Достижения в области технологий дистанционного зондирования для анализа после взрыва

Способность точно охарактеризовать последствия взрыва долгое время была краеугольным камнем общественной безопасности, судебной медицины и экологической реабилитации. Исторически, анализ после взрыва почти полностью опирался на кропотливые ручные наземные обследования, которые поместили следователей в опасные зоны и предложили только узкий, фрагментированный вид места взрыва. За последнее десятилетие набор технологий дистанционного зондирования фундаментально изменил эту область, обеспечив более быструю, безопасную и гораздо более подробную оценку. Эти инструменты теперь питают все, от уголовных расследований и реконструкции промышленных аварий до военных операций и гуманитарного разминирования. В этой статье исследуются ключевые достижения в области дистанционного зондирования для анализа после взрыва, технологии, приводящие к изменениям, проблемы, которые остаются, и перспективные направления, которые определят следующее поколение взрывной криминалистики.

Введение в дистанционное зондирование после взрыва

После взрыва анализ представляет собой систематическое изучение физических, химических и экологических изменений, вызванных взрывом. Он служит для нескольких критических целей: определения типа и количества используемого взрывчатого вещества, реконструкции последовательности событий, оценки структурной целостности, документирования доказательств для судебного разбирательства и оценки воздействия на окружающую среду и общественное здравоохранение. Традиционные методы включали отправку групп в потенциально нестабильные или загрязненные районы с помощью ленточных мер, камер и наборов для сбора образцов. Этот подход был не только трудоемким, но и ограниченным пространственным охватом, часто пропуская тонкие модели повреждений или вторичные эффекты, такие как распространение удара по земле и осаждение загрязняющих веществ в воздухе.

Технологии дистанционного зондирования преодолевают эти ограничения, собирая данные с безопасного расстояния, используя платформы, установленные на самолетах, дронах, спутниках или наземных штативах. Основное преимущество заключается в их способности быстро захватывать большие площади, часто с разрешением субцентра, и обнаруживать явления за пределами визуального спектра человека. Современное дистанционное зондирование после взрыва объединяет несколько типов датчиков - включая LiDAR, мультиспектральные / гиперспектральные изображения, радар с синтетической апертурой, тепловые инфракрасные камеры и газовые датчики - для создания всеобъемлющей, многослойной картины сцены взрыва. Этот подход, основанный на данных, не только ускоряет начальный ответ, но и обеспечивает постоянную цифровую запись, которая может быть повторно проанализирована годы спустя по мере появления новых судебно-медицинских методов.

Ключевые технологии дистанционного зондирования

LiDAR (обнаружение и ранжирование света)

Лидар стал незаменимым инструментом постбластного структурного анализа. Испуская быстрые лазерные импульсы и измеряя их время возврата, датчики Лидара генерируют плотные точечные облака, которые отображают поверхности с точностью до миллиметра. После взрыва Лидар может количественно определять геометрию кратера, деформацию здания, распределение мусора и даже повреждение деревьев в растительных районах, где традиционная фотограмметрия борется. Современные бортовые системы Лидара могут собирать более миллиона точек в секунду, а наземные лазерные сканеры могут захватывать внутренние пространства, прежде чем они будут признаны небезопасными для входа. Полученные 3D-модели позволяют исследователям накладывать предвзрывные и постбластные сканы для вычисления изменений объема, векторов смещения и моделей отказов. Например, в период после промышленных взрывов или взрывов газа Лидар использовался для реконструкции последовательности структурного коллапса с достаточной точностью для идентификации начальной точки отказа.

Последние достижения включают в себя полноволновую LiDAR, которая записывает весь обратный сигнал, а не только дискретные эхо, что позволяет лучше проникать через дым, пыль и легкую растительность. Кроме того, интеграция LiDAR с инерциальными измерительными блоками (IMU) и GPS позволяет позиционировать в реальном времени даже в средах, отрицаемых GPS, таких как подземные туннели или плотные городские каньоны. Стоимость датчиков LiDAR значительно снизилась, что делает их более доступными для небольших групп реагирования и судебных лабораторий.

