هوش مصنوعی در خدمت پیشگیری از رانندگی پرخطر ناشی از مصرف الکل
تاریخ انتشار: ۸ آبان ۱۴۰۱ | کد خبر: ۳۶۲۹۸۴۵۰
پژوهشگران با استفاده از یک شبکه عصبی پیچشی، تصاویر مادون قرمز حرارتی از صورت انسانها را بررسی کردند و با دقت ۹۳ درصد مسمومیت با الکل را در فرد هنگام رانندگی تشخیص دهند.
به گزارش گروه علم و آموزش ایران اکونومیست از وبگاه تِک اکسپلور (Tech Xplore)، شبکههای عصبی پیچشی یا همگشتی ردهای از شبکههای عصبی ژرف هستند که معمولاً برای انجام تحلیلهای تصویری یا گفتاری در یادگیری ماشین استفاده میشوند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
شبکه عصبی پیچشی (convolutional neural network) میتواند تصاویر مادون قرمز حرارتی از صورت انسان را ارزیابی کند و با دقت ۹۳ درصد مشخص کند که فرد مست است یا خیر. این سیستم میتواند در مکانهایی که رانندگی تحت تاثیر الکل رایج است، پیادهسازی شود. سالانه بیش از یک میلیون نفر در سراسر جهان بر اثر تصادفات جادهای جان خود را از دست میدهند که مرگ عده زیادی از آنها نتیجه مستقیم رانندگی تحت تاثیر الکل است.
پژوهشگران دانشگاه ملی ویتنام در شهر هوشی مین توضیح میدهند که تلاشهای قبلی بهمنظور طراحی راهی برای تشخیص مصرف الکل بر وضعیت چشم، وضعیت سر، یا شاخصهای وضعیت عملکرد متمرکز شده بود.
با این حال، احتمال دارد سایر عوامل، چنین سیستمهایی را دچار اشتباه کنند. این تیم خاطرنشان میکند که تجزیهوتحلیل تصویربرداری حرارتی، رویکردی با ابهام کمتر ارایه میدهد که غیرتهاجمی نیز هست و این امکان را برای مقامات مسئول فراهم میکند که افراد را در مراکز شهرها یا در مراسمهایی که احتمال مصرف الکل در آنها وجود دارد و ممکن است افراد تحت تاثیر مصرف این مواد، برای رفتن به خانه رانندگی کنند، غربالگری کنند.
پژوهشگران معتقدند نتیجه مثبت کاذب (نتیجهای که نشان میدهد یک حالت فرضی ویژه وجود دارد؛ در حالی که اینطور نیست) و منفی کاذبِ (نتیجهای که به اشتباه نشان میدهد که یک شرط وجود ندارد؛ درحالی که در واقع وجود دارد) سیستمی که برای شناسایی این افراد طراحی شده است، باید بسیار کم باشد؛ زیرا یک منفی کاذب ممکن است این امکان را فراهم کند که یک فرد تحت تاثیر مصرف الکل به رانندگی بپردازد، در حالی که تعداد زیاد مثبت کاذب باعث میشود رانندگان هوشیار نتوانند از وسایل نقلیه خود استفاده کنند و این باعث محرومیت آنها و از دسترفتن اعتمادشان شود.
در چنین سیستمی همیشه احتمال خطا وجود خواهد داشت؛ اما بهینهسازی طبقهبندی از طریق مجموعه دادههای آموزشی بزرگتر روی جمعیت متنوعی از تصاویر حرارتی باید آن را به ایده ال یعنی دقت ۱۰۰ درصد با مثبت کاذب صفر و منفی کاذب صفر (که از نظر تئوری دسترسیناپذیر است)، نزدیکتر کند.
منبع: خبرگزاری ایرنا برچسب ها: حوادث رانندگی ، پژوهش ، هوش مصنوعی ، یادگیری ماشین ، فناوری ، مشروبات الکلی ، ویتنام ، برگزیدگان علممنبع: ایران اکونومیست
کلیدواژه: حوادث رانندگی پژوهش هوش مصنوعی یادگیری ماشین فناوری مشروبات الکلی ویتنام برگزیدگان علم تحت تاثیر مصرف الکل
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت iraneconomist.com دریافت کردهاست، لذا منبع این خبر، وبسایت «ایران اکونومیست» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۲۹۸۴۵۰ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
شناسایی ۶۵۰ کارگاه پرخطر در قزوین
به گزارش خبرگزاری صداوسیما مرکز قزوین، سید جلیل حسینی با اشاره به اجرای مانور بازرسی از کارگاههای پرخطر استان گفت: در راستای صیانت از نیروی کار و در پیش بودن روز ایمنی و بهداشت کار این مانور اجرا شد.
حسینی، کاهش حوادث ناشی از کار و ارتقای ایمنی با اولویت کارگاههای پرخطر را از اهداف این بازرسیها برشمرد.
به گفته وی؛ از ۱۵ هزار و ۷۶۱ کارگاه مشمول قانون کار در استان ۶۵۰ کارگاه پرخطر هستند که شامل رستههای معدن، ساختمان، تولید در حوزه صنایع پلاستیکی، لاستیکی، شیمیایی و فلزی است.
کد ویدیو دانلود فیلم اصلی