La IA de búsqueda y rescate no es más precisa que las personas, pero es mucho más rápido.
Los éxitos recientes en la aplicación de visiones de computadora y aprendizaje automático a desertar edificios y carreteras después de huracanes o líneas de cambio, muestran que la inteligencia artificial podría ser preciosa al buscar a las personas desaparecidas después de la inundación.
Los sistemas de aprendizaje automático generalmente duran menos de un segundo para escanear una imagen de alta resolución del dron opuesto a uno a tres minutos para una persona. Además, los drones a menudo producen más imágenes para ver de lo humanamente posible en las primeras horas críticas de búsqueda cuando los sobrevivientes aún pueden estar vivos.
Desafortunadamente, hoy y los sistemas no están a la altura de la tarea.
Resecamos la robótica que estudian el uso de drones en desastres. Nuestras experiencias que buscan víctimas de inundaciones y muchos otros eventos muestran que las implementaciones actuales también están cayendo.
Sin embargo, la tecnología puede desempeñar un papel en la búsqueda de víctimas de inundaciones. La clave es la cooperación con la IA.
Los drones se han convertido en el equipo estándar de las primeras respuestas, pero las inundaciones representan desafíos únicos. Eric Smalley, CC potencial ai ai
La búsqueda de víctimas de inundación es un tipo de búsqueda y rescate de una vida silvestre que representa desafíos únicos. El objetivo para el aprendizaje de la máquina es cumplir con qué imágenes tienen signos de víctimas y especificar dónde debe centrarse el personal en estas imágenes. Si la responsabilidad ve las señales de la víctima, pasan la ubicación del GPS en la imagen para buscar equipos en el campo para verificar.
La clasificación se realizó con un clasificador, que es un algoritmo que aprende a identificar casos similares de instalaciones (gatos, automóviles, árboles) desde datos de entrenamiento para reconocerlos en nuevas imágenes. Por ejemplo, en el contexto de la búsqueda y el rescate, el clasificador detectará casos de actividad humana, como basura o mochilas que pasarán a los equipos salvajes y de rescate o incluso identificarán a las personas desaparecidas.
Se requiere el clasificador debido a los limpiadores de las imágenes que se pueden producir los drones. Por ejemplo, uno de cada 20 minutos de vuelo puede producir más de 800 imágenes de alta resolución. Si hay 10 vuelos, un pequeño número, sería más de 8,000 imágenes. Si la responsabilidad solo pasa 10 segundos mirando cada imagen, debería haber más de 22 horas de esfuerzo. Incluso si la tarea se divide entre el grupo "Šktica", las personas son propensas a perder áreas de imágenes y mostrar fatiga cognitiva.
La solución ideal es un sistema que escanea toda la imagen, prioridades de imagen que tienen los signos más fuertes de las víctimas y enfatiza un área de imagen para responder a la revisión. También podría decidir si la ubicación debe estar marcada para atención especial y atención de rescate.
Donde y se queda corto
Aunque parece ser una oportunidad perfecta para la visión por computadora y el aprendizaje automático, los sistemas modernos tienen una alta tasa de error. Si el sistema está programado para sobreestimar el número de sitios candidatos con la esperanza de no carecer de víctimas, probablemente producirán demasiados candidatos falsos. Significaría puntos sobrecargados o peor, los equipos de búsqueda y rescate, lo que debería moverse a través de escombros y tormentas para verificar las ubicaciones de los candidatos.
Desarrollar visiones de computadora y sistemas de aprendizaje para encontrar víctimas de inundaciones es difícil por tres razones.
Una cosa es que el sistema de visión por computadora existente es ciertamente capaz de identificar a las personas visibles en las imágenes de aire, los indicadores visuales de las víctimas de las inundaciones a menudo son muy diferentes en comparación con las de un montañero perdido o fugitivo. Las víctimas de las inundaciones a menudo se oscurecen, camufladas, retorcidas en escombros o sumergidas en agua. Estos desafíos visuales aumentan la posibilidad de que los clasificadores existentes extrañen a las víctimas.
En segundo lugar, el aprendizaje automático requiere datos de capacitación, pero no hay datos sobre los datos del aire en los que las personas están enredadas en los escombros, cubiertos de lodo, no posiciones normales. Este inconveniente también aumenta la posibilidad de errores de clasificación.
En tercer lugar, muchas imágenes dronadas que buscan a menudo capturaban vistas del cabello, no para bajar directamente. Esto significa que la ubicación GPS del área candidata no es la misma que la ubicación GPS de la droja. Es posible calcular la ubicación del GPS si el conocido paquete de drones y la esquina de la cámara, pero desafortunadamente, rara vez son atributos. Inaccesiones de la ubicación del GPS significa que los equipos deben pasar una búsqueda de tiempo adicional.
Cómo AI puede ayudar
Afortunadamente, con las personas y la IA trabajando juntos, los equipos de búsqueda y rescate pueden usar con éxito los sistemas existentes para reducir y prioritarios pintores para una inspección adicional.
En el caso de la inundación, se pueden preguntar los restos humanos entre la vegetación y los escombros. Por lo tanto, el sistema podría identificar racimos de escombros lo suficientemente grandes como para contener residuos. La estrategia de búsqueda conjunta es la identificación de ubicaciones GPS donde Flotsum se reunió, porque las víctimas pueden ser parte de los mismos depósitos.
El algoritmo en la enseñanza de la máquina identificó accidentes de los escombros lo suficientemente grandes como para mantener los cuerpos en la aerofolle de la inundación después. Robot y centro de búsqueda universitario y Universidad de Maryland
El clasificador de IA podría encontrar escombros que generalmente están conectados a los restos, como colores artificiales y desechos de construcción con líneas rectas o en las esquinas de 90 grados. Los encuestados encuentran estos signos mientras caminan sistemáticamente a los abuelos, pero el clasificador podría ayudar a la prioridad en las áreas en las primeras horas y días, cuando no pueden perder nada de las piernas.
.webp)
0 Comentarios