartikelen zoals balpennen, kofferhandvatten, documentklemmen... vormen allemaal een potentieel veiligheidsrisico. Wanneer er vreemde voorwerpen in het model van de landingsbaan terechtkomen, maakt de camera beelden en stuurt deze naar de server voor analyse, verwerking en waarschuwingen.

Bij het testen van een machine learning-model met afbeeldingen in goed verlichte omstandigheden, kan het vreemde objecten met een nauwkeurigheid van meer dan 99% detecteren. Bij ruis in afbeeldingen, bijvoorbeeld bij weinig licht, stoffige, regenachtige of winderige omstandigheden, werkt het model met een lagere nauwkeurigheid, gemiddeld zo'n 70-80%. Hierdoor herkent het machine learning-model de vorm, grootte en locatie van het object.

Momenteel detecteert het product van de groep alleen objecten op de grond. Dr. Dung zei dat hij soortgelijke functies voor objecten in de lucht zal blijven onderzoeken en ontwikkelen.

Het machine learning-model om vreemde voorwerpen te detecteren, werd door het team getest op een luchthavenmodel. Foto: NVCC — Het machine learning-model om vreemde voorwerpen te detecteren, werd door het team getest op een luchthavenmodel. Foto: *NVCC*

Volgens Dr. Nguyen Thanh Dung, adjunct-directeur van de Academie en hoofd van het onderzoek, verschilt het testen van het systeem op een modelluchthaven aanzienlijk van het testen op een echte luchthaven. De reden hiervoor is dat de afstand tussen de camerapositie (voldoen aan de veiligheidseisen) en het object (zijlengte meer dan 3 cm) op de landingsbaan erg groot is, soms wel honderden meters. Daarom heeft het camerasysteem een hogere resolutie nodig om het object te herkennen en een computersysteem met een snellere gegevensverwerking.

De heer Dung zei dat de technologie voor het detecteren van vreemde voorwerpen op luchthavens door veel landen wordt toegepast, maar dat de kosten erg hoog zijn. In 2017 werd de totale investering in het detectie- en waarschuwingssysteem voor vreemde voorwerpen (FOD - Foreign Object Debris - FOD) voor de luchthaven Noi Bai geschat op 486,2 miljard VND en voor Tan Son Nhat op 509,7 miljard VND.

In Vietnam "worden geen automatische systemen gebruikt om vreemde voorwerpen te detecteren; de meeste gebruiken handmatige methoden. Dat wil zeggen dat luchthavens mensen inzetten om vreemde voorwerpen op start- en landingsbanen, taxibanen en parkeerplaatsen te controleren en te verzamelen", aldus Dr. Dung.

Dr. Nguyen Thanh Dung, hoofd onderzoek. Foto: Ha An — Dr. Nguyen Thanh Dung, hoofd onderzoek. Foto: *Ha An*

Volgens universitair hoofddocent dr. Bui Van Hong, directeur van het Instituut voor Technisch Onderwijs (Ho Chi Minhstad Universiteit voor Technisch Onderwijs), zijn systemen voor de detectie van vreemde voorwerpen in de luchtvaartsector met behulp van camerasystemen onderzocht en in de praktijk toegepast door ontwikkelde landen wereldwijd. Deze technologie wordt op sommige luchthavens wereldwijd gecombineerd met kortegolfradarsystemen om vreemde voorwerpen te detecteren. De effectiviteit van deze systemen is echter pas veel later geëvalueerd dan de aankondiging van de fabrikant. De kosten voor toepassing in Vietnam zijn echter hoog en de technologie is niet proactief.

Hij is van mening dat het onderzoek van de groep de basis vormt voor het ontwerpen, installeren, exploiteren, onderhouden en beheersen van binnenlandse technologie, en dat de kosten ervan in de praktijk tot een minimum beperkt worden. Hij verwacht daarom dat het systeem door de onderzoeksgroep wordt voltooid, getest en toegepast op binnenlandse luchthavens.

Ha An

Bronlink