انجام ارزیابی میدان هوایی به صورت خودکار ، از راه دور و ایمن

در سال 2022 ، رندال پیترسن ، مهندس عمران در نیروی هوایی ایالات متحده ، راه اندازی شد روی یک مأموریت آموزشی برای ارزیابی خسارت در یک باند فرودگاه هوایی ، انجام پروتکل “بازیابی پایه” پس از یک حمله شبیه سازی شده. ساعت ها ، تیم وی در تجهیزات حفاظت از شیمیایی از منطقه عبور کرد و در Geocoordinates رادیو زد و در حالی که خسارت را مستند می کردند ، به دنبال تهدیداتی مانند مهمات منفجر نشده بودند.

این کار برای همه مهندسان نیروی هوایی قبل از استقرار استاندارد است ، اما برای پیترسن اهمیت ویژه ای داشت ، که پنج سال گذشته را صرف توسعه سریعتر و ایمن تر برای ارزیابی میدان های هوایی به عنوان دانشجوی کارشناسی ارشد و اکنون کاندیدای دکترا و همکار Mathworks در MIT کرد. برای پیترسن ، کار پر فشار ، پر دردسر و بالقوه خطرناک ، پتانسیل تحقیقات وی را برای فعال کردن ارزیابی های فرودگاه از راه دور تأکید کرد.

پیترسن می گوید: “این تجربه واقعاً چشمگیر بود.” وی گفت: “تقریباً یک دهه به ما گفته شده است که یک سیستم جدید مبتنی بر هواپیماهای بدون سرنشین در کارها قرار دارد ، اما هنوز هم با عدم توانایی در شناسایی مجموعه های منفجر نشده محدود است. از هوا ، آنها بیش از حد شبیه سنگ ها یا آوار هستند. حتی دوربین های با وضوح فوق العاده بالا فقط به اندازه کافی عملکرد خوبی ندارند. ارزیابی سریع و از راه دور فرودگاه هنوز یک روش استاندارد نیست. ما هنوز فقط آماده انجام این کار هستیم روی پا ، و اینجاست که تحقیقات من وارد می شود. “

هدف پیترسن ایجاد سیستم های خودکار مبتنی بر هواپیماهای بدون سرنشین برای ارزیابی آسیب های فرودگاه و تشخیص مهمات منفجر نشده است. این امر او را به تعدادی از مسیرهای تحقیقاتی منتقل کرده است ، از یادگیری عمیق گرفته تا سیستم های هوایی کوچک و بدون تصویر تا تصویربرداری “hyperspectral” ، که تابش الکترومغناطیسی منفعل را در طیف گسترده ای از طول موج ضبط می کند. تصویربرداری Hyperspectral ارزان تر ، سریعتر و با دوام تر می شود ، که می تواند تحقیقات پیترسن را به طور فزاینده ای در طیف وسیعی از برنامه های کاربردی از جمله کشاورزی ، واکنش اضطراری ، معدن و ارزیابی های ساختمانی مفید کند.

یافتن علوم کامپیوتر و جامعه

در حال رشد در حومه ساکرامنتو ، کالیفرنیا ، پیترسن در مدرسه به سمت ریاضی و فیزیک گرایش پیدا کرد. اما او همچنین یک ورزشکار کراس اوور و یک پیشاهنگ عقاب بود و او راهی می خواست تا منافع خود را در کنار هم قرار دهد.

پیترسن می گوید: “من چالش چند جانبه ای را که آکادمی نیروی هوایی ارائه داد دوست داشتم.” وی گفت: “خانواده من سابقه خدمت ندارند ، اما استخدام کنندگان در مورد آموزش جامع صحبت کردند ، جایی که دانشگاهیان یک بخش بودند ، اما تناسب اندام و رهبری ورزشی نیز همینطور بود. این رویکرد کاملاً گرد به تجربه کالج برای من جذاب بود. “

پیترسن در رشته مهندسی عمران به عنوان کارشناسی در آکادمی نیروی هوایی ، که در ابتدا شروع به یادگیری روش انجام تحقیقات دانشگاهی کرد. این امر او را ملزم به یادگیری کمی برنامه نویسی رایانه کرد.

پیترسن به یاد می آورد: “در سال ارشد من ، آزمایشگاه های تحقیقات نیروی هوایی برخی از پروژه های مرتبط با روسازی را داشتند که به عنوان مهندس عمران در محدوده من قرار گرفتند.” “در حالی که دانش دامنه من به تعریف مشکلات اولیه کمک می کند ، کاملاً واضح بود که توسعه راه حل های مناسب نیاز به درک عمیق تر از دید رایانه و سنجش از دور دارد.”

این پروژه ها ، که به ارزیابی های آسفالت هوایی و تشخیص تهدید می پرداختند ، همچنین باعث شد که پیترسن با استفاده از تصویربرداری از ابر و یادگیری ماشین ، که او ساخت روی هنگامی که او به MIT آمد تا در سال 2020 استاد و دکترا خود را دنبال کند.

پیترسن می گوید: “MIT انتخاب روشنی برای تحقیقات من بود زیرا این مدرسه دارای چنین سابقه ای قوی در مشارکتهای تحقیقاتی و تفکر چند رشته ای است که به شما در حل این مشکلات غیر متعارف کمک می کند.” “هیچ جای بهتری در جهان وجود ندارد تا MIT برای کارهای برجسته مانند این.”

