本报告试图强调在军事机器视觉的真实使用情况下，各式各样。一些军方声称杠杆机器学习，在某些情况下，承包商和公司合作，提供AI的解决方案。我们发现，这些解决方案有助于突出的机器视觉的当前和近期的军事应用的宽幅。在这份报告帮助各种讨论的公司和组织军队与以下中的至少一项：
什么商业和政府领导人应该知道
从国防大学了我们的第一手帐户和我们的独立研究，它似乎是美军刚刚开始问许多相同的问题企业领导人进行了询问和三，四年前解决。库克上校Maven项目的负责人在国防一号科技峰会上说:
我们正处在一个AI军备竞赛......它的发生在工业，[和]五大互联网公司都在大力推行这一点。
上校的机器视觉技术获得商业上“坦率地说......惊艳”其可用注意不舒服的感觉比较时，美国最近的军事领导人一直感觉言论政府进军AI与私营部门。
截至本报告将表示，在机器视觉的军事行动目前正在以色列和美国最突出。中国还承诺大量预算进行现代化军事，并使用具有前来AI举措。印度最近推出自己的大型AI项目，整合AI到军事的所有三个部门的意图。
在试图加快和美国国防部部内精简的研究和AI行动的发展，美国国防部宣布JAIC的创建（联合人工智能中心）6月27日，2018年该项目是由铅Dana Deasy，前任CIO在摩根大通和当前CIO在五角大楼。
JAIC似乎象征着美国国防部的AI项目用于军事用途的新发现的优先级。国防部副部长沙纳汉写了他的备忘录标志着JAIC的创建：
这项工作是一个部门优先事项。速度和安全性是本质。我希望所有的机构和人员提供一切必要的合理的支持，使企业快速，广泛采用AI成为现实。
监测
项目的Maven
美国国防部门开始在2017年机器视觉程序题为算法战跨功能团队代号为“项目的Maven”。这个项目的目的是开发一种人工智能分类和标识使用机器视觉的战斗监控设备拍摄监控录像的巨额资金。项目的Maven被转移到在JAIC的创作JAIC控制。
五角大楼R＆d与额外的“私人承包商”合作开发了一个软件，在侦察镜头的空军的数据库整合和分析来自有人驾驶和无人驾驶侦察车拍摄的镜头。人工智能标志车，人，和汽车，以及轨道对象的利益，为人类的分析师的关注。
我们可以从谷歌和国防t时的美国国防部表示材料推断软件背后的机器学习模型是经过训练的数千小时的小型无人机低空飞行视频从不同角度和不同照明条件下描绘38个具有战略意义的物体。在镜头内的对象会被贴上了我们所知道的是对象，如行驶的汽车，武器，或一个人。这标签镜头然后将通过该软件的机器学习算法运行。这将有训练有素的算法来辨别序列和1分的模式和0的是，人的眼睛，形成视频一个战略相关的作战区域作为显示在无人机监控录像。五角大楼并没有公开这些定义对象38软件的标志。
然后，监控团队可以上传新拍摄的长镜头那是未标注成项目Maven的软件。那么软件背后的算法将能够确定录像中的内容，并找出任何异常情况或战略相关对象已经练到标志。然后系统警报在一些不知名的时尚亮点人类操作员在视频显示中的标记物。
上校德鲁莫什丘克评论数据标记过程，他说，“我们有一大群人，复杂的分析师和工程师，谁是要通过我们的数据和清除它。我们也有一个显著数据标签公司，将在我们的三个网络，在提供服务的机密和机密的网络，让我们的员工来标记我们的数据和机器学习准备有关系“。
我们无法找到一个视频演示的技术可能是因为在ISIS-控制的领土，并在中东和非洲地区军事设施的承包商正在使用它。换句话说，关于软件的许多细节都可能分类。在2017年已知的预算项目的Maven是$ 1.31亿美元。
卡里宾根在INSA和AFCEA主办的情报和国家安全峰会上，美国国防部负责情报的副部长说，“[项目的Maven了]从“管理机构着手”在影院提供能力6个月“。开发这种算法来确定人类的风险：在这个项目上可能的下一步BINGEN进一步推断。她说：“我们已经推出了大量的数据源，并利用自动化工具和算法可以使国防部识别内部威胁。”
作为推断战略例如，一个市场的监控摄像头监控录像，可以监测并标记在镜头的特定对象。这些对象会关联到危险或反叛组织支持，比如帮派徽章，帮派纹身或部分隐藏的武器。
2017年上校德鲁·丘克是项目的Maven的领导者。他是首席，算法战争组建跨职能团队，ISR
操作首长，战士的支持，国防部部长为智能在美利坚合众国办公室。丘克上校在美国各海运公司事务的情报和反成功的装饰历史。
自主车
自主车目前正在开发的是用于民用和军事用途。这两个用例有他们正在寻找解决的任务有不同的要求。军事自主车保持比自主车正在美国生产的一种较陡的安全标准。目前军事用途的自动驾驶汽车的有保存在战场上的生命明确应用程序等极端情况的安全考虑都没有考虑到，因为它们可能是用于民用。举个例子，波音公司提供了众多的自主手艺军队但似乎避免自主地面交通的设计。
自主汽车企业必须创建一个产品能够安全航行拥挤的街道，交通和交通标志的司机和行人都一样，而军事战斗人员很少需要坚持街道标牌在紧急时刻。自主汽车使用的组合机器视觉而为了畅行世界各地，并安全地在其预期到达目的地等技术。
有许多类型的军用车辆和世界上许多军队，这意味着对自主汽车的可能性空间可能相当大。虽然有偏差自治系统中的车辆工程，企业领导阅读本报告可以理解自主车严重依赖于机器视觉以类似的方式。
自驾车的机器视觉方面首先使用监督学习过程进行培训。自动驾驶汽车在不同的高度和角度上都安装了大量的摄像头，以检测汽车从各个角度的运动情况。软件是经过训练的数以千计的人驾驶的镜头小时显示车辆应该操作的正确和安全的方式从不同的角度，在各种照明条件下，和在不同的天气条件。
的某些方面这镜头会被标记为驾驶时的关键指标，一个边界框，人工智能必须认识到它是一个重要的概念或规则;停车标志表示停车，双黄线不应交叉，道路上的白点线可交叉等。具有军事用途的车辆将不必遵守道法作为密切，但将在有关作战方式，如以每小时70多英里的旅行时，机器视觉如何可以检测道路容易造成打滑或打滑的培训。
这标签镜头然后将通过该软件的机器学习算法运行。这将有训练有素的算法来辨别序列和1分的模式和0的是，人的眼睛，形成视频的汽车安全驾驶如显示在安装摄像机的视频。
将机器视觉数据与传感器数据相结合，如油门踏板数据或激光雷达数据，用于跟踪当前距离的激光雷达是周围的对象，使自动驾驶车辆得到更全面的训练，然后只使用机器视觉数据。在最近的时间轴上发现关于自动驾驶车辆和它们的民用应用的附加信息。
那么车辆能拿驱动命令到该位置是未标注成其软件。那么软件背后的算法将能够将车辆及随行人员安全驾驶至指定地点。
以色列航空航天工业
伊斯雷尔航空航天工业从以色列陆军获得两辆单独的部分自动驾驶车辆，可调节Robattle和自动推土机Panda的合同。据称，这种机器人可以在特定任务中自动操作，也可以进行远程控制。Robattle是一种能够调整其构造配置的车辆，允许它在某些较大的障碍上进行伸缩或爬升，以及在障碍物下进行平坦化驾驶。从战略上讲，Robattle可以用来为前线的士兵提供物资或信息，也可以用来营救处于危险中的士兵把军事人员伤害的方式。
熊猫，一个自动化的推土机可以在战场上的关键在战斗场景中的推土机的驾驶人员将是他们太危险了拆迁行为中。
IRI索赔这台推土机的重建可能会为军方树立一个先例，让旧的设备被重新利用，以供进一步使用。
下面是一个短4- 分为视频片段自动推土机和Robattle在动作：
IAI公司是以色列的主要国防承包商。成立于1953年，他们目前采用1004名员工在国防工业。阿米拉沙龙是CTO在IAI。她的确切学历不知道，其中大部分的IAI公司的C级领导信息。这主要是隐匿的信息给他们直接联系以色列的军事行动和持续不断的冲突。梅厄Shabtia被引用的AI项目，是R＆d的副总裁G-尼乌斯无人系统组，IAI公司的公司。他毕业于特拉维夫大学的工程硕士学位。
清除地雷
黎巴嫩军队
Achkar和Owayjan的美国科技大学在黎巴嫩贝鲁特，发表了系统上的纸张利用机器视觉目前黎巴嫩的军事应用。它声称该软件平台可以帮助通过图像处理软件去除的活地雷的军事行动运用机器视觉。
Achkar和Owayjan要求黎巴嫩军队可以把软件集成到他们自己的地雷探测机器人利用成像软件。
本文美国T软件背后的机器学习模型是经过训练的成千上万的两种不同类型的反坦克地雷的图像显示他们覆盖，部分覆盖和颠倒从不同的角度和在各种照明条件。这些图像会被贴上了地雷的特定类型。这些标签图片然后将通过该软件的机器学习算法运行。这将有训练有素的算法来辨别序列和1分的模式和0的是，人的眼睛，形成图像地雷之一的所显示的相片中它可以检测。
然后用户可以上传一张照片那是未标注成人工智能。那么软件背后的算法将能够确定在照片中的地雷是存在的。然后系统警报的人类观察者地雷通过照片的显示器上显示红色的框。
下面是一个照片演示了如何机器视觉软件显示出已检测到地雷：
Achkar和Owayjan声称他们的系统对未被发现的地雷有99.6%的识别率，而降低的识别率则根据模糊程度和地雷模型的不同而有所不同。由于这是一项由一所大学资助的人道主义努力，这种通过机器视觉探测地雷的方法意味着没有可供报道的大客户。
罗杰·阿克卡尔是本文的工程和联合编剧的院长在黎巴嫩贝鲁特的美国科技大学。他持有博士在高能体系和信息科技大学贡比涅，法国的。米歇尔Owayjan是科技的美国大学的主席。他拥有贝鲁特美国大学工程管理硕士学位。
军械生产质量控制
积分技术
积分技术与美国陆军制造商围绕合同软件它声称可以帮助工业制造商质量控制检验他们的军备运用机器视觉。积分Technologies提供一机器视觉装置，其对所述装置被预先训练所述对象的一个360度的验证。我们将专注于通过积分提供了这个机器视觉技术的一个用例。他们的一个装置在检测上子弹外壳表面裂缝和缺陷或手榴弹到.004mm和排序清除项目或项目未清除。
我们可以推断该软件背后的机器学习模型，并会进行培训，对成千上万的3 d的扫瞄显示健全和不完善的子弹从不同的角度和在各种照明条件。这些图片会被贴上了指示缺陷子弹或指示令人满意的子弹。这些标签图片然后将通过该软件的机器学习算法运行。这将有训练有素的算法来辨别序列和1分的模式和0的是，人的眼睛，形成子弹作为显示3维扫描。
这台机器用它的机械臂抓住被验证的子弹，然后拍下它的3d照片，并上传到软件中。那么软件背后的算法将能够确定子弹之间没有瑕疵和表面缺陷子弹的差异。然后系统中隔离从缺陷子弹的子弹清除。
下面是一个短1-分钟的视频演示了如何该公司的软件和设备工作。注意此视频显示宽的金属环的验证和不子弹如上详述：
积分技术声称曾帮助美国军方制造部分子弹和手榴弹的制造商。当我们试图为他们的软件寻找案例研究时，我们的研究没有得到任何结果;然而，他们的网站上确实展示了大量的视频，展示了他们的机器视觉技术在客户的制造对象验证方面的积极工作。另一个大客户Integro网站的推荐是宝洁公司。
积分Technologies是与48名员工成立于2001年一家私有公司。他们没有接受过风险投资。肖恩·坎皮恩是积科技的CEO。他（以及所有在其网站上其他著名工程师）持有单身汉在机械工业从宾夕法尼亚州立大学。先前，坎皮恩担任高级工程师在机器视觉公司，康耐视公司。
标题图片来源：交通安全商店
