Założenia

      Po zakończeniu projektu ProBaNNt decyzja o tym, jak postępować z danym elementem amunicji, nie będzie już oparta na doraźnej analizie sytuacyjnej pojedynczego eksperta, ale na całościowej ocenie wielu wcześniejszych operacji EOD wspieranych przez sztuczną inteligencję (AI). Ogólnym celem projektu jest: Przekształcenie procesu decyzyjnego podczas EOD, który jest obecnie w dużej mierze oparty na doświadczeniu, nierygorystyczny i nieprzejrzysty, w obiektywną, ustrukturyzowaną, powtarzalną i dobrze poinformowaną procedurę.
      W tym celu opracowane zostanie łatwe w użyciu oprogramowanie wspierające EOD. Narzędzie to nie zastąpi ekspertów EOD ani nie podważy ich procesu decyzyjnego, ale wzmocni ich pozycję, zapewniając dodatkowe, bezprecedensowe możliwości analityczne. Aby to osiągnąć, należy ponownie przeanalizować cały proces, począwszy od pozyskiwania danych, oceny amunicji, oceny ryzyka i ostatecznego wyboru metody EOD. Podczas ProBaNNt zostaną podjęte następujące wyzwania:

Baza danych EOD
      Tysiące zbiorów danych EOD zostało zarejestrowanych przez firmy eksperckie, ale pozostają one w dużej mierze niewykorzystane. W ramach projektu ProBaNNt dane te zostaną połączone w bazę danych EOD, ustanowiona zostanie struktura zarządzania danymi oraz zdefiniowana zostanie standardowa procedura operacyjna rejestrowania i późniejszej obsługi takich danych. Konsorcjum projektu posiada wystarczająco duży zbiór danych, aby przeprowadzić ocenę dużych danych. Partnerzy będą dążyć do nawiązania kontaktu z odpowiednimi władzami i innymi firmami EOD w celu rozszerzenia zbioru danych i zwiększenia reprezentatywności w całej branży i zróżnicowanych warunkach środowiskowych. Dane dostarczone przez partnerów zewnętrznych zostaną zanonimizowane.

Pozyskiwanie danych
      Projekt będzie obejmował kampanie terenowe w celu pozyskania nowych danych. Pojazdy ROV i AUV zostaną wyposażone w kamery optyczne o wysokiej rozdzielczości oraz kamery sonarowe/akustyczne o wysokiej rozdzielczości w celu wykonania wizualnego i akustycznego mapowania wcześniej określonych miejsc występowania amunicji. Nagrania te zostaną następnie wykorzystane do wygenerowania fotogrametrycznych/akustycznych rekonstrukcji 3D elementów amunicji w celu usprawnienia procesu podejmowania decyzji podczas kampanii usuwania niewybuchów. Ponieważ EOD zależy od kompleksowej oceny sytuacji (np. potencjalnej obecności innej amunicji, właściwości osadów, stopnia zakopania obiektu w dnie morskim), należy przeprowadzić charakterystykę otaczającego środowiska obiektu amunicji. Dane zostaną pozyskane przy użyciu charakterystyki osadów, sonaru bocznego i mapowania magnetometrycznego.

Sieć neuronowa Bayesa (BNN)
      Sieć neuronowa Bayesa (BNN) zostanie skonfigurowana i przeszkolona w oparciu o dane zebrane w punktach A) i B), aby służyć jako algorytm analityczny dla narzędzia wsparcia EOD. W tym celu zidentyfikowane zostaną krytyczne parametry amunicji, technologie oczyszczania i warunki środowiskowe poprzednich operacji EOD. BNN zapewnia możliwość identyfikacji i analizy złożonych powiązań. W ten sposób nieznane wcześniej korelacje między parametrami staną się oczywiste i można będzie zasugerować wymagane dostosowania operacji usuwania amunicji. Sieć zostanie wykorzystana do przeprowadzenia probabilistycznej oceny ścieżek ryzyka nieplanowanej detonacji i wycieku niebezpiecznych substancji do morza. Ostatecznie wygenerowana zostanie zarówno wartość ryzyka dla danej amunicji, jak i zalecenia dotyczące procedur EOD.