குடிபோதையில் வாகனம் ஓட்டுபவர்களை கண்டுபிடிக்கும் புதிய AI கேமரா
ஆஸ்திரேலியாவில் உள்ள எடித் கோவன் பல்கலைக்கழக ஆராய்ச்சியாளர்கள், வாகன ஓட்டிகள் குடிபோதையில் இருக்கின்றனரா என்பதை கண்டறிய கேமரா காட்சிகளைப் பயன்படுத்தும் புதிய தொழில்நுட்பத்தை கண்டுபிடித்துள்ளனர். இக்குழுவானது வாகனத்தில் உள்ள மெஷின் லேர்னிங் அமைப்பை வடிவமைத்துள்ளது. இது இரத்தத்தில் மதுவின் முக்கியமான அளவைக் கணிக்க, நிலையான வணிக RGB கேமராக்களைப் பயன்படுத்துகிறது. இந்த புதுமையான அமைப்பு இந்த ஆண்டின் தொடக்கத்தில் வெளியிடப்பட்ட ஒரு ஆய்வு தாளில் விவரிக்கப்பட்டுள்ளது.
டிரைவிங் சிமுலேட்டரில் தன்னார்வலர்களிடம் தொழில்நுட்பம் சோதிக்கப்பட்டது
60 தன்னார்வலர்கள் மற்றும் ஒரு உட்புற ஓட்டுநர் சிமுலேட்டரைப் பயன்படுத்தி இந்த அமைப்பு சோதனைக்கு உட்படுத்தப்பட்டது. ஒவ்வொரு பங்கேற்பாளரும் வெவ்வேறு அளவிலான போதைப்பொருளின் கீழ் வாகனம் ஓட்டுகிறார்கள்: நிதானமான, குறைந்த மற்றும் கடுமையான. இயந்திர கற்றல் அமைப்பு பார்வையின் திசை மற்றும் தலையின் நிலை போன்ற முக பண்புகளை ஆய்வு செய்தது. இது 75% குறைந்தபட்ச நேரத்திற்குள் ஆல்கஹால் குறைபாட்டைக் கண்டறிந்தது.
கேமரா அடிப்படையிலான தொழில்நுட்பம் குடிபோதையில் வாகனம் ஓட்டுவதை முன்கூட்டியே கண்டறிகிறது
பெடல் பயன்பாடு, ஸ்டியரிங் வடிவங்கள் மற்றும் வாகனத்தின் வேகம் போன்ற காரணிகளை நம்பியிருக்கும் பாரம்பரிய முறைகளைப் போலன்றி, இந்த கேமரா அடிப்படையிலான தொழில்நுட்பம், வாகனத்தில் நுழைந்தவுடன் ஓட்டுநர் குடிபோதையில் இருப்பதைக் கண்டறிய முடியும். இந்த முன்கூட்டியே கண்டறிதல் மூலமாக அந்த நபர்கள் வாகனத்தை ஸ்டார்ட் செய்வதைத் தடுக்கலாம். இதனால் பலவீனமான ஓட்டுநர்கள் சாலையில் செல்வதை நிறுத்தலாம். "எங்கள் அமைப்பு ஒரு இயக்கத்தின் தொடக்கத்தில் போதை அளவைக் கண்டறியும் திறனைக் கொண்டுள்ளது" என்று ஆராய்ச்சியில் பங்களித்த என்சியே கேஷ்ட்கரன் கூறினார்.
எதிர்கால பயன்பாடுகள் மற்றும் தொழில்நுட்பத்தின் மேம்பாடுகள்
அல்காரிதத்தைப் பயன்படுத்துவதற்குத் தேவையான படத்தை தீர்மானிப்பதே ஆராய்ச்சியாளர்களுக்கான அடுத்த கட்டம். எடித் கோவன் பல்கலைக்கழகத்தின் சையத் ஜுல்கர்னைன் கிலானியின் கூற்றுப்படி, குறைந்த தெளிவுத்திறன் கொண்ட வீடியோக்கள் போதுமானதாக நிரூபிக்கப்பட்டால், இந்த தொழில்நுட்பம் சாலையோரங்களில் பொருத்தப்பட்ட கண்காணிப்பு கேமராக்கள் மூலம் செயல்படுத்தப்படலாம். மேலும் குடித்துவிட்டு வாகனம் ஓட்டுபவர்களை அதிகாரிகள் சிறப்பாக அடையாளம் காண முடியும். டிரைவரின் முகத்தின் 3D மற்றும் அகச்சிவப்புக் காட்சிகள், அவர்களின் தோரணையைக் காட்டும் கேமரா வீடியோக்கள், ஸ்டீயரிங் தொடர்புகள் மற்றும் ஓட்டுநர் நடத்தையின் திரைப் பதிவுகள் ஆகியவற்றை இந்த அமைப்பு அதன் பகுப்பாய்வில் இணைக்க முடியும்.
