۵ پروژه‌ی هوش مصنوعی فضایی اوپن سی‌وی ( OpenCV )

۵ پروژه‌ی هوش مصنوعی فضایی اوپن سی‌وی

هوش مصنوعی پدیده‌ای مدرن است که صنایع زیادی از آن بهره می‌برند. یکی از شاخه‌های آن هوش مصنوعی فضایی ا‌ست.  قصد داریم در این نوشته به کاربردهای عملی هوش مصنوعی فضایی در صنایع اشاره کنیم.

در این نوشته از «پیشگامان لوتوس»، ۵ پروپوزال را در زمینه‌ی هوش مصنوعی فضایی (Spatial AI) مرور می‌کنیم که در مسابقه‌ ی مهمی شرکت کرده‌اند. ابتدا ببینیم هوش مصنوعی فضایی چیست، بعد از شرایط مسابقه بخوانیم و سپس چند نمونه از طرح‌های مطرح شده در مسابقه را بررسی کنیم.

هوش مصنوعی فضایی چیست و چه مفهومی دارد؟

هوش مصنوعی فضایی یکی از توانایی های سیستم های هوش مصنوعی در زمینه ی استدلال است که فقط بر پایه‌ی آن‌چه که مشاهده می‌کند تصمیم گیری نمی‌کند، بلکه فاصله‌ی اجسام از دوربین را نیز مدنظر می‌گیرد. هوش مصنوعی با تحول دنیای فناوری گره خورده و به‌ هدایت‌گر آینده‌ی صنایع تبدیل شده. AI با استفاده از الگوریتم‌های هوشمند، طبقه‌بندی داده‌ها و تحلیل‌های ریاضی در بسیاری از زمینه‌ها موثر ظاهر شده.

ترکیب سیستم اطلاعات جغرافیایی (GIS) با متدهای هوش مصنوعی در کنار تحلیل موثر و رویکرد مبتنی بر راه‌حل، تحت عنوان Geospatial AI یا هوش مصنوعی جغرافیای فضایی شناخته می‌شود. هوش مصنوعی فضایی، شکل تازه‌ای از ماشین لرنینگ مبتنی بر اجزای جغرافیایی ست. 

مثالی می‌زنیم. کاربران اپلیکیشن‌های گوشی هوشمند درباره‌ی مکانی که هستند، بازخوردهایی ارائه می‌کنند این دیتا شامل میزان ترافیک، ساعت‌های شلوغی، تجربه‌ی کاربری و میزان شلوغی، جمع‌آوری و تحلیل می‌شود. مانند اپلیکیشن ویز که احتمالا با آن سروکار داشته‌اید. باوجود این رویکرد درمورد اطلاعات هر لوکیشن، دیتا کامل می‌شود و راه‌حل‌های موثر برای هر منطقه‌ی جغرافیایی ارائه خواهد شد. برای مثال، بار ترافیکی هر لوکیشن پیش‌بینی می‌شود و مشخص می‌کنند بهتر است بار ترافیکی به کدام خیابان منتقل شود. 

شرایط مسابقه

۵۰ نفری که در مسابقه OpenCV Spatial AI Contest شرکت کرده بودند، با استفاده از هوش مصنوعی فضایی و ابزار OAK، راه‌حل‌هایی برای مشکلات دنیای واقعی ارائه کردند. تیم‌ها از اروپا، آمریکای شمالی، ژاپن، استرالیا و نیوزلند بودند. این را هم بگوییم که جایزه‌ی این مسابقه ۴۵ هزار دلار بوده است. 

اسپانسر این مسابقه ماکروسافت آژور (Microsoft Azure) و اینتل (Intel) بوده‌اند. این پروژه‌ها در پلتفرم روبوفلو (Roboflow) مطرح شده‌اند. روبوفلو پلتفرمی ست که توسعه‌دهندگان می توانند بدون داشتن مهارت و تجربه ی زیاد از آن برای ساخت اپلیکیشن‌های بینایی کامپیوتری بهره ببرند.

۱- سیستم پاک‌سازی اتوماتیک رودخانه ARC))

آلودگی آب‌ها یکی از مشکلاتی‌ست که زیاد درمورد آن گفت‌وگو می‌شود. طراحی سیستم پاک‌سازی رودخانه پروژه‌ی جذابی‌ست که بدون نیاز به نیروی کار توانایی پاک‌سازی آب‌های رودخانه را دارد. تیم طراح این پروژه در رودخانه‌ی بریزبین استرالیا کارشان را آغاز کرده‌اند. در این طرح پیشنهادی، دوربینی بالای تسمه نقاله نصب می‌شود. این دوربین که به یک سیستم هوش مصنوعی متصل است توانایی شناسایی اشیا را دارد به این ترتیب که مشخص می‌کند اشیای موجود در تسمه نقاله ساخته‌ی انسان هستند یا طبیعی. 

۲- پروژه‌ی تیم Autismo

پروژه‌های دانشجویی در زمینه‌ی استفاده از بینایی کامپیوتری برای بهبود دسترسی معلولان به تحصیل موسیقی انجام شده. این طرح‌ها نه تنها برای کاربر نهایی، بلکه برای افرادی که مدل را می