Singapur ha mejorado la inteligencia artificial que utiliza para detectar a los fumadores que fuman en muchos lugares donde la práctica está prohibida en toda la nación insular, para ayudar a las autoridades locales a detener a los infractores de manera más eficiente.

La IA se llama Balefire y, como recientemente explicado por Pye Sone Kyaw, ingeniero de inteligencia artificial de la agencia de transformación digital GovTech de Singapur, ya alcanzó la versión 3.0.

"El objetivo principal de Balefire... es ayudar a la NEA [la Agencia Nacional de Medio Ambiente] a detectar fumadores en lugares prohibidos", escribió. La NEA amablemente liza esos lugares prohibidos: la mayoría de las áreas interiores, parques, instituciones educativas, piscinas e incluso puentes elevados para peatones. Se pueden imponer multas de 200 dólares singapurenses (148 dólares) por fumar en el lugar equivocado, y una condena puede dar lugar a una multa cinco veces mayor.

Las versiones anteriores de Balefire se consideraron demostraciones de prueba de concepto. La versión 3.0 se considera un “piloto ampliado” que opera en 20 ubicaciones.

Kyaw se quejó de que no es fácil detectar los cigarrillos: son pequeños y fácilmente se confunden con otros objetos. Mencionó “pajitas, bordes brillantes de teléfonos, dedos colocados de cierta manera e incluso ciertos tipos de alimentos” como objetos que los sistemas de visión por computadora que dependen de cámaras exteriores pueden identificar falsamente como una varita cancerosa.

Intentó detectar humo o la punta incandescente de un cigarrillo, pero esos esfuerzos fracasaron porque produjeron demasiados errores. También lo hizo “mirar a la persona completa, por ejemplo mediante la estimación de la pose”.

Esos fallos llevaron a Kyaw a concluir que "un modelo de detección de extremo a extremo no es factible, particularmente en un contexto de IA de borde con sus limitaciones informáticas inherentes y tamaños de modelo relativamente pequeños, junto con la necesidad de una detección casi instantánea".

Buscó sistemas disponibles en el mercado que pudieran mejorar Balefire, pero no pudo encontrar ninguno que satisficiera la necesidad de la NEA de un sistema capaz de identificar tantos fumadores como fuera posible en todo el campo de visión de una cámara y hacerlo casi instantáneamente.

Por lo tanto, GovTech construyó su propio proceso de procesamiento personalizado que escribió Kyaw. Incluye los siguientes cinco pasos:

1. Detección y procesamiento de cabezas: El proceso se inicia cuando los marcos de las cámaras se introducen en un detector de cabezas, que identifica las coordenadas de todas las cabezas dentro del marco.
2. Filtrado basado en heurística: Después de la detección, estas cabezas se someten a una serie de filtros heurísticos diseñados para eliminar posibles cabezas erróneas. Estos filtros son producto de aprendizajes acumulados y análisis detallados de los datos de implementación.
3. Seguimiento de la cabeza: Luego, un rastreador de objetos sigue las cabezas detectadas a lo largo de fotogramas sucesivos, vinculándolas con cabezas detectadas previamente siempre que sea posible. Esto garantiza que, para los fumadores identificados, no se activen alertas repetidas cada vez que se los reconozca en un nuevo marco.
4. Clasificación de humo/no humo: Las cabezas que no estaban previamente clasificadas como pertenecientes a fumadores se procesan a través de un clasificador binario de cabezas. Este clasificador determina si el individuo fuma o no.
5. Módulo de Reidentificación: Si el clasificador indica actividad de fumar, un módulo de reidentificación intenta comparar al fumador detectado con una lista de vigilancia de fumadores recientes. Si no hay reidentificación, se activa una alerta. La lista de vigilancia se actualiza con la última aparición del fumador y otra información relevante.

La versión 3.0 utiliza múltiples modelos que se basan en imágenes capturadas de las iteraciones actuales y pasadas de Balefire.

"En pocas palabras, utilizamos nuestros modelos existentes para anotar los nuevos datos y corregimos cualquier error de ese proceso", escribió Kyaw. “Agregamos iterativamente perfiles específicos de imágenes en las que los modelos existentes eran propensos a errores, como personas que usan cascos o personas que comen o beben. Esto ayudó a mejorar significativamente el rendimiento de los modelos a lo largo del proyecto”.

Se espera que el nuevo sistema no sólo detecte más fumadores, sino también evite falsos positivos, para “facilitar a la NEA la optimización de la asignación de agentes encargados de hacer cumplir la ley a estos puntos críticos identificados”.

En otras palabras, Balefire tiene como objetivo garantizar que cuando la NEA ataque a los fumadores, sus esfuerzos no se conviertan en cenizas. ®

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/