Droonide masinnägemine on toimiv reaalsus? Jah, Eestis küll!

Eesti ettevõtte KrattWorks arendatavad droonid suudavad maastikul iseseisvalt tegutsedes leida üles nii algusjärgus metsapõlengu, vaenlase tanki kui ka näiteks rappa eksinud marjulise. Selleks kasutatakse tehisintellekti elemente, eelkõige masinnägemist. Kirjutab Ants Vill.

Droone ehitatakse üle kogu maailma, e-kaubandusest soetatud pisike iselendaja on ka tehnikahuvilisele noorele (ja ka tema isale) olnud juba aastaid hea jõulukink. Lisaks paljudele fotograafidele ja operaatoritele vahend uudsete võttenurkade leidmiseks. Ja otse loomulikult – kobedamaid, st keerukamaid, suuremaid ning kallimaid droone kasutatakse korra tagamisel ja päästetöödel, ning – mis üha laiem valdkond – sõjanduses. „Silmad taevas“ on asi, milleta moodsal lahinguväljal enam kuidagi läbi ei saa. Praktika on aga näidanud, et n-ö Hiina poedroonidega kaugele ei lenda, need sunnib vaenlane sidekanali segamise kaudu maanduma või võtab üle.

Aastal 2018 asutatud KrattWorks pole küll (veel) Eesti suurim drooniarendusfirma, kuid kõik eeldused selleks saada on olemas. „Praegune arendusfaas on nii kaugel, et otsime teid tootmismahtude suurendamiseks. Kas peame selleks rajama oma tehase või teeme seda koostöös kellegagi, pole veel selge. Aga siht on saada omal alal ehk masinnägemisega droonide vallas, Eesti – miks mitte aga ka näiteks Põhja-Euroopa – juhtivaks firmaks. Muidugi, konkurents selles vallas on vägagi tugev,“ märkis KrattWorksi üks asutaja ning tegevjuht Mattias Luha.

Hiljuti võitis KrattWorks kaitseministeeriumi hanke sihtmärkdroonide arendamisel, neil on koostöö ka Tallinna munitsipaalpolitseiga ja jälgimisplatvorme tootva ettevõttega DefSecIntel, ning – praegu kõige olulisem – ka Ukrainaga. KrattWorks tarnib rindele luuretööks vajalikke lennuvahendeid.

KrattWorksi kontseptsiooni nurgakivid

KrattWorksi taibukate droonide kontseptsioon koosneb kolmest osast: kaamera, side ja lennuaparaat. Drooni silmad ehk moodul KrattEye on elektronoptiline tuvastusseade, millel on lairiba sideühendus. Lennuvahendil kasutamiseks on moodul 2- või 3-teljelise gimbaliga ehk pöördpeaga, mis võimaldab kaamerat igasse suunda pöörata ja stabiliseerida. Sellise kaameramooduli abil saab jälgida suuri maastikualasid võimalike põlengute varajaseks avastamiseks.

Kaameramooduli ehk KrattEyega sidepidamiseks on sidemoodul KrattLink. See on asjade interneti (IoT) printsiibil toimiv nutiseade, mis sisaldab mobiilsidemoodulit, autopilooti ning tehisintelligentsi moodulit. KrattLink võimaldab juhtida droone piiramatus tegevusulatuses mobiilisidevõrgu kaudu, kasutada masinnägemist ja tehisintellekti drooni pardal, samuti jagada drooni pardalt saabuvaid andmeid üheaegselt paljude tarbijate vahel, kasutades selleks maapealset keskserverit.

Kolmas silmapaistev lahendussuund on KrattUAV ehk KrattWorksi droon, see, mis tõuseb taevasse, pardal autopiloot, kommunikatsioonimoodul, tehisintellekt ning kaamerad. Neid lendajaid on nii neljarootorilisi (praegu arendamisel olev põhimudel Dragon Ghost) kui ka sirgtiivalisi, lennukisarnaseid (sellised on näiteks deltatiivaline sihtmärgidroon Dart ja suruõhuga torust lendu heidetav, seal avanevate tiibadega Skaut).

