A NEC, a JICA e o CMAC, a autoridade nacional de desminagem do Camboja, testaram um modelo de IA que prevê terrenos contaminados por minas a partir de registos históricos, relatos de residentes e dados de terreno — acertando mais de 90% das localizações de minas conhecidas num ensaio de cerca de 1 milhão de m², vencendo o Prémio de Inovação 2025 do GICHD.
>90%
Taxa de correspondência com localizações de minas conhecidas (2024-2025 demonstration)
~1,000,000 m²
Dimensão da área de demonstração (2024-2025)
1,576 km²
Terreno contaminado no Camboja (nacional) (early 2024)
~200 km²
Terreno limpo pelo CMAC em 2024 (2024)
Detalhes
Maturidade
Piloto
Promotor
Cambodian Mine Action Centre (CMAC), with NEC Corporation / NEC Laboratories Europe and the Japan International Cooperation Agency (JICA)
O Camboja carrega uma das mais pesadas heranças mundiais de minas terrestres e engenhos explosivos não detonados; no início de 2024, estimava-se que 1.576 km² de terreno permaneciam contaminados (incluindo 348 km² por minas antipessoal), com 19.834 pessoas mortas e 45.252 feridas por minas/engenhos explosivos entre 1979 e 2024. O Cambodian Mine Action Centre (CMAC), a autoridade nacional de desminagem, limpou cerca de 200 km² e destruiu 99.874 minas/engenhos explosivos em 2024, trabalhando para cumprir a meta do Camboja ao abrigo do Tratado de Otava de estar livre de minas até 2030.
Objetivos
A NEC Corporation e a NEC Laboratories Europe associaram-se à JICA e ao CMAC num modelo de IA de prova de conceito para acelerar o dispendioso processo manual de 'levantamento não técnico', utilizado para identificar quais as áreas não levantadas que justificam operações de limpeza.
Atividades
O modelo analisa os registos históricos de localização de minas do CMAC, informações sobre perigos comunicadas pelos residentes e dados geoespaciais abertos (incluindo camadas de terreno e infraestruturas) para prever quais as áreas não levantadas com maior probabilidade de conter minas.
Resultados
Numa área de demonstração de cerca de 1 milhão de m², as previsões do modelo coincidiram com mais de 90% das localizações de minas efetivamente conhecidas; o projeto venceu o Prémio de Inovação de 2025 do GICHD, na categoria 'Melhorar a Exatidão da Estimativa de Áreas Perigosas com Engenhos Explosivos', entregue no Luxemburgo em outubro de 2025 a mais de 400 profissionais da ação contra minas.
Conclusões
O resultado é explicitamente uma prova de conceito: a área de demonstração de cerca de 1 km² é uma fração ínfima da área contaminada do Camboja, que ultrapassa os 1.500 km², e nenhuma fonte pública especifica um compromisso de financiamento ou um calendário para alargar o modelo ao planeamento de levantamentos a nível nacional.
Implementação
Custo indicativo
Médio (50 mil–500 mil €) — No public cost or budget figure disclosed; described as a proof-of-concept partnership between NEC, JICA and CMAC.
Tempo até resultados
Curto (< 1 ano) — Proof-of-concept developed and demonstrated during 2024-2025; award presented October 2025. No scale-up timeline published.
Equipa e competências
CMAC survey/demining staff, NEC Corporation / NEC Laboratories Europe data science team, JICA programme staff
Condições de sucesso
Access to CMAC's historical landmine-location records and resident hazard reports for model training
Open geospatial data (terrain, infrastructure layers) integrated with historical records
International donor/technical partnership (JICA, NEC) supplementing national demining authority capacity
Modos de falha comuns
Demonstration area (~1 km²) is a tiny fraction of Cambodia's over 1,500 km² contaminated footprint; no funding or timeline disclosed for scale-up
No independent (non-NEC/GICHD) evaluation of the model's accuracy has been published
Onde se enquadra
Tipo de governação
national demining authority with international donor/corporate R&D partnership
Escala
proof-of-concept, ~1 million m² demonstration area
Nível de rendimento
lower-middle-income (Cambodia)
Implementa esta prática?
Reivindique-a —
implementadores verificados obtêm um contacto público na página e podem propor correções.
Fontes de dados
De onde foi obtida a informação desta prática, e quando.