Ainda não existe um método completamente seguro e garantido para localizar bombas não detonadas (UXO é a sigla em inglês) após o fim de uma guerra, mas pesquisadores da Universidade Estadual de Ohio (OSU) descobriram uma maneira de aproveitar algoritmos de processamento de imagens, alimentados por aprendizado de máquina, para estudar imagens de satélite e localizar pontos de acesso onde estes explosivos provavelmente estão.
Os pesquisadores concentraram seus esforços em uma área de 100 quilômetros quadrados perto de Kampong Trabaek, no Camboja, que foi alvo de missões de bombardeio de saturação realizadas pela Força Aérea dos Estados Unidos durante a Guerra do Vietnã.
A equipe teve acesso a informações militares, que deixaram de ser classificadas como confidenciais, que revelaram que 3.205 bombas haviam sido lançadas na área entre 1970 e 1973. Determinar exatamente quantas dessas bombas não explodiram ficou cada vez mais difícil, pois, seis décadas depois, a natureza lentamente recuperou as áreas mais atingidas do país, ocultando as crateras que são levadas em consideração e usadas para fazer estimativas precisas.
O estudo da OSU utilizou um processo de duas etapas para chegar a uma estimativa mais precisa de quantas bombas ainda restavam na área. Tudo começou usando algoritmos que haviam sido desenvolvidos anteriormente para reconhecer e contar automaticamente crateras na lua e outros objetos criados por impactos de meteoros. Foi um começo, mas as crateras de meteoros são muito maiores do que aquelas deixadas pelas campanhas de bombardeio de saturação e são mais definidas, uma vez que as imagens de satélite da lua são de alto contraste e não alteradas pela natureza ou erosão.
As imagens de satélite da região do Camboja eram muito mais difíceis de serem analisadas por esses algoritmos, graças aos 60 anos de crescimento da vida vegetal, erosão e outros fenômenos naturais que deixaram as crateras das bombas parecidas com as de meteoro na Lua. Inicialmente, a tecnologia foi capaz de identificar possíveis crateras, mas os pesquisadores tiveram que ir um passo adiante. Eles treinaram uma rede neural em um banco de dados de imagens de crateras por satélite para criar um algoritmo adicional. Esse algoritmo precisava levar em consideração variações de tamanho, forma, cores, texturas e outros recursos que pudessem confundir o processo de identificação.
O modelo acabou conseguindo identificar corretamente 152 das 177 crateras de bombas conhecidas, com uma taxa de precisão de cerca de 86%, enquanto eliminava corretamente mais de 1.000 falsos positivos que de outra forma desperdiçariam os esforços de descarte de UXO.
Os pesquisadores dizem que esses resultados aumentariam os esforços de detecção de bombas em mais de 160%, em comparação com os métodos atuais. Com uma contagem mais precisa de quantas bombas realmente explodiram durante a guerra, agora estima-se que ainda possa haver mais de 1.600 bombas não detonadas na área estudada, representando mais da metade das bombas lançadas décadas atrás.