En pilot har fullt upp med att flyga sitt plan. Därför är det bra om planets datorer automatiskt känner igen det som finns på marken. FOI har arbetat med inlärningsbaserade detektorer i mer än tio år, ett arbete som bland annat lagt grunden de detektorer som i dag finns i premiumbilar, som exempelvis känner igen fotgängare i mörker.

2014 fick FOI fått i uppdrag att ta fram ett system som känner igen detaljer på marken som kan stödja beslutsfattandet för Gripen-piloter.Det är ett jobb i flera steg. Det förhållandevis enkla är att mata in bilder på kända företeelser i systemet, som ointressanta fordon, strukturer i terrängen som kan likna mål eller annat.

Svårare blir det att lära systemet att känna igen saker som det inte finns på tillräckligt bra bilder på, som exempelvis fientliga stridsvagnar. Det hanteras genom att teoretiskt räkna fram hur det man söker ser ut och sedan lägga in det. Men sedan kommer det riktigt svåra. Att lära systemet att INTE larma för saker som är lika eller mycket lika det som ska utlösa ett larm.

– Falsklarm kommer alltid att förekomma, men det ska hållas till ett minimum annars blir piloten överlastad. Det kräver enorma mängder träningsdata in i systemet för att lära datorerna vad de inte ska larma för, berättar Mikael Karlsson, förste forskare vid FOI.

Viktigt att poängtera är att det fortfarande är piloten som tar alla beslut vid ett larm, men genom att hjälpa piloten hitta intressanta områden ges ett bättre beslutsunderlag. Mikael Karlsson berättar vidare att systemet är generellt, att det fungerar lika bra på bildalstrande sensor för andra fordon, som bilar, fartyg eller obemannade flygplan. Här finns också ett antal civila områden som kan bli intressanta.

Uppenbara tillämpningar är att vid räddningsinsatser hitta människor i skog från en helikopter eller när kustbevakningen vill skanna av stora arealer för att hitta fartyg som falskidentifierar sig eller båtar med flyktingar i Medelhavet.