Η Σιγκαπούρη βελτίωσε την τεχνητή νοημοσύνη που χρησιμοποιεί για να ανιχνεύει καπνιστές που ανάβουν σε πολλά μέρη όπου η πρακτική απαγορεύεται σε ολόκληρο το νησιωτικό έθνος, για να βοηθήσει τις τοπικές αρχές επιβολής του νόμου να εξαφανίσουν αποτελεσματικότερα τους παραβάτες.

Το AI ονομάζεται Balefire, και όπως πρόσφατα εξήγησε από τον Pye Sone Kyaw – μηχανικό AI στην υπηρεσία ψηφιακού μετασχηματισμού GovTech της Σιγκαπούρης – έχει ήδη φτάσει στην έκδοση 3.0.

«Ο κύριος στόχος του Balefire… είναι να βοηθήσει τη NEA [την Εθνική Υπηρεσία Περιβάλλοντος] στον εντοπισμό καπνιστών σε χώρους όπου απαγορεύεται το κάπνισμα», έγραψε. Τα ΝΕΑ βοηθητικά λίστες εκείνα τα απαγορευμένα μέρη: οι περισσότεροι εσωτερικοί χώροι, πάρκα, εκπαιδευτικά ιδρύματα, πισίνες, ακόμη και εναέριες γέφυρες πεζών. Πρόστιμα 200 S$ (148$) μπορούν να επιβληθούν για κάπνισμα σε λάθος μέρος και η καταδίκη μπορεί να οδηγήσει σε πρόστιμο πενταπλάσιο αυτού του ποσού.

Οι προηγούμενες εκδόσεις του Balefire θεωρήθηκαν ως απόδειξη του concept demos. Η έκδοση 3.0 θεωρείται «διευρυμένος πιλότος» που λειτουργεί σε 20 τοποθεσίες.

Ο Kyaw παραπονέθηκε ότι το να εντοπίσεις τα τσιγάρα δεν είναι εύκολο – είναι μικρά και μπερδεύονται εύκολα με άλλα αντικείμενα. Ανέφερε «καλαμάκια, γυαλιστερές άκρες τηλεφώνου, δάχτυλα τοποθετημένα με συγκεκριμένο τρόπο, ακόμη και ορισμένα είδη φαγητού» ως αντικείμενα που τα συστήματα όρασης υπολογιστών που βασίζονται σε κάμερες εξωτερικού χώρου μπορούν να αναγνωρίσουν ψευδώς ως καρκινικό ραβδί.

Προσπάθησε να ανιχνεύσει τον καπνό ή τη λαμπερή άκρη ενός τσιγάρου, αλλά αυτές οι προσπάθειες εξαντλήθηκαν επειδή παρήγαγαν πάρα πολλά λάθη. Το ίδιο και «κοιτάζοντας ολόκληρο το άτομο, όπως μέσω της εκτίμησης πόζας».

Αυτές οι αποτυχίες οδήγησαν τον Kyaw στο συμπέρασμα «ένα μοντέλο ανίχνευσης από άκρο σε άκρο δεν είναι εφικτό, ιδιαίτερα σε ένα πλαίσιο τεχνητής νοημοσύνης αιχμής με τους εγγενείς υπολογιστικούς περιορισμούς και τα σχετικά μικρά μεγέθη μοντέλων, σε συνδυασμό με την ανάγκη για σχεδόν στιγμιαία ανίχνευση».

Έψαξε για off-the-shelf συστήματα που θα μπορούσαν να βελτιώσουν το Balefire, αλλά δεν μπόρεσε να βρει κανένα που να ανταποκρίνεται στην ανάγκη της NEA για ένα σύστημα ικανό να εντοπίζει όσο το δυνατόν περισσότερους καπνιστές σε όλο το οπτικό πεδίο μιας κάμερας και να το κάνει σχεδόν στιγμιαία.