Многоспектральная и гиперспектральная визуализация

В то время как человеческий глаз видит только красный, зеленый и синий, мультиспектральные и гиперспектральные датчики захватывают от десятков до сотен узких диапазонов длин волн по видимым, ближним инфракрасным, коротковолновым инфракрасным, а иногда и тепловым инфракрасным спектрам. Это спектральное богатство выявляет химические сигнатуры, которые невидимы для стандартных камер. В постбластных контекстах эти датчики могут идентифицировать остатки высоковзрывчатых веществ, таких как ТНТ, RDX, аммиачное нитратное мазутное масло (ANFO) и соединения на основе перекиси, по их уникальным паттернам поглощения или отражения. Они также могут отображать загрязнение почвы, стресс растительности от избыточного давления взрыва или токсичных осадков, а также присутствие металлов или другого мусора.

Гиперспектральная визуализация была развернута как с пилотируемых самолетов, так и с беспилотников для обследования крупных взрывных площадок, таких как диапазоны уничтожения боеприпасов или сцены атаки самодельных взрывных устройств (СВУ) в зонах конфликтов. Основной проблемой был создан огромный объем данных - один полет может производить терабайты спектральных данных - и необходимость в сложных алгоритмах для обнаружения целей на различных фонах. Недавний прогресс в машинном обучении, особенно сверточных нейронных сетей, резко улучшил скорость и точность обнаружения гиперспектральной аномалии. Коммерческие датчики теперь достигают спектрального разрешения 2-5 нанометров и пространственного разрешения 10-50 сантиметров от низколетящего беспилотника, что делает рутинное развертывание возможным для судебных бригад.

Радар с синтетической апертурой (SAR)

В отличие от оптических датчиков, которые зависят от солнечного света, радар с синтезированной апертурой (SAR) использует собственную микроволновую подсветку и может проникать в облака, дым и пыль — условия, общие для активных взрывных площадок. Системы SAR, установленные на самолетах или спутниках, производят радиолокационные изображения с высоким разрешением, которые показывают шероховатость поверхности, содержание влаги и тонкую деформацию земли. Интерферометрическая SAR (InSAR) может обнаруживать изменения в высоте земли в миллиметровом масштабе между до- и послевзрывными изображениями, что делает ее ценной для измерения глубины кратера, оседания или подъема вокруг погребенных зарядов. В городских условиях SAR-изображения могут идентифицировать поврежденные здания из-за изменений в обратном рассеянии радара, даже когда дым заслоняет оптические виды.

Последние разработки в беспилотном воздушном средстве (БПЛА) на основе SAR привели к тому, что эта возможность была реализована в локальных масштабах с более высоким разрешением, чем спутниковые системы. В настоящее время существуют миниатюрные полезные нагрузки SAR весом менее 5 килограммов, что позволяет судебным командам развертывать радар на тактическом беспилотнике для немедленной оценки местоположения. Основные компромиссы заключаются в уменьшении ширины полосы и необходимости точных траекторий полета для поддержания согласованности, но быстрые достижения в автономной навигации решают эти проблемы.

Термальная инфракрасная визуализация

Термальные камеры обнаруживают длинноволновое инфракрасное излучение, испускаемое объектами в зависимости от их температуры. В непосредственной близости от взрыва тепловизионные камеры могут обнаруживать горячие точки, которые указывают на вторичные пожары, неразорвавшиеся боеприпасы или тлеющие обломки. В течение следующих часов и дней тепловые съемки помогают контролировать охлаждение зоны взрыва, что может информировать поисково-спасательные операции и содержание опасных материалов. Тепловые данные также помогают оценивать тепловое повреждение конструкций (например, разрыв бетона, разрыв стекла) и различать взрывные эффекты и последующее повреждение от огня.

Современные неохлажденные тепловые датчики стали достаточно доступными для установки на беспилотники, и некоторые портативные устройства теперь предлагают радиометрические возможности, которые выдают абсолютные значения температуры, а не только относительный тепловой контраст. Эти количественные данные имеют решающее значение для построения моделей теплопередачи, которые имитируют, как энергия взрыва распространяется через структуру. Кроме того, слияние тепловых изображений с точечными облаками LiDAR создает 3D тепловые модели, которые пространственно находят температурные аномалии, все более распространенный инструмент в послевзрывной судебной технике.

Платформы и интеграция

Беспилотные летательные аппараты (БПЛА)

Наиболее преобразующей платформой для поствзрывного дистанционного зондирования стал БПЛА, или дрон. Дроны могут быть развернуты в течение нескольких минут после взрыва, летая низко и медленно, чтобы захватывать данные высокого разрешения даже в ограниченных или опасных пространствах. Мультироторные дроны идеально подходят для стационарных обследований участка, обеспечивая возможность наведения для детального осмотра, в то время как беспилотники с фиксированным крылом более эффективно покрывают большие площади. Гибкость полезной нагрузки позволяет одной миссии беспилотника нести сканер LiDAR, мультиспектральную камеру, тепловизор и газовый датчик одновременно на стабилизированном подвесе.