„Nagu algselt, nii ka praegu, on meie peamine suund ikka kaitseväeline: anda nii kaitseliidule kui kaitseväele silmad, millega saab näha kaugele. Intelligentne lennuvahend tunneb etteantud objektiklassi kuuluvad objektid ise ära, ka navigeerivad nad tihtipeale iseseisvalt neile n-ö patrullimiseks etteantud piirkonnas,“ rääkis Luha. „Nii ei pea operaator kogu aeg drooni juhtima ja saab opereerida vajadusel ka mitme drooniga korraga. Tänane sõda Ukrainas näitab, et raadioside segamine on väga levinud. Meie oleme võtnud suuna, millega saab nendest probleemidest üle: droon otsib iseseisvalt objekte ning kui leiab kriteeriumidele sobiva, edastab lühikese sideseansi vältel objekti koordinaadid ja aerofoto olukorrast. See nõuab väga vähe sidemahtu ning välistab drooni tuvastamise vastase poolt.“

„Tsiviilrakenduste puhul on meie suund leida lahendusi olukordades, kus mobiilside on kehvapoolne. Näiteks Eestis on 4G-ga kaetud pea kogu riik ja ka rannikumered, samas kui Hispaanias on võrk palju hõredam. Metsatulekahjude puhul on see määrav, sest side on kehv just asustamata piirkondades. Droonide puhul aga on osalt abiks see, et nende lennukõrgusel on mobiilside parem. Samas – otsevideot ei suuda me paljudes piirkondades üle mobiilside operaatorile striimida, siin tulebki kasutusele meie lahendus – autonoomsus ja minimaalne andemete edastus. Droon edastab ainult masinnägemise poolt tuvastatud objekti koordinaadid ja foto, mitte pidevat striimi.“

Tehisintellekt ja masinnägemine kui A ja B

„Autonoomsuse ehk tehisintellekti elementide kasutamise teema on meie suund olnud algusest peale. 2019. aastal saime 15 000 eurot Swedbanki, Teaduspark Tehnopoli ja Tallinna Tehnikaülikooli käivitatud rahastusest Prototron. Meie idee tuumaks oli, et metsapõlenguid tuvastatakse drooni pardal oleva arvutusvõimsusega, mitte ei jäeta otsimist operaatori silmapaari hooleks,” meenutas Luha. „Sellest arendusest on välja kasvanud pardal oleva masinnägemisega multirootor Dragon Ghost. Gruusias on mägedes DefSecInteli autonoomne seireplatvorm ning meie droon suudab autonoomselt selle platvormi sees olevasse droonipesasse maanduda, akusid laadida ja sealt õhku tõsta.“

„Metsapõlengu tuvastamise ülesanne on objektituvastuses küllalt lihtne – termokaamera pilti analüüsides hinnatakse, kas mõni piksel on etteantud piirist kuumem. Kasutades drooni enda koordinaate, kõrguse ja ilmakaarte suhtes orienteerituse andmeid, arvutame välja tulepesa koordinaadid. Sealt edasi edastatakse need andmed koos objekti ja tema ümbruse fotoga maapealsesse keskusse, kus hinnatakse info paikapidavust ja langetatakse otsus, mida edasi teha – kas uurida lähemalt, alustada kustutustööde korraldamisega või jätta kõrvale kui valepositiivne info,“ kirjeldas Luha otsustusahelat, mille algusosas on määrav roll just masinnägemisel.

„Kui meist lõuna pool kipub soojuspilti segama näiteks autokapoti kuumenemine ligi 100 kraadini, on ka meil kuumusega omamoodi probleeme. Tavaliselt on meie maastikel maapealse põlengu tuvastamine lihtne – oleme timminud seda plekkämbrisse pandud ahjupuude põletamisega tekitatud n-ö näidispõlengutega. Hoopis keerulisem on aga rabapõlengu tuvastamine: leeki pole, suitsu ka mitte eriti. Samas on raba pind köetud päikeselisel suvepäeval nii kuumaks, et selle alt ei saa sügaval oleva tule soojust enam eristada,“ kirjeldas Luha.

Kui palju matemaatikat?

Mattias Luha sõnul on termokaamera kujutise analüüs masinnägemise, tehisintellekti kasutamise vaates, ülesande kõige lihtsam osa. „Edasine on see, mille kallal on kõige rohkem pusimist olnud: kuidas avastatud objekt kaardile kanda, koorinaadid välja arvutada. Ja teha seda kõike reaalajas, nii et arvutusteks piisaks drooni pardal olevast arvutusvõimsusest. Kasutame selleks masinnägemiseks valmistatud mooduleid, näiteks firma NVIDIA mudelit Jetson Xavier NV, millel on 6-tuumaline protsessor NVIDIA Carmel, TI/AI võimekusega 21 tOPS-i ( ehk 21 teraoperatsiooni, triljonit ehk 10¹² tehet sekundis). Tulekahjude avastamiseks täiesti piisav – kui saad reaalajas kujutisvoo, mille uuendussagedus on kaader sekundis. Keerukaks läheb asi siis, kui hakkame maastikult otsima muid objekte – näiteks inimeste otsimise või sõjaväeliste ülesannete puhul,“ kirjeldas ta.

