Fałszywe alarmy pod kontrolą – algorytm porównuje 3 000 sygnatur UXO

W projektach offshore realizowanych w ponad 80 krajach coraz częściej zamiast tradycyjnego badania każdego sygnału z dna morskiego stosowana jest klasyfikacja algorytmiczna. Rozwiązanie opracowane przez ALM Geophysics analizuje tysiące historycznych sygnatur magnetycznych i porównuje je z nowymi danymi, ograniczając liczbę kosztownych weryfikacji w terenie. W kontekście rosnącej liczby farm wiatrowych i kabli podmorskich zmienia to sposób podejmowania decyzji operacyjnych.

 

Nowe podejście do analizy sygnałów z dna morskiego

Niewybuchy (UXO) od dekad stanowią stały element ryzyka przy inwestycjach offshore. Każda farma wiatrowa, kabel energetyczny czy rurociąg rozpoczyna się od kampanii geofizycznej, której celem jest identyfikacja anomalii magnetycznych mogących wskazywać na obecność obiektów ferromagnetycznych zalegających w osadach.

W praktyce oznacza to rejestrowanie ogromnych wolumenów danych z magnetometrów holowanych lub montowanych na autonomicznych platformach. Każda zmiana w polu magnetycznym – nawet niewielka – jest zapisywana jako potencjalny cel. Problem polega na tym, że dno morskie to środowisko nasycone zakłóceniami: fragmenty infrastruktury, złom, elementy geologiczne czy pozostałości dawnych prac przemysłowych generują sygnały podobne do tych, które mogą pochodzić od niewybuchów.

 

Historyczne UXO w Europie ▶ Skala problemu niewybuchów w Europie wynika nie tylko z bieżących inwestycji, ale również z dziedzictwa wojen światowych. Podczas I wojny światowej wystrzelono ponad miliard pocisków artyleryjskich. Szacuje się, że nawet 30% z nich nie eksplodowało. Zjawisko określane jako „Iron Harvest” oznacza, że pozostałości amunicji są do dziś regularnie wydobywane z pól, lasów i dna morskiego, a pełne oczyszczenie niektórych obszarów może potrwać nawet 500 lat. ▶ W Belgii specjalistyczna jednostka rozminowywania DOVO-SEDEE usuwa około 200 ton amunicji rocznie. Od 1919 roku w trakcie działań zginęło ponad 20 jej członków. Region Ypres, jeden z najciężej bombardowanych podczas I wojny światowej, do dziś pozostaje obszarem stałych interwencji. ▶ Również w Polsce problem pozostaje aktualny. W 2020 roku podczas operacji neutralizacji największej zidentyfikowanej niewybuchowej bomby z II wojny światowej doszło do niekontrolowanej detonacji. Operacja była prowadzona po wcześniejszej ewakuacji mieszkańców, dzięki czemu nikt nie odniósł obrażeń. ▶ Jednym z najbardziej znanych przypadków pozostaje niewybuchowa mina o masie 22 500 kg, znajdująca się około 24 metrów pod jedną z farm w Belgii, w rejonie Ypres. Obiekt zalega tam od 1917 roku.

---

Tradycyjny model pracy polegał na manualnej interpretacji i kwalifikowaniu dużej liczby obiektów do dalszej weryfikacji. Każda anomalia była traktowana z ostrożnością, co w warunkach operacyjnych oznaczało dodatkowe przestoje i koszty jednostek badawczych. Przy stawkach przekraczających 50 000 funtów dziennie nawet niewielka liczba fałszywych alarmów wpływała na harmonogram inwestycji.

 

Nowe podejście przesuwa punkt ciężkości z reaktywnego badania pojedynczych sygnałów na systemową analizę wzorców. Zamiast oceniać każdą anomalię w oderwaniu od kontekstu, dane są przetwarzane, standaryzowane i porównywane z wcześniej zarejestrowanymi przypadkami. Kluczowe staje się nie tylko „czy sygnał istnieje”, ale „do czego jest podobny”.

W tym modelu istotne znaczenie ma jakość przetwarzania: korekty nawigacyjne, kompensacja opóźnień czujników, uwzględnienie wysokości pomiaru nad dnem oraz filtracja szumów tła. Dopiero po tych etapach sygnał może być wiarygodnie analizowany pod kątem kształtu, symetrii, gradientu i relacji do głębokości obiektu. To właśnie na tym etapie przygotowywany jest materiał wejściowy dla algorytmów klasyfikacyjnych.

Klasyfikator ALM i baza 3 000 obiektów

W odpowiedzi na potrzebę uporządkowania procesu interpretacji powstał klasyfikator opracowany przez Jacka Brighouse’a w ramach ALM Geophysics. Rozwiązanie rozwijane przez ponad trzy lata opiera się na bazie ponad 3 000 historycznych obiektów zidentyfikowanych podczas kampanii offshore, w tym 230 potwierdzonych niewybuchów.

Rdzeniem systemu jest analiza porównawcza sygnatur magnetycznych. Algorytm nie ocenia anomalii wyłącznie na podstawie pojedynczego parametru. Uwzględnia zestaw cech: amplitudę sygnału, rozkład przestrzenny, charakterystyczną dwubiegunowość, stosunek sygnału do szumu, a także zależność między wielkością anomalii a szacowaną głębokością zalegania.

Każdy nowy obiekt trafia do struktury danych, w której porównywany jest z wcześniej sklasyfikowanymi przypadkami. System wyszukuje podobieństwa geometryczne i statystyczne, nadając obiektowi określony poziom prawdopodobieństwa przynależności do kategorii UXO lub do grupy obiektów niebędących zagrożeniem.

Znaczenie ma tu skala bazy referencyjnej. Im większa liczba zweryfikowanych przypadków, tym dokładniejszy kontekst dla nowych sygnałów. 230 potwierdzonych UXO stanowi punkt odniesienia, który pozwala odróżniać sygnatury typowe dla amunicji od sygnałów generowanych przez złom czy elementy infrastruktury technicznej.

Klasyfikator nie zastępuje fizycznej weryfikacji w terenie, ale porządkuje proces decyzyjny. Zamiast kierować do dalszego sprawdzenia wszystkie niejednoznaczne anomalie, możliwe jest ustalenie priorytetów na podstawie danych historycznych i podobieństw wzorców. W środowisku, w którym dziennie analizowanych jest około dziesięciu obiektów, taka selekcja przekłada się bezpośrednio na organizację pracy zespołów operacyjnych.

Rozwiązanie wpisuje się w szerszy trend cyfryzacji analiz geofizycznych. Integracja z narzędziami takimi jak Oasis montaj umożliwia pracę na ujednoliconych zbiorach danych, co ogranicza rozproszenie interpretacji i pozwala zachować spójność między kolejnymi etapami projektu offshore.

Dane jako fundament decyzji

Skuteczność klasyfikacji zależy jednak bezpośrednio od jakości danych wejściowych. W analizie magnetycznej uwzględnia się opóźnienia czujników, korekty nawigacyjne, zmiany kursu jednostki, wysokość pomiaru nad dnem oraz poziom szumu tła.

Dopiero po właściwej kalibracji możliwe jest zastosowanie procedur takich jak inwersja magnetyczna czy modelowanie głębokości. Błędy w tym etapie prowadzą do nadinterpretacji sygnałów lub pominięcia istotnych parametrów geometrycznych obiektu.

Oprogramowanie geofizyczne, m.in. Oasis montaj z modułami UXO, umożliwia integrację danych z różnych sensorów i utrzymanie spójnego workflow analitycznego. W praktyce oznacza to, że klasyfikator działa na ujednoliconym, przetworzonym zbiorze danych, a nie na surowych odczytach.

 

Szerszy kontekst inwestycji offshore

Rosnąca liczba projektów morskich – szczególnie farm wiatrowych i połączeń energetycznych – powoduje zwiększone zapotrzebowanie na szybkie, ale kontrolowane procesy weryfikacji dna. W wielu regionach Europy i Azji obszary inwestycyjne pokrywają się z historycznymi strefami działań wojennych, co zwiększa prawdopodobieństwo obecności UXO.

Automatyzacja klasyfikacji nie eliminuje fizycznej weryfikacji, ale pozwala ograniczyć liczbę obiektów kierowanych do dalszego sprawdzenia. W efekcie zespoły operacyjne mogą koncentrować się na sygnałach o najwyższym prawdopodobieństwie bycia niewybuchem.

 

Aktualny etap wdrożeń

Rozwiązania oparte na analizie porównawczej i uczeniu maszynowym są obecnie stosowane w projektach offshore w Europie i innych regionach o wysokim nasyceniu infrastruktury morskiej. Baza danych jest sukcesywnie rozszerzana o kolejne przypadki, co zwiększa precyzję klasyfikacji nowych obiektów.

W praktyce wykrywanie UXO przechodzi z modelu „sprawdź każdy sygnał” do modelu „sklasyfikuj, porównaj, priorytetyzuj”. To zmiana operacyjna, która porządkuje proces decyzyjny i wpisuje się w cyfrową transformację sektora offshore.

Źródło danych: Seequent, Modernising UXO Clean-Up, 2026.