STRIDSSKADE-
BEDÖMNING

Varför BDA är obligatoriskt

Utan BDA rapporterar FPV-piloten "träff" baserat på att drönarens videolänk går till statisk bild vid nedslagsögonblicket. Piloten antar förstörelse. Befälhavaren registrerar "förstört" i situationsrapporten. Brigaden uppdaterar sin COP — ett fientligt fordon mindre. Nästa echelon planerar sin framryckning med antagandet att vägen är fri. Sedan möter infanteriet en funktionell stridsvagn som påstods vara förstörd för två timmar sedan. Förluster uppstår från en felaktig bedömning som BDA hade korrigerat på 60 sekunder.

Ukrainsk operationsdata från 2023–2025 kvantifierar problemet: 30–40 procent av FPV-träffar på pansarfordon gör dem inte stridsodugliga. Den formade laddningsstrålen från en PG-7VL-stridsspets kan penetrera 300 mm RHA-stål, men penetration garanterar inte förstörelse. Om strålen träffar motorrummet: katastrofalt dödsfall (brand, explosion). Om den träffar tornsidan och träffar ammunitionen: katastrofalt dödsfall. Om den träffar övre glacisplåten i sned vinkel: penetration men strålen sprids inuti utan att träffa kritiska system. Besättningen skakas men fordonet kör iväg 10 minuter senare.

BDA-metodik — tre kategorier

Kategori K (Killed): brand synlig på termisk kamera (motorrumstemperatur överstiger 200°C ovanför omgivning), svart rök på visuell kamera, sekundärexplosioner (ammunitionsavbränning). Fordonet är funktionellt förstört. Ingen ny attack behövs. Registrera tid, koordinater och BDA-bilder för mönsteranalys.

Kategori M (Mobilitetsdödad): band brutet eller avskilt (synligt på visuell kamera), fordon lutar åt ena sidan (fjädringsskada), hjul saknas eller förskjutna. Fordonet kan inte röra sig men vapensystem kan fortfarande fungera. Besättningen lever och kan fortfarande skjuta. Beslutspunkt: utgör det immobiliserade fordonet fortfarande ett hot i sin nuvarande position? Om det täcker en viktig inflygningsväg kan en andra FPV-strike behövas för att uppnå eldkraftsdöd.

Kategori MISS: ingen synlig förändring på visuell eller termisk kamera jämfört med bilder före strike. FPV:n missade antingen helt (terminalguidningsfel, sista-sekunden-undanmanöver av mål, vindby) eller träffade ett icke-kritiskt område med otillräcklig verkan. Ny attack krävs. Lisa 26 L2 genererar automatiskt en ny attackrekommendation med justerad inflygsvektor baserad på analys av varför första striken missade.

Automatiserad BDA via Lisa 26

Fischer 26 fångar bilder före strike som baslinje under sin ISR-bana innan FPV:n startar. Efter strike justerar Fischer 26 sin bana för att överflyga målet på 120 m AGL. Båda kamerorna fångar bilder efter strike. YOLOv8 på Jetson jämför de två bilduppsättningarna automatiskt. Temperaturskillnad på termisk: om målets värmesignatur ökade med mer än 50°C inom 60 sekunder efter nedslag brinner det (Kategori K). Formförändring på visuell: om begränsningsrutans dimensioner ändrades med mer än 15 procent har strukturskada uppstått (möjlig M eller K). Ingen signifikant förändring i någotdera modaliteten: Kategori MISS.

DESIGNMÅL: automatiserad BDA bör nå ungefär 85 procent överensstämmelse med manuell expertbedömning. Detta är baserat på YOLOv8:s publicerade benchmarkprestanda i datorseende-litteratur — FSG-A har inte testat på verklig stridsbilder eftersom inget BDA-dataset har samlats in. Gränsfall där AI:n felklassificerar mindre skada som MISS eller överskattar allvaret av ytlig skada Dessa gränsfall flaggas för mänsklig granskning på Lisa 26 COP — befälhavaren ser "BDA: OSÄKER — manuell granskning rekommenderas" och kan granska bilderna före/efter personligen innan bedömningen registreras.

BDA-mönsteranalys

Individuella BDA-bedömningar är taktisk data — en strike, ett resultat. Samlad BDA-data tvärs hundratals strikes avslöjar strategiska mönster. Lisa 26 lagrar alla BDA-poster i PostgreSQL med PostGIS spatial indexering. Mönsterfrågor besvarar frågor som inget enskilt engagemang kan: vilken FPV-stridsspetstyp är mest effektiv mot T-72 tornpansar? Svar (HYPOTETISK ANALYS — FSG-A har inte samlat sådan data): publicerade ukrainska stridsrapporter tyder på att toppanfallsprofiler vid branta dykvinklar uppnår betydligt högre K-kill-frekvens mot T-72 tornpansar än grunda sidanfall. Specifika procentsatser skulle kräva analys av faktisk operativ data som FSG-A inte har. Detta är den typ av datadriven optimering som Lisa 26 skulle möjliggöra för varje brigad som samlar in egen BDA-data.

Skadebedömningens noggrannhet avgör om brigadens situationsbild speglar verkligheten. Att överskatta skada leder till framryckning in i oförstörda ställningar. Att underskatta skada slösar uppföljningsstrikes på redan förstörda mål. Båda slösar resurser och kostar liv — korrekt skadebedömning är inte administrativ överhuvud utan operativ nödvändighet. Den 60-sekunders BDA-passagen efter varje strike är det billigaste sättet att förhindra att brigaden agerar på felaktig information — och det enda sättet att bygga den databasagda kunskapsbasen som optimerar framtida strikeoperationer.

BDA-klassificering — tröskelvärden

Implementering

# Automated BDA Comparison — Pre/Post Strike Classification
# Runs on Jetson Orin Nano alongside YOLOv8 inference

def classify_bda(pre_detection, post_detection, pre_thermal, post_thermal):
    """
    Compare pre/post strike detections and return BDA category.
    Returns one of: 'K', 'M', 'F', 'MISS', 'UNCERTAIN'
    """
    thermal_delta = post_thermal - pre_thermal
    if thermal_delta > 50:  # C rise -> burning
        return 'K'

    if not post_detection:
        if thermal_delta > 20:
            return 'K'
        return 'UNCERTAIN'

    pre_w, pre_h = pre_detection['bbox_wh']
    post_w, post_h = post_detection['bbox_wh']
    shape_change = abs(pre_w * pre_h - post_w * post_h) / (pre_w * pre_h)
    if shape_change > 0.15:
        return 'M'

    if abs(post_detection['turret_angle'] - pre_detection['turret_angle']) > 30:
        return 'F'

    if thermal_delta < 10 and shape_change < 0.05:
        return 'MISS'

    return 'UNCERTAIN'

# Example usage
result = classify_bda(
    pre_detection={'bbox_wh': (180, 95), 'turret_angle': 45},
    post_detection={'bbox_wh': (180, 92), 'turret_angle': 45},
    pre_thermal=35.0,
    post_thermal=110.0
)
print(f"BDA: {result}")  # Expected: K

← Ingår i Plutonsintegration

Relaterade kapitel

Källor

Ukrainsk FPV BDA-statistik 2023–2026 (öppna sammanställningar). Oryx fordonsförlustdokumentation. PG-7VL stridsspetspenetrationsspecifikationer. YOLOv8 bildjämförelsemetodik. FSG-A BDA-databasanalys.