Во многих странах нормативные рамки теперь позволяют проводить операции вне визуальной линии видимости (BVLOS) для реагирования на чрезвычайные ситуации, позволяя беспилотникам обследовать целые зоны взрыва, не требуя, чтобы оператор был в поле зрения самолета. Время полета улучшилось с технологией батареи, достигнув 30–60 минут для многих платформ, достаточно, чтобы покрыть типичный промышленный взрывной участок в одном вылете. Передача данных в режиме реального времени через 4G/5G или спутниковые линии связи позволяет командным центрам просматривать разворачивающуюся сцену и направлять наземные команды в приоритетные районы.

Наземное и воздушное слияние

Ни один датчик или платформа не обеспечивает полную картину. Наиболее эффективные постбластные анализы интегрируют данные из нескольких источников: установленный БПЛА LiDAR для топографии, спутниковые мультиспектральные изображения для крупномасштабного повреждения растительности, портативные тепловые камеры для обнаружения внутренних горячих точек и наземные проникающие радары (GPR) для обнаружения подземных аномалий. Географические информационные системы (ГИС) служат центральным узлом, где эти разрозненные слои выровнены, перепроецированы и проанализированы вместе. Современные ГИС-инструменты могут автоматически соотносить спектральные аномалии со структурными деформациями, генерируя карты риска, которые определяют приоритеты областей для отбора проб наземной правды. Например, гиперспектральная аномалия, указывающая на взрывной остаток, может быть перекрестно сослана с обнаруженным LiDAR кратером, чтобы сузить поиск фрагментационного следа.

Слияние данных также распространяется на временный анализ: сравнение спутниковых или аэрофотоснимков до взрыва с исследованиями беспилотников после взрыва стало стандартной судебной техникой.В тех случаях, когда до взрыва не существует изображений, исторические архивы, такие как Google Earth или данные правительственных опросов, часто предоставляют базовые линии.Автоматизированные алгоритмы обнаружения изменений маркируют пиксели, которые превышают определяемый пользователем порог, сокращая часы ручного сравнения до минут.

Последние достижения и приложения

Обработка данных в реальном времени и ИИ

Одним из самых больших узких мест в дистанционном зондировании после взрыва было время, необходимое для обработки необработанных данных датчиков в работоспособный интеллект. Одно сканирование LiDAR может производить миллиарды точек, которые необходимо классифицировать как землю, растительность, здания или мусор. Традиционные алгоритмы требовали значительной ручной настройки. Недавние достижения в области ускоренных вычислений и глубокого обучения сократили время обработки от дней до часов. Нейронные сети, обученные на меченых сценах взрыва, теперь могут автоматически сегментировать облака точек на структурные категории, обнаруживать края кратеров и идентифицировать потенциальные доказательства (например, фрагменты, детали транспортного средства) с точностью, превышающей 90% в контролируемых тестах.

Аналогичным образом, гиперспектральные кубы данных обрабатываются алгоритмами спектрального размешивания, которые разделяют каждый пиксель на составляющие материалы, даже когда эти материалы смешиваются в субпиксельных масштабах. Эта способность имеет решающее значение для обнаружения следов взрывных остатков на сложных фонах, таких как почва, асфальт или бетон. Коммерческие пакеты программного обеспечения теперь включают в себя рабочие процессы одного щелчка для анализа сцены взрыва, снижая барьер экспертизы для небольших агентств.

Тематические исследования

В 2020 году после крупного промышленного взрыва на химическом хранилище группа быстрого реагирования развернула БПЛА с гиперспектральным датчиком и тепловой камерой. В течение 12 часов после взрыва они создали спектральную карту, показывающую степень токсичного облака, содержащего хлор и аммиак, что позволило точно установить зоны эвакуации. Тот же набор данных позже был использован в судебных разбирательствах, чтобы продемонстрировать, что взрыв разорвал конкретные резервуары для хранения, которые ранее считались нетронутыми. В другом примере военная команда EOD использовала беспилотный кратер LiDAR для картирования кратера СВУ в отдаленной пустынной среде, показав, что взрыв был похоронен на глубине, которую обычные наземные съемки пропустили на 20 сантиметров. Данные LiDAR также показали образец фрагментации, который помог определить тип самодельного взрывного устройства.

