Singapore migliora l’intelligenza artificiale utilizzata per rilevare i fumatori

Singapore ha migliorato l’intelligenza artificiale che utilizza per rilevare i fumatori che si accendono nei numerosi luoghi in cui la pratica è vietata in tutta l’isola, per aiutare le forze dell’ordine locali a individuare in modo più efficiente i trasgressori.

L'intelligenza artificiale si chiama Balefire e, come di recente ha spiegato di Pye Sone Kyaw, un ingegnere di intelligenza artificiale presso l'agenzia di trasformazione digitale GovTech di Singapore, ha già raggiunto la versione 3.0.

"Lo scopo principale di Balefire... è assistere la NEA [l'Agenzia nazionale per l'ambiente] nell'individuare i fumatori nei luoghi in cui è vietato fumare", ha scritto. La NEA è utile list quei luoghi proibiti: la maggior parte delle aree interne, parchi, istituti scolastici, piscine e persino ponti sopraelevati pedonali. Multe di S$200 ($148) possono essere imposte per chi fuma nel posto sbagliato, e una condanna può comportare una multa cinque volte quella somma.

Le versioni precedenti di Balefire erano considerate demo dimostrative. La versione 3.0 è considerata un “pilota espanso” che opera in 20 località.

Kyaw si è lamentato del fatto che individuare le sigarette non è facile: sono piccole e facilmente confuse con altri oggetti. Ha menzionato “cannucce, bordi lucidi del telefono, dita posizionate in determinati modi e persino alcuni tipi di cibo” come oggetti che i sistemi di visione artificiale che si basano su telecamere esterne possono erroneamente identificare come un bastoncino canceroso.

Ha provato a rilevare il fumo o la punta accesa di una sigaretta, ma questi sforzi si sono vanificati perché hanno prodotto troppi errori. Lo stesso vale per "guardare l'intera persona, ad esempio attraverso la stima della posa".

Questi fallimenti hanno portato Kyaw a concludere che “un modello di rilevamento end-to-end non è fattibile, in particolare in un contesto di IA edge con le sue limitazioni di calcolo intrinseche e dimensioni del modello relativamente piccole, insieme alla necessità di un rilevamento quasi istantaneo”.

Ha cercato sistemi standard che potessero migliorare Balefire, ma non è riuscito a trovarne nessuno che soddisfacesse l'esigenza di NEA di un sistema in grado di identificare il maggior numero possibile di fumatori attraverso l'intero campo visivo di una telecamera e di farlo quasi istantaneamente.

GovTech ha quindi creato la propria pipeline di elaborazione personalizzata scritta da Kyaw. Comprende i seguenti cinque passaggi:

1. Rilevamento ed elaborazione della testa: La pipeline inizia con l'inserimento dei fotogrammi della telecamera in un rilevatore di teste, che identifica le coordinate di tutte le teste all'interno del fotogramma.
2. Filtraggio basato sull'euristica: Dopo il rilevamento, queste teste vengono sottoposte a una serie di filtri euristici progettati per eliminare potenziali teste errate. Questi filtri sono il prodotto delle conoscenze acquisite e dell'analisi dettagliata dei dati di distribuzione.
3. Monitoraggio della testa: Un rilevatore di oggetti segue quindi le teste rilevate attraverso fotogrammi successivi, collegandole, ove possibile, alle teste rilevate in precedenza. Ciò garantisce che, per i fumatori identificati, non vengano attivati ​​avvisi ripetuti ogni volta che vengono riconosciuti in un nuovo frame.
4. Classificazione fumo/non fumo: Le teste non precedentemente classificate come appartenenti ai fumatori vengono poi elaborate attraverso un classificatore binario di teste. Questo classificatore determina se l'individuo fuma o meno.
5. Modulo di Reidentificazione: Se il classificatore indica attività di fumo, un modulo di reidentificazione tenta di abbinare il fumatore rilevato con una lista di fumatori recenti. Se non avviene la reidentificazione, viene attivato un avviso. La watchlist viene aggiornata con l'ultima apparizione del fumatore e altre informazioni rilevanti.

La versione 3.0 utilizza più modelli che attingono a filmati catturati dalle iterazioni attuali e passate di Balefire.

"In poche parole, abbiamo utilizzato i nostri modelli esistenti per annotare i nuovi dati per noi e corretto eventuali errori derivanti da tale processo", ha scritto Kyaw. “Abbiamo aggiunto in modo iterativo profili specifici di immagini in cui i modelli esistenti erano soggetti a errori, come persone che indossano caschi o persone che mangiano o bevono. Ciò ha contribuito a migliorare significativamente le prestazioni dei modelli nel corso del progetto”.

Si spera che il nuovo sistema non solo rilevi più fumatori, ma anche eviti falsi positivi – per “facilitare la NEA nell’ottimizzare l’assegnazione degli agenti di controllo a questi hotspot identificati”.

In altre parole, Balefire mira a garantire che quando la NEA piomba sui fumatori, i suoi sforzi non vadano in cenere. ®

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/