Επομένως, η GovTech δημιούργησε τον δικό της αγωγό προσαρμοσμένης επεξεργασίας που έγραψε η Kyaw. Περιλαμβάνει τα ακόλουθα πέντε βήματα:

1. Ανίχνευση και επεξεργασία κεφαλής: Ο αγωγός ξεκινά με τα πλαίσια της κάμερας να τροφοδοτούνται σε έναν ανιχνευτή κεφαλής, ο οποίος προσδιορίζει τις συντεταγμένες όλων των κεφαλών μέσα στο πλαίσιο.
2. Φιλτράρισμα με βάση ευρετικά: Μετά την ανίχνευση, αυτές οι κεφαλές υφίστανται μια σειρά ευρετικών φίλτρων που έχουν σχεδιαστεί για την εξάλειψη πιθανών εσφαλμένων κεφαλών. Αυτά τα φίλτρα είναι προϊόν συσσωρευμένων μαθημάτων και λεπτομερούς ανάλυσης των δεδομένων ανάπτυξης.
3. Παρακολούθηση κεφαλής: Στη συνέχεια, ένας ανιχνευτής αντικειμένων ακολουθεί τις ανιχνευμένες κεφαλές σε διαδοχικά πλαίσια, συνδέοντάς τις με κεφαλές που είχαν εντοπιστεί προηγουμένως όπου είναι δυνατόν. Αυτό διασφαλίζει ότι, για τους αναγνωρισμένους καπνιστές, δεν ενεργοποιούνται επαναλαμβανόμενες ειδοποιήσεις κάθε φορά που αναγνωρίζονται σε ένα νέο πλαίσιο.
4. Ταξινόμηση καπνού/απαγορευμένου καπνού: Οι κεφαλές που δεν είχαν προηγουμένως ταξινομηθεί ότι ανήκουν σε καπνιστές υποβάλλονται σε επεξεργασία μέσω ενός δυαδικού ταξινομητή κεφαλής. Αυτός ο ταξινομητής καθορίζει εάν το άτομο καπνίζει ή όχι.
5. Ενότητα επαναπροσδιορισμού: Εάν ο ταξινομητής υποδεικνύει δραστηριότητα καπνίσματος, μια ενότητα επαναπροσδιορισμού επιχειρεί να αντιστοιχίσει τον εντοπισμένο καπνιστή με μια λίστα παρακολούθησης πρόσφατων καπνιστών. Εάν δεν υπάρχει επαναπροσδιορισμός, ενεργοποιείται μια ειδοποίηση. Η λίστα παρακολούθησης ενημερώνεται με την τελευταία εμφάνιση του καπνιστή και άλλες σχετικές πληροφορίες.

Η έκδοση 3.0 χρησιμοποιεί πολλά μοντέλα που βασίζονται σε πλάνα που έχουν καταγραφεί από τις τρέχουσες και προηγούμενες επαναλήψεις του Balefire.

«Με απλά λόγια, χρησιμοποιήσαμε τα υπάρχοντα μοντέλα μας για να σχολιάσουμε τα νέα δεδομένα για εμάς και διορθώσαμε τυχόν σφάλματα από αυτή τη διαδικασία», έγραψε ο Kyaw. «Προσθέσαμε επαναληπτικά σε συγκεκριμένα προφίλ εικόνων ότι τα υπάρχοντα μοντέλα ήταν επιρρεπή σε σφάλματα, όπως άτομα που φορούν κράνος ή άτομα που τρώνε ή πίνουν. Αυτό βοήθησε να βελτιωθεί σημαντικά η απόδοση των μοντέλων κατά τη διάρκεια του έργου».

Το νέο σύστημα ελπίζεται ότι όχι μόνο θα ανιχνεύσει περισσότερους καπνιστές, αλλά και θα αποφύγει τα ψευδώς θετικά – για να «διευκολύνει τη NEA στη βελτιστοποίηση της κατανομής των υπαλλήλων επιβολής σε αυτά τα εντοπισμένα hotspot».

Με άλλα λόγια, το Balefire έχει ως στόχο να διασφαλίσει ότι όταν τα NEA επιτίθενται στους καπνιστές, οι προσπάθειές τους δεν θα πάνε στα στάχτη. ®

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/