Utambuzi wa Kompyuta - Kupa Kompyuta Maono

Utambuzi wa kompyuta na maono ya kompyuta, kwa ujumla, zina historia ndefu na pana ya kuwa maeneo magumu na tata ambapo maendeleo hadi kuibuka kwa ML/AI yalikuwa madogo. Kwa kinyume kabisa, na grafu za kompyuta, maendeleo mengi yamefanyika katika muda mfupi ndani ya uundaji wa mifano ya 2D/3D, ubunifu unaoendeshwa na kompyuta (CAD), filamu za kidijitali zenye mwendo kama zile zinazozalishwa na Pixar na uwanja wa michezo ya video. Kompyuta za kisasa zilikuwa nzuri katika kukamata na kuunda picha lakini si kuzihisi.

Sababu kuu ni kutokana na tatizo la mtazamo wa kuona. Wakati wa kuibuka kwa kompyuta za kisasa za mezani, haikuchukua muda mrefu kwa watafiti kutengeneza njia mahiri za kuhifadhi picha kidijitali kwa kuandika picha kama mfululizo wa pikseli za nguvu tofauti (k.m. RGB) na hata kubana picha kupitia mipango mingi. Kadiri uendelezaji wa kukamata na kuhifadhi picha ulivyoendelea na kutatuliwa kwa kiasi kikubwa, watafiti wakaelekea kwenye uchambuzi wa picha.

Tukipewa mfululizo wa pikseli, vipi vinaweza kutambuliwa? Kuna mbinu mbalimbali zinazoonekana dhahiri, ijapokuwa za kipumbaza, kama vile kuangalia rangi ya mkusanyiko wa pikseli, kwa kuzingatia maeneo maalum. Inawezekana kukadiria vitu kwa kutambua seti za rangi kwa ujuzi wa awali. Kwa mfano, angawa kwa kuwa ni buluu na iko juu katika picha. Makusanyiko ya rangi pia hayazingatii maumbo na ukubwa wa vitu. Mbinu hii ni ngumu kuifanya ya kawaida.

Tafiti hii ya kesi itachunguza jinsi uchanganuzi wa matangazo ya video ya CCTV unavyoweza kufaida shirika lako. Mfumo wa AI ambao unaweza kutambua vitu ukipewa video ya ufuatiliaji una matumizi mengi.

Kuchunguza, kwa mfano, kunaweza kutoa arifa za vitendo za wakati halisi kwa usalama na wafanyakazi husika. Kuandika programu ya algoriti ya kawaida kutatua matatizo ya utambuzi wa kompyuta/maono ya kompyuta ni ngumu, ijapokuwa kutumia Akili Bandia hufanya tatizo kuwa linaloweza kushughulikiwa.

Kutatua Tatizo kupitia Akili Bandia

Tatizo hili linainua maswali kuhusu jinsi wanadamu wanavyotambua vitu ndani ya masafa ya kuona ambayo pia ni vigumu sana kujibu. Ingawa bado hili ni swali wazi sana, mitandao ya neva bandia imethibitisha kuwa na manufaa makubwa katika eneo la utambuzi wa kompyuta/maono ya kompyuta.

Kwa kutumia mbinu za kujifunza kwa kina na seti kubwa ya data ya picha, inawezekana kufundisha mfano kutambua vitu. Seti ya data inayotumika sana ni Common Objects in Context (https://cocodataset.org/) ambayo ina yafuatayo kulingana na ufafanuzi wao:

Ugawanyaji wa kitu
Utambuzi katika muktadha
Ugawanyaji wa vitu wa superpixel
Picha 330K (>200K zilizotajwa)
Milioni 1.5 za mfano wa kitu
Kategoria 80 za vitu
Makundi 91 ya vitu
Manukuu 5 kwa kila picha
Watu 250,000 wenye vitufe

Kufundisha mifumo mbalimbali ya akili bandia kwa taarifa hii imethibitisha kuwa na ufanisi mkubwa wakati wa kuendesha mfumo kwenye seti ya tathmini ya data.

Muhtasari wa Changamoto ya Shirika

Tukidhani kuwa uwezo wa AI unaopo unaweza kuchambua vitu ndani ya mlisho ya video (ambayo inaweza), shirika lingetekeleje vipi suluhisho kama hilo? Bado kuna tatizo pana zaidi la kutekeleza mfumo kama hilo katika mazingira yaliyozalishwa ambayo yanaweza kupanuka na kufanya kazi ndani ya mfumo wa udhibiti.

Kwa kawaida, mashirika yaliagiza idara zao za IT kusakinisha uwezo kama huo. Kawaida, mashirika yangepata programu zilizotengenezwa tayari kutatua tatizo au kutafuta muuzaji wa programu maalum kujenga au kurekebisha suluhisho lililopo ikiwa suluhisho kama hilo halikuwa patupu kwa urahisi. Kwa kuzingatia ugumu wa mifumo ya Akili Bandia (Artificial Intelligence), chaguo zote mbili hazikuwa zinapatikana kwa muda mrefu.

Mbali na changamoto za kiufundi, kuna pia sera za ndani, na mahitaji mbalimbali ya kufuata sheria ambavyo mashirika lazima yazingatie kwa kawaida, kama vile faragha ya data ambayo, japokuwa inahusiana, ni masuala ya wataalamu tofauti wa maeneo husika. Hivyo, kutekeleza suluhisho kama hilo litahitaji ujuzi kutoka kwa maeneo mengine mengi ya shirika na kuhitaji usimamizi changamano wa mradi. Njia mbadala ya mikakati ya ndani ni kupata uwezo kama huo kupitia biashara ya AI kama Huduma, ikiwa ni pamoja na Telemus AI™, kwa njia inayofanana na kupata huduma za wingu.

Data ya Shirika Inayopatikana kama Ingizo la AI

Shirika nyingi hutumia CCTV kwa madhumuni ya usalama na kuwa na video mbalimbali zinazotumwa kwenye chumba cha udhibiti kwa ufuatiliaji. Kwa kawaida, video hizi zingekuwa na wafanyakazi wa usalama wakizifuatilia masaa 24/7 ili kubainisha shughuli yoyote ambayo inaweza isingemkubalika au inahitaji uchunguzi zaidi au hatua. Video hizi zinaweza kupitishwa kupitia mfumo wa akili bandia. AI itawaarifu wafanyakazi wa usalama ikiwa kuna chochote kinachohitaji uchunguzi zaidi.

Faida ya hii ni kwamba mfumo wa AI unaweza kugundua kasoro ambazo binadamu angekosa ikiwa haziko wazi au kama wafanyakazi wa usalama wamepoteza makini. Njia nyingine ya kuangalia hii ni kwamba uwezo wa wafanyakazi wa usalama wa kuelewa kinachoendelea katika vipindi vya video umeongezwa hadi kiwango cha juu zaidi. Hivyo, sawa na kutumia zana katika nyanja nyingine ili kuongeza uwezo wetu.

Hata kama uwezekano wa teknolojia hii unaweza kuwa changamoto kwa baadhi ya watu, ni muhimu kuzingatia kwamba mtu binafsi anafuatilia video zinaziripotiwa katika kila tukio, na AI inasaidia tu wafanyakazi wa usalama kuona picha, na faida zinahitaji kuzingatiwa. Kwa kuwa teknolojia inaendeshwa kwa njia iliyodhibitiwa na salama chini ya mfumo thabiti wa utawala, faida zinazoweza kutokea zitakuwa kubwa sana.

Mbinu ya Ushirikiano

Yafuatayo ni muhtasari wa mchakato ambao tungefanya kiwango cha juu ili kuchambua huvyo malisho ndani ya shirika:

Tambua malisho ya CCTV na mfumo unaotoa ufuatiliaji na kurekodi malisho hayo
Badilisha programu ili kutuma data kwa mtoa huduma wa kompyuta ya wingu kwa uchambuzi wa wakati halisi
Pitisha malisho kupitia Telemus AI™ na kurudisha mlisho wa video ulioboreshwa kwenye mfumo wa ufuatiliaji wa usalama
Sanisha arifa maalum kwa wafanyakazi wa usalama kulingana na kile kinachogundulwa

Tukizingatia Telemus AI™ inashughulikia kazi nyingi, shirika linaweza kulenga mantiki ya biashara badala ya utekelezaji wa kiufundi.

Matumizi ya Shirika

Yafuatayo yanaorodhesha matumizi mengine yanayowezekana kwa shirika lako:

Fuatilia magari kwenye mtandao wa barabara na kugundua wakati ajali zinapotokea ili kutuma timu ya kusaidia
Fuatilia watu binafsi kwenye maeneo ili kuhakikisha kwamba tabia za kinyume na jamii hazitokei. Ikiwa hivyo hutokea, otomatiki mtuma kitengo cha usalama ili kupunguza ukali wa hali hiyo.
Fuatilia maeneo ya kazi na tovuti za kazi, kuhakikisha kwamba wafanyakazi hawapo ndani ya eneo hilo nje ya masaa yaliyowekwa ya kazi

Faida Zinazowezekana na Zilizotimizwa

Faida zinazowezekana na zilizotimizwa za teknolojia hii ni kubwa. Inawezekana kufanya ufuatiliaji wa CCTV kwa usahihi na ufanisi zaidi, hata hivyo makosa machache, kuhitaji wafanyakazi wachache wa usalama kwa ujumla, huku wakiruhusu wafanyakazi hao kuzingatia kazi zinazohitaji kipaumbele zaidi kama vile ulinzi wa moja kwa moja au kazi za uchunguzi.

Telemus AI™ ni kampuni ya akili bandia iliyoko Australia inayotoa suluhisho za hali ya juu kwa serikali na biashara. Wasiliana nasi leo kwa ushauri wa bila malipo juu ya jinsi Telemus AI™ inavyoweza kuunganishwa katika shirika lako.

Lebo

Ugunduzi wa Vitu katika Picha za Ufuatiliaji