ОЦІНКА БОЙОВИХ
ПОШКОДЖЕНЬ

Чому BDA є обов'язковою

Без BDA пілот FPV доповідає «попадання» на основі того, що відеопотік дрона обірвався в момент удару. Пілот припускає знищення. Командир фіксує «знищено» у ситуаційному звіті. Бригада оновлює COP — на одну ворожу одиницю менше. Наступний ешелон планує просування, припускаючи, що маршрут чистий. Потім піхота натрапляє на функціональний танк, який начебто знищено дві години тому. Втрати є результатом хибної оцінки, яку BDA виправила б за 60 секунд.

Публічно звітувані дані з українських операцій 2023–2025 (аналізи ISW, RUSI) кількісно підтверджують проблему: 30–40 відсотків попадань FPV по бронетехніці не роблять її бойово непридатною. Кумулятивний струмінь від бойової частини ПГ-7ВЛ пробиває 300 мм RHA-сталі, але пробиття не гарантує знищення. Якщо струмінь потрапляє в моторне відділення — катастрофічне ураження (пожежа, вибух). Якщо в борт башти з детонацією боєкомплекту — катастрофічне ураження. Якщо у верхній лобовий лист під гострим кутом — пробиття, але струмінь розсіюється всередині, не вражаючи критичні системи. Екіпаж потрясений, але машина від'їжджає через 10 хвилин.

Методологія BDA — три категорії

Категорія K (Killed, знищено): вогонь видно на тепловій камері (температура моторного відсіку перевищує 200 °C над оточенням), чорний дим на візуальній камері, вторинні вибухи (детонація боєкомплекту). Машина функціонально знищена. Повторний удар не потрібен. Фіксується час, координати і зображення BDA для аналізу патернів.

Категорія M (Mobility Kill, втрата мобільності): гусениця розірвана або з'їхала (видно на візуальній камері), машина накренена на один бік (пошкодження підвіски), колеса відсутні чи зміщені. Машина не може рухатися, але системи зброї можуть ще функціонувати. Екіпаж живий і може стріляти. Точка рішення: чи залишається знерухомлена машина загрозою у поточній позиції? Якщо вона прикриває ключовий підхід, може знадобитися другий удар FPV для досягнення вогневого ураження.

Категорія MISS (промах): жодної видимої зміни на візуальній чи тепловій камері порівняно з передударним знімком. FPV або взагалі промахнувся (помилка термінального наведення, останньої секунди ухиляння цілі, порив вітру), або влучив у некритичну зону з недостатнім ефектом. Потрібен повторний удар. L2 Lisa 26 автоматично генерує рекомендацію повторного удару зі скоригованим вектором підходу на основі аналізу, чому перший удар не вийшов.

Автоматизована BDA через Lisa 26

Fischer 26 захоплює передударний базовий знімок під час своєї орбіти ISR ще до запуску FPV. Після удару Fischer 26 коригує орбіту, щоб пройти над ціллю на 120 м AGL. Обидві камери захоплюють післяударні знімки. YOLOv8, що працює на Jetson, автоматично порівнює два набори зображень. Температурна різниця на тепловому: якщо теплова сигнатура цілі зросла більш ніж на 50 °C за 60 секунд після удару — вона горить (Категорія K). Зміна форми на візуальному: якщо розмір bounding box змінився більш ніж на 15 відсотків — сталося структурне пошкодження (можливі M або K). Відсутність значних змін в обох модальностях — Категорія MISS.

ПРОЄКТНА ЦІЛЬ: автоматизована BDA має досягати приблизно 85 відсотків збіжності з ручною експертною оцінкою. Ця цифра базується на бенчмарк-показниках YOLOv8 з опублікованої літератури з комп'ютерного зору — FSG-A не тестувала на реальних зображеннях бойових пошкоджень, бо датасету BDA не зібрано. Граничні випадки, коли AI помилково класифікує незначне пошкодження як MISS або переоцінює тяжкість поверхневих пошкоджень, позначаються для людського перегляду на COP Lisa 26 — командир бачить «BDA: НЕВИЗНАЧЕНО — рекомендовано ручну перевірку» і може переглянути передані після-знімки особисто перед фіксацією оцінки.

Аналіз патернів BDA

Окремі оцінки BDA — це тактичні дані: один удар, один результат. Накопичені дані BDA по сотнях ударів розкривають стратегічні патерни. Lisa 26 зберігає всі записи BDA в PostgreSQL з просторовою індексацією PostGIS. Патернні запити відповідають на питання, на які не може відповісти окреме ураження: який тип бойової частини FPV найефективніший проти баштової броні Т-72? Відповідь (ГІПОТЕТИЧНИЙ АНАЛІЗ — FSG-A не збирала таких даних): опубліковані українські бойові звіти припускають, що профілі top-attack під крутими кутами пікірування досягають значно вищої частоти K-уражень проти баштової броні Т-72, ніж плоскі бічні удари. Конкретні відсотки потребували б аналізу реальних оперативних даних, яких FSG-A не має. Це і є тип оптимізації на основі даних, який Lisa 26 уможливив би для будь-якої бригади, що накопичує власні записи BDA.

Точність оцінки бойових пошкоджень визначає, чи відображає бригадна ситуативна картина реальність. Переоцінка пошкоджень веде до просування у незнищені позиції. Недооцінка пошкоджень марнує повторні удари на вже знищені цілі. Обидва марнують ресурси і коштують життів — точна оцінка пошкоджень не є адміністративним навантаженням, а операційною необхідністю.

Класифікація BDA — порогові значення

Реалізація

# 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:
        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'

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}")

← Частина Інтеграція у взвод

Пов'язані розділи

Джерела

Параметричні джерела. Пробивна здатність ПГ-7ВЛ 300 мм RHA — опубліковані технічні описи бойової частини. Порогові значення YOLOv8 85 % bounding-box, 50 °C теплової різниці, 15 % зміни форми — проєктні вибори FSG-A на основі типових бенчмарків YOLOv8 у літературі з комп'ютерного зору. Висота BDA-проходу 120 м AGL — проєктний параметр Fischer 26. Параметри просторової індексації PostgreSQL/PostGIS — стандартна документація PostGIS.

Операційні оцінки — публічні джерела, не верифіковано FSG-A. Частота 30–40 % попадань FPV, що НЕ виводять ціль з ладу — цитата з опублікованих звітів ISW та RUSI 2023–2025. Категорії K/M/MISS BDA — стандартна методологія NATO AJP-3.9, адаптована до дронових операцій FSG-A. Заява про «top-attack проти баштової броні Т-72» явно позначена як гіпотетична: FSG-A не збирала реальних BDA-даних для підтвердження конкретних відсотків. Очікувана точність 85 % автоматичного BDA — проєктна ціль на основі YOLOv8-бенчмарків, не виміряна на реальних BDA-зображеннях.

Архітектурні обмеження. Гранічні випадки автоматично позначаються для людського перегляду — це не параметр, а логіка коду: коли AI має низьку впевненість у класифікації, рекомендація переходить у статус «НЕВИЗНАЧЕНО» і вимагає ручного підтвердження перед закриттям BDA-запису.

Зовнішні стандарти та джерела. Статистика українських FPV BDA 2023–2026 (відкриті компіляції). Oryx документація втрат техніки. Специфікації пробивної здатності ПГ-7ВЛ. YOLOv8 методологія порівняння зображень. Методологія BDA NATO AJP-3.9. Аналіз бази BDA FSG-A (ще не зібрано — модуль перевірено лише на синтетичних даних у SITL).