„Keeruline ongi inimeste otsimine maastikul, sest see on ajakriitiline – eksinud inimene võib olla ohus. Enamasti toetub otsing termokaamera pildi analüüsile, aga samas – see ei pruugi anda piisavalt infot. Inimene võib olla peitnud end külma eest puu alla, tõmmanud end kerra ja pannud kapuutsi silmini – ja ta võib olla ka alajahtunud, siis pole termosignatuur eriti tugev: metsas segab ka lehestik ning taimkate. Lagedal on droonide kasutamisest palju rohkem abi. Seetõttu ongi täna mõistlik kasutada inimeste otsingul droone lagedate alade kontrollimiseks ja inimestest otsingurühmi metsaste ning võsaste alade läbikammimisel. Parema tulemuse saamiseks tuleb mängu lisaks termokaamera pildile vajadus kasutada masinnägemist ka silmale nähtava valguse suhtes,“ tutvustas Luha järgmist drooni n-ö arukusetaset.

„Masinõppe algoritmid on selliste ülesannete lahendamisel kõige rohkem abiks, see on tegelikult ainus tulemusi lubav suund. Saame neid arendada ja õpetada rohke foto- ja videomaterjali abil objekte maastikul ära tundma. Praegu on lihtsamad lahendused juba vabalt turul olemas: inimene, autod – sellised lihtsamad objektid. See, mida meie sealt edasi arendame, on militaarotstarbeline tuvastamine,“ selgitas Luha. „Muide, kõik on seni kena, kuni ei tegelda maskeerimisega. Siis läheb lahenduste otsimine kordades keerulisemaks.“

„Protsess, mida soovime saavutada, on eesti keeles „leia ja tuvasta“ (ingl k – detect and identify). Praegu on niisugusel puhul abi vaid sellest, kui keegi inimene analüüsib maa peal reaalajas ülekantavat videovoogu. Masinnägemisest on ka siis abi, see sorteerib n-ö kahtlased objektid välja, mida siis operaator lähemalt uurib. Näiteks soojuskaamera märgatud paari pikslit.“

Militaarlahendused on muudest aladest ees

Küsimusele, millal drooniarendus militaarse värvingu omandas, vastas Luha: „Oleme siin KrattWorksis peaaegu kõik kaitseliidu taustaga. Nii olemegi mõelnud militaarsuunale algusest peale. Esialgu oli arendamisel siiski päästesuund, tuletõrje, otsingud, muu selline: võimalus vähendada üleilmset süsinikuheidet 1% võrra oli väga väärikas eesmärk. Nüüd on seoses sõjaga Ukrainas olukord kiiresti muutunud. Täna on seal väga-väga suur vajadus droonide järele. Paljude droonide tootmisega saavad ukrainlased ka ise väga hästi hakkama. Lisaks on neil juurde vaja suurema võimekuse ning ka vastase eest paremini kaitstud droone. Nii me neid autonoomseid droone arendame. Praeguses olukorras, kus Ukrainassegatakse väga palju droonide sidet ja navigatsiooni, on reaalajas luureinfo kogumine keeruline. Siin ongi oluline kasutada masinnägemist, mis valib ise „kahtlustäratavad“ objektid välja ja alustab raadiosideseanssi alles siis, kui on toimunud potentsiaalne tuvastus. Lisaks saab sel juhul küllalt väikese mahuga andmeid edastada mõnesekundilise lühikese sideseansi jooksul.“

Pilti tuleb muidugi analüüsida inimsilmaga, masin ei suuda eristada virtsapütti naftaveokist. „Masinnägemine võib öelda, et näiteks 63 protsenti on kindlust, et see on tavaline paakauto (mitte sõjaline objekt). Aga kasutatav otsustamisprotsent peaks olema oluliselt suurem, muidu saame liiga palju valepositiivseid pakkumisi. Ideaalne oleks 95, aga seda on praktikas võimatu saavutada. Minu hinnangul on 80% reaalne maksimum. Meie siht on, et masinnägemine suudaks eristada tanke, soomukeid, kaudtule seadmeid, veoautosid. Hetkel arvame, et parima tulemuse saab, kui kasutada juhendatud masinõpet: selleks kasutame suurel hulgal annoteeritud pilte ja laseme masinal leida parim algoritm nende piltide jaoks, mida ta treeningprotsessi käigus näinud ei ole. Masinnägemise treenimise jaoks on muidugi ukrainlastel praegu kõige rohkem materjali käes. On põhjust oodata, et just seal tuleb varsti suurem läbimurre arenguis.“

