Les mines terrestres i les restes explosives de guerra representen un desafiament humanitari de proporcions globals que perdura en el temps molt després que els conflictes armats hagin finalitzat. Tradicionalment, la localització i la retirada d’aquests artefactes ha depès d’inspeccions manuals minucioses emprant detectors de metalls i excavacions tàctils sobre el terreny. Tot i que aquest enfocament tradicional ha salvat innombrables vides, les seves limitacions operatives són evidents: exigeix una enorme inversió de temps, comporta costos econòmics prohibitius i, fonamentalment, exposa els tècnics especialitzats a un perill constant i intrínsec en cada pas que fan.
Davant la necessitat urgent d’agilitzar aquests processos de manera segura, la innovació tecnològica emergeix no com un substitut de l’experiència humana, sinó com un aliat estratègic indispensable. En aquest escenari de transformació, una de les solucions més prometedores neix de la sinergia entre dues eines d’avantguarda. D’una banda, trobem els sistemes aeris no tripulats, comunament coneguts com a drons, equipats amb sensors òptics i tèrmics avançats capaços de cartografiar grans superfícies des d’una perspectiva segura. De l’altra, l’element que veritablement multiplica aquest potencial és l’aprenentatge automàtic. En incorporar algorismes intel·ligents de visió per computador, és possible processar els enormes volums de dades i d’imatges capturats des de l’aire per identificar anomalies o patrons de contaminació que sovint escapen a l’ull humà. Aquesta combinació obre la possibilitat de delimitar de manera proactiva les zones de risc, reduint dràsticament els perills i la incertesa abans que ningú hagi d’arriscar la seva vida sobre el terreny.
El potencial de la sinergia de l’ús conjunt d’aquestes tecnologies
El veritable valor d’aquesta estratègia no resideix en les eines per separat, sinó en la complementarietat de les seves funcions. Mentre que els vehicles aeris ofereixen un accés visual ràpid a terrenys complexos, el programari intel·ligent aporta la capacitat d’interpretació. Junts, obren la possibilitat de processar grans extensions de terreny en una fracció del temps habitual, ajudant els equips humanitaris a descartar zones segures i a prioritzar els esforços allà on els indicis de risc són més elevats.

Dron de reconeixement sobre una zona controlada, exemple de l’ús de sensors aeris en el desminatge humanitari. Foto: Nazarii Mazyliuk / UNDP (United Nations Development Programme) a Ucraïna.
Com a abansala d’aquest potencial, un exemple clar es troba en les investigacions d’universitats com Columbia i Binghamton, centrades en la detecció aèria automatitzada de mines antipersona amb baix contingut metàl·lic, un desafiament històric per als mètodes manuals. Per comprendre aquest avenç, cal examinar el primer component: els Sistemes Aeris No Tripulats (UAV) o drons. Nascuts en l’àmbit militar i aeroespacial, aquests dispositius han madurat fins a convertir-se en plataformes civils d’observació versàtils. El seu funcionament bàsic consisteix a sobrevolar de manera autònoma o remota una àrea en quadrícula, equipats amb càmeres tèrmiques i infraroges d’ona llarga. Aquests sensors no capten únicament imatges convencionals, sinó diferències subtils de temperatura a la superfície del sòl. Com que els materials artificials s’escalfen i es refreden a un ritme diferent del de la terra o la vegetació circumdant, els drons generen mapes tèrmics detallats. Tanmateix, abans de creuar-se amb la intel·ligència artificial, aquesta tecnologia presenta limitacions: produeix milers d’imatges que un analista humà trigaria dies a revisar minuciosament, amb el risc afegit de passar per alt detalls a causa de la fatiga visual.
La interacció sinèrgica
És aquí on intervé el segon pilar d’aquesta solució: l’aprenentatge automàtic (machine learning), una branca de la intel·ligència artificial enfocada al reconeixement de patrons. En aquest sistema combinat, els algorismes d’aprenentatge profund, específicament les Xarxes Neuronals Convolucionals (CNN), actuen directament sobre el flux d’informació recollit pels drons.
En lloc de dependre completament que un ull humà examini cada mapa de calor, el programari s’entrena prèviament amb milers d’imatges que contenen tant mines reals com falsos positius habituals (pedres, deixalles o arrels).
L’algorisme processa, filtra i interactua de manera analítica amb aquestes dades tèrmiques i d’espectre visible en temps real, cercant coincidències exactes de forma i comportament tèrmic. La incorporació d’aquest component dota el sistema de capacitats d’anàlisi profunda i automatització que redefineixen el procés. Els algorismes poden escanejar conjunts massius d’imatges tridimensionals i d’infraroigs en qüestió de minuts, correlacionant variacions diminutes que evidencien la presència d’artefactes semienterrats o d’alteracions del sòl provocades per la seva col·locació. El més transformador d’aquest enfocament és que permet generar mapes automàtics de dispersió i probabilitat amb coordenades d’alta precisió. Aquesta intel·ligència aplicada canvia radicalment el paradigma: la tecnologia no neteja el terreny per si sola, però proporciona un diagnòstic predictiu i interpretatiu fonamental. Això estalvia setmanes d’incertesa a les organitzacions humanitàries, convertint enormes masses de dades en brut en cartografies de risc clares i accionables.