Еще одним растущим применением является мониторинг окружающей среды. Для оценки долгосрочного воздействия испытательных полигонов боеприпасов на химический состав почвы и здоровье растительности используются методы дистанционного зондирования после взрыва. Многоспектральные временные ряды за пять лет показали, что восстановление растительности в зонах, сильно пострадавших от воздействия, занимает в два раза больше времени в районах, где загрязнение тяжелыми металлами превышает пороговые значения, данные, которые позволяют использовать стратегии восстановления.

Проблемы и будущие направления

Интерпретация данных и обучение

Несмотря на технический прогресс, интерпретация данных дистанционного зондирования остается специализированным навыком, который требует как знаний в области взрывчатых веществ, так и технического мастерства в геопространственном анализе. Многие криминалистические подразделения не имеют персонала, обученного в обеих областях. Решение заключается в лучших пользовательских интерфейсах и инструментах поддержки принятия решений, которые переводят сложные выходы датчиков в интуитивные визуализации. Системы дополненной реальности (AR), которые накладывают карты повреждений, полученные из LiDAR, на реальный вид через планшет или интеллектуальные очки, уже тестируются, позволяя неспециалистам «видеть» скрытые структурные слабости.

Автоматизация и искусственный интеллект

Будущие исследования будут сосредоточены на автоматизации всего трубопровода: от планирования полета, оптимизированного для обнаружения целей, до бортовой обработки, которая отправляет предупреждения наземной команде, до генерации отчетов на основе ИИ. Сквозные системы, которые могут взлетать, вести обследование и возвращаться без вмешательства человека, разрабатываются для постоянного наблюдения за чувствительными сайтами. Другим перспективным направлением является использование генеративных состязательных сетей (GANs) для синтеза реалистичных изображений до взрыва из данных после взрыва, что позволяет обнаруживать изменения даже тогда, когда исторические изображения недоступны.

Миниатюризация и слияние сенсоров

Многоспектральные камеры, которые когда-то весили 10 килограммов, теперь помещаются на раму размером с ладонь. Датчики LiDAR следующего поколения, использующие твердотельную технологию (без движущихся частей), обещают повысить надежность и снизить стоимость. Объединение нескольких датчиков на одном чипе - например, интеграция LiDAR и гиперспектральной визуализации в единый оптический путь - упростит выравнивание данных и уменьшит массу полезной нагрузки, позволяя меньшим беспилотникам нести их.

Этические и правовые соображения

По мере того, как дистанционное зондирование становится все более мощным, усиливаются опасения по поводу конфиденциальности и безопасности данных. Изображения взрывных объектов высокого разрешения могут захватывать чувствительную инфраструктуру или собственность свидетелей. Протоколы цепочки хранения цифровых доказательств должны быть надежными для обеспечения приемлемости в суде. Судебное сообщество работает над стандартизированными форматами метаданных и методами шифрования, которые сохраняют целостность данных, позволяя обмениваться между уполномоченными исследователями. Кроме того, необходимы четкие руководящие принципы использования ИИ в интерпретации доказательств, поскольку автоматизированные классификации могут нести искажения или ошибки, которые трудно обнаружить.

Быстрые темпы инноваций в области дистанционного зондирования — от LiDAR и гиперспектральной визуализации до SAR и тепловых камер — дают судебным следователям беспрецедентные инструменты для анализа взрывных сцен. Эти технологии не только повышают безопасность за счет снижения воздействия на человека опасностей, но и предоставляют более богатые, более объективные данные, которые укрепляют расследования и информируют о лучших нормативных решениях. По мере того, как затраты падают, а программное обеспечение становится умнее, дистанционное зондирование после взрыва перейдет от нишевой специальности к стандартной практике в области реагирования на чрезвычайные ситуации и судебной науки во всем мире. Продолжая интегрировать данные с несколькими датчиками с аналитикой, основанной на ИИ, область готова предоставить еще более быстрые, более точные и более доступные оценки в ближайшие годы.

Для дальнейшего чтения о текущей передовой практике см. руководство Национального института юстиции по Взрывы и послевспышки , ASPRS руководящие принципы для сбора данных LiDAR , а также недавняя работа из DOE's Remote Sensing Laboratory по гиперспектральной криминалистике.