در زمانی که پیترسن به MIT رسید ، او همچنین ورزش های افراطی مانند فوق ماراتن ها ، قایق های کوهنوردی و صخره نوردی را در آغوش می گرفت. برخی از این موارد ناشی از مشارکت وی در مسابقات مهارت های پیاده نظام به عنوان یک کارشناسی است. مسابقات چند روزه نژادهای متمرکز نظامی است که در آن تیم هایی از سراسر جهان از کوه های عبور می کنند و فعالیت های درجه بندی شده ای مانند مراقبت از تلفات تاکتیکی ، جهت یابی و نشانه گذاری را انجام می دهند.

پیترسن می گوید: “جمعیتی که من در کالج با آنها دویدم ، واقعاً در این مسائل قرار گرفتند ، بنابراین این یک نتیجه طبیعی از ایجاد روابط بود.” “این وقایع شما را به مدت 48 یا 72 ساعت ، گاهی اوقات با مقداری خواب مخلوط می کند ، و شما می توانید با دوستان خود رقابت کنید و اوقات خوبی داشته باشید.”

از زمان آمدن به MIT به همراه همسر و دو فرزندش ، پیترسن جامعه محلی در حال اجرا را پذیرفته و حتی به عنوان یک مربی سرپوشیده داخلی در نیوهمپشایر کار کرده است ، اگرچه او اعتراف می کند که زمستان های ساحل شرقی برای او و خانواده اش سخت بوده است.

پیترسن بین سالهای 2022 تا 1403 از راه دور رفت ، اما او تحقیقات خود را از راحتی یک دفتر خانه انجام نمی داد. آموزش هایی که به او واقعیت ارزیابی های فرودگاه را نشان می داد در فلوریدا صورت گرفت و سپس وی به عربستان سعودی اعزام شد. او اتفاق افتاد که یکی از انتشارات مجله دکتری خود را از چادر در بیابان بنویسد.

اکنون در بهار امسال به MIT و به اتمام اتمام دکترای خود ، پیترسن از همه افرادی که در طول سفر خود از او حمایت کرده اند ، سپاسگزار است.

وی گفت: “این سرگرم کننده در مورد انواع رشته های مختلف مهندسی است ، و سعی می کند با کمک همه مربیان در MIT و منابع موجود برای کار ، چیزهایی را کشف کند روی این مشکلات واقعاً طاقت فرسا است. “

تحقیق با یک هدف

در تابستان سال 2020 ، پیترسن با Halo Trust ، یک سازمان بشردوستانه که برای پاک کردن مین های زمینی و سایر مواد منفجره از مناطق تحت تأثیر جنگ کار می کرد ، کارآموزی را انجام داد. این تجربه یک برنامه قدرتمند دیگر برای کار خود در MIT نشان داد.

پیترسن می گوید: “ما مناطق پس از درگیری در سراسر جهان داریم که بچه ها در تلاشند تا بازی کنند و مین های زمینی و وسایل منفجر نشده در حیاط خلوت خود وجود دارد.” وی گفت: “اوکراین نمونه خوبی از این در اخبار امروز است. همیشه بقایای جنگ باقی مانده است. در حال حاضر ، مردم باید به این مناطق بالقوه خطرناک بروند و آنها را پاک کنند ، اما تکنیک های جدید سنجش از راه دور می توانند این سرعت را سرعت بخشند process بالا بروید و آن را بسیار ایمن تر کنید. “

اگرچه کار کارشناسی ارشد پیترسن در درجه اول حول ارزیابی سایش و پارگی طبیعی سازه های روسازی شده است ، دکترای وی متمرکز شده است روی راه هایی برای تشخیص وسایل منفجر نشده و آسیب شدیدتر.

پیترسن می گوید: “اگر باند حمله شود ، بمب و دهانه هایی در سراسر آن وجود خواهد داشت.” وی گفت: “این باعث می شود یک محیط چالش برانگیز ارزیابی شود. انواع مختلف سنسورها انواع مختلفی از اطلاعات را استخراج می کنند و هر کدام جوانب مثبت و منفی خود را دارند. هنوز کارهای زیادی باید انجام شود روی هر دو طرف سخت افزار و نرم افزار چیزها ، اما تاکنون ، به نظر می رسد که داده های Hyperspectral یک تبعیض امیدوار کننده برای ردیاب های شیء یادگیری عمیق است. “

پس از فارغ التحصیلی ، پیترسن در گوام مستقر خواهد شد ، جایی که مهندسان نیروی هوایی به طور مرتب همان شبیه سازی های ارزیابی میدان هوایی را که در فلوریدا شرکت می کرد ، انجام می دهند. او امیدوار است که روزی به زودی ، این ارزیابی ها نه توسط انسان در تجهیزات محافظ بلکه توسط هواپیماهای بدون سرنشین انجام شود.

“در حال حاضر ، ما اعتماد داریم روی خطوط قابل مشاهده سایت ، “پیترسن می گوید. “اگر بتوانیم به سمت تصویربرداری طیفی و راه حل های یادگیری عمیق حرکت کنیم ، در نهایت می توانیم ارزیابی های از راه دور را انجام دهیم که همه را ایمن تر می کند.”