El projecte de detecció de mines PFM-1
Per demostrar l’efectivitat d’aquesta combinació, resulta il·lustratiu el cas d’estudi desenvolupat a la Universitat de Binghamton pels geofísics Alex Nikulin i Timothy de Smet, juntament amb els investigadors Jasper Baur i Gabriel Steinberg, que van provar aquesta metodologia centrant-se en la mina antipersona PFM-1. Coneguda tràgicament com la “mina papallona”, aquest artefacte d’origen soviètic disposa d’un cos de plàstic de només uns quants centímetres, un contingut metàl·lic pràcticament inexistent i acostuma a ser llançat massivament des de l’aire, quedant dispers de manera aleatòria i camuflat entre la vegetació. La seva mida i la seva naturalesa plàstica fan que els detectors de metalls tradicionals siguin ineficaços i que la seva cerca visual directa resulti extremadament perillosa.
Dron amb sensor tèrmic LWIR detectant mines PFM-1 tipus “papallona” mitjançant l’anàlisi de signatures tèrmiques i aprenentatge automàtic. Imatge generada amb IA.
La metodologia va combinar l’ús de drons comercials programats per realitzar vols autònoms a baixa alçada amb sensors tèrmics infraroigs d’ona llarga (LWIR). L’equip va recopilar milers d’imatges en entorns controlats que simulaven camps de mines reals en diferents hores del dia. Posteriorment, les dades van alimentar un algorisme d’aprenentatge automàtic entrenat per identificar la signatura tèrmica característica del plàstic de la PFM-1 sota la llum solar. Els resultats principals van demostrar que el sistema automatitzat va assolir un elevat percentatge de precisió en la identificació positiva dels artefactes dispersos, validant la fiabilitat del model mitjançant proves a cegues sobre el terreny. Una de les lliçons apreses més rellevants va ser la importància del factor temporal: la finestra idònia per a la captura de dades es concentra en les hores posteriors a l’alba i a la posta de sol, quan la diferència de temperatura entre el contenidor de plàstic de la mina i la terra circumdant és màxima, demostrant que la física ambiental i el programari s’han de sincronitzar perfectament.
Implicacions àmplies i context sectorial
Les implicacions d’aquesta sinergia van molt més enllà d’un únic model de mina. Aquesta mateixa metodologia basada en sensors aeris i intel·ligència artificial s’està explorant per cartografiar altres restes explosives de guerra, com ara les municions de dispersió, i fins i tot anomalies en la vegetació que delaten la presència de trinxeres o rases fortificades ocultes.
A escala global, organismes de les Nacions Unides com el Servei d’Acció contra les Mines (UNMAS) i l’Oficina de les Nacions Unides de Serveis per a Projectes (UNOPS), juntament amb organitzacions no governamentals capdavanteres com The HALO Trust, ja col·laboren activament en la implementació pilot de models predictius i en l’anàlisi d’imatges de satèl·lit i de drons en escenaris d’operacions d’alta complexitat, incloent-hi Ucraïna, l’Afganistan i diverses regions afectades d’Àfrica.
En el context sectorial europeu i internacional, el desenvolupament d’aquestes tecnologies és prioritari. Institucions com el Centre Internacional de Desminatge Humanitari de Ginebra (GICHD) promouen decididament la innovació i l’establiment d’estàndards perquè la incorporació de la intel·ligència artificial es dugui a terme sota estrictes condicions de seguretat i robustesa metodològica. Tot i que encara persisteixen àrees pendents de desenvolupament —com la necessitat de millorar l’autonomia de les bateries dels drons en climes extrems i perfeccionar els algorismes per reduir els falsos positius provocats per ferralla o per un relleu irregular—, l’ecosistema de recerca i les aliances entre universitats i la indústria tecnològica continuen madurant ràpidament, consolidant un teixit de coneixement capaç d’afrontar aquests reptes encara pendents.
Reflexió final
La confluència entre els sistemes aeris no tripulats i l’aprenentatge automàtic marca un punt d’inflexió en la història del desminatge humanitari. En delegar la tasca del reconeixement inicial en ulls digitals incansables i algorismes d’alta velocitat, es redueix el temps necessari per declarar una àrea lliure de sospita, retornant terres agrícoles a les comunitats locals i, sobretot, allunyant els éssers humans de la primera línia de perill.
L’impacte social i econòmic d’aquestes innovacions és directe: es tradueix en comunitats que recuperen la seva seguretat, infants que tornen a jugar en camins segurs i un desenvolupament regional que deixa d’estar paralitzat per la por invisible que s’amaga sota el sòl. Tanmateix, la tecnologia, per si sola, no representa una solució màgica. Per consolidar i ampliar aquests horitzons prometedors, és indispensable un compromís continu i proactiu per part de la comunitat internacional, els governs i el sector privat.
És imprescindible continuar invertint en recerca multidisciplinària, donar suport al finançament de projectes de desminatge tecnològic i fomentar una cooperació oberta que democratitzi l’accés a aquestes eines avançades als països més vulnerables. Cuidar i perfeccionar aquest matrimoni entre l’enginyeria aeronàutica i la intel·ligència artificial és una inversió en pau i reconstrucció. Al capdavall, aquestes innovacions demostren que la tecnologia més avançada assoleix el seu veritable valor quan es posa al servei de la protecció de la vida humana.