Agora existe um banco de dados sobre movimento dos olhos que vai servir de base para treinar modelos de inteligência artificial (IA) a identificar sinais de cansaço e alerta. O projeto é de uma equipe de pesquisadores da Universidade de São Petersburgo, na Rússia, em colaboração com o Centro de Pesquisa Federal de São Petersburgo da Academia de Ciências da Rússia e outras organizações.
Para quem tem pressa:
- Cientistas da Rússia desenvolveram um banco de dados que servirá de base para treinar redes neurais de IA a identificar sinais de cansaço e alerta;
- Sistemas com esse tipo de treinamento podem aprimorar segurança em indústrias, transportadoras e instalações de defesa, segundo os pesquisadores;
- O acesso ao banco de dados preparado está aberto ao público – assim, desenvolvedores de software podem desenvolver aplicações em cima desta base.
A ideia, segundo o Tech Xplore, é usar o banco de dados para treinar modelos de redes neurais com o objetivo de construir sistemas altamente precisos para rastrear o estado funcional de indivíduos. Esses sistemas têm o potencial de aumentar a segurança em vários contextos – por exemplo: estradas e instalações industriais.
IA e pesquisa
Instalações industriais, de transporte e de defesa, por exemplo, dependem de pessoas que trabalham em centrais de operação. E a segurança desses locais muitas vezes depende da condição psicofisiológica da equipe.
Além disso, outras profissões podem se beneficiar desses sistemas. Entre elas, estão motoristas de frotas de veículos, pilotos de aeronaves, controladores de tráfego aéreo, operadores de plantas industriais e outros.
Nós desenvolvemos um banco de dados abrangente adequado para o treinamento de redes neurais que classificam o estado de uma pessoa como cansado/alerta. O banco de dados coletado possui um conjunto único de vários indicadores rotulados. Usando esses indicadores, é possível treinar redes neurais para reconhecer o estado de fadiga humana com alta precisão.
Alexey Kashevnik, gerente de projeto e pesquisador sênior no Centro de Pesquisa Federal de São Petersburgo
Estudo e próximos passos
Os pesquisadores utilizaram vários sensores, incluindo uma câmera de vídeo, rastreador ocular, monitor de frequência cardíaca e eletroencefalógrafo, para coletar informações sobre os estados funcionais dos operadores.
O estudo envolveu dez indivíduos realizando diferentes atividades, tanto passivas (leitura) quanto ativas (jogando Tetris), com medidas feitas em vários momentos ao longo do dia durante oito dias.
Assim, os cientistas conduziram a coleta simultânea de indicadores comportamentais e neurofisiológicos. Os resultados foram publicados na revista científica Sensors.
O próximo passo será usar os dados coletados para treinar uma rede neural capaz de detectar com precisão a fadiga do operador com base em seus padrões de movimento ocular. Essa abordagem poderia permitir a avaliação remota da fadiga.
O banco de dados preparado está publicamente acessível, fornecendo um recurso para desenvolvedores de software testarem seus produtos.
João Marcelo de Assis Peres
joao.marcelo@guiadocftv.com.br
GuiadoCFTV
Avalie esta notícia, mande seus comentários e sugestões. Encontrou alguma informação incorreta ou algum erro no texto?
Importante: ‘Todos os Conteúdos divulgados decorrem de informações provenientes das fontes aqui indicadas, jamais caberá ao Guia do CFTV qualquer responsabilidade pelo seu conteúdo, veracidade e exatidão. Tudo que é divulgado é de exclusiva responsabilidade do autor e ou fonte redatora.’
Quer enviar suas notícias? Envie um e-mail para noticias@guiadocftv.com.br
O próximo passo será usar os dados coletados para treinar uma rede neural capaz de detectar com precisão a fadiga do operador com base em seus padrões de movimento ocular. Essa abordagem poderia permitir a avaliação remota da fadiga.
O banco de dados preparado está publicamente acessível, fornecendo um recurso para desenvolvedores de software testarem seus produtos.
O próximo passo será usar os dados coletados para treinar uma rede neural capaz de detectar com precisão a fadiga do operador com base em seus padrões de movimento ocular. Essa abordagem poderia permitir a avaliação remota da fadiga.
O banco de dados preparado está publicamente acessível, fornecendo um recurso para desenvolvedores de software testarem seus produtos.