„Mis drooniturgu puutub, siis praegu on üle maailma tarkadele droonide järele väga suur nõudlus. Kõik, millel vähegi töötav süsteem, läheb kiiresti müügiks. Aga see on spetsiifiline turg, iga poedroon ei saa rindel hakkama. Ukrainal kulub neid tavalisi poedroone 50–100 päevas. Need on tsiviildroonid, neid on vastasel 2,4- või 5,8-gigahertsiste üldkasutatavate töösageduste kaudu lihtne üle võtta või segada. Samuti segatakse väga palju satelliitnavigatsiooni süsteeme ning nn tavadroonid ei oska nii navi- kui ka puldiside kadumisel muud teha, kui maanduda.“

Must masuut laevadel ja muud ülesanded

Mattias Luha tutvustas ka üht veidi ootamatutki valdkonda, kus saaks masinnägemisega droone kasutada. Nimelt käia merel uurimas, kas laevad kasutavad mootorikütteks piisava puhtusastmega kütust. „Merel on lihtsam, segajaid vähem. Droon saadetakse laeva suunas teele, see orienteerub ise korstnatipust eralduva kuumuse järgi. Algoritm korstna tuvastamiseks on sama, kui metsatulekahjude otsimisel. Droon lendab kohale, lendab korstnast allatuult läbi suitsu ja võtab oma konteinerisse õhuproovi, mida saab kaldal spektromeetriga analüüsida. Spektromeetrit väikesele droonile ei mahuta,“ tutvustas Luha.  

Kui sellised droonipesalahendused on sadamates juba üles seatud, saab nendega teostada ka teisi missioone. „Mobiilsides lendvat drooni saab turvafirma opereerida oma keskkontorist, et teha perioodilisi lende etteantud marsruudil. Samuti saab sama drooni kasutada ka sadamaoperaator, et kontrollida laoplatse temperatuurianomaaliate vastu, et vähendada tulekahjuohtu.“

Lahendamist ootav ülesanne on ka näiteks see, et droon määraks maastikupildi järgi oma asukoha. „See võimaldaks satelliitsidevaba navigeerimist. Põhimõtteliselt on see meie tuletuvastuse algoritmi pöördülesanne: teades, kus on see äratuntav maasikuelement kaardil ja mis on kaamera nurk, on võimalik välja arvutada drooni asukoht. See on väga keerukas väljakutse, mille jätame hetkel tulevikuks. Muidugi, militaarvaldkonnas on kõiksugused lahendused olemas. Meie orienteerume ka natuke laiemale valdkonnale: turvasektor, pääste- ja tuletõrjeala, politsei, piirivalve, kaitseliit jne. Hetkel arendame ja toodame esimesi partiisid neidsamu Dragon Ghost droone ja Eesti Kaitseväe sihtmärkdroone Dart.“

Kaitseväelised ülesanded on natuke teisest vallast. „Ukraina sõja kogemus näitab, et igal üksusel on vaja oma lähivaatluse luuredroone, mis võiksid opereerida 5–10 kilomeetri ulatuses. Eesti on hankimas endale ka uitlaengdroone ehk varitsevaid õhuründedroone. Nende võimekus oleks suunduda näiteks 100 kilomeetri kaugusele ning seal löök anda.“

„Kui tulevikku vaadata, siis kui hästi läheb, oleme Euroopa suurim droonitootja. Miks mitte? Palju sõltub, kas ja kui palju suurtootmine hinnad ka selles sektoris alla lööb. Potentsiaal on meil muidugi suur: paljud riigid on üksteise järel otsustanud, et riiklikus sektoris – politsei, pääste, tuletõrje jne – enam Hiina droone ei kasuta, sest seal on andmelekke oht, kuna andmed liiguvad läbi Hiina serverite. Meil Eestis seni veel selles tingimata probleemi ei nähta. Meie vaatame hetkel nende turgude poole, kus probleemi on teadvustatud. Seal avaneb meiesuguse firma jaoks 40–60%-suurune vaba turusektor. Meie lähema kuue kuni kaheksa kuu ülesanne ongi droonide edasiarendamine selliseks, et saame neid suures mahus masstoota. Oleme sellele väga lähedal,“ kinnitas KrattWorksi tegevjuht Mattias Luha.

Loe KrattWorksi tegemistest https://director.ee/2022/09/08/vaike-taibukas-vend-valvab-me-ule-see-on-krattworksi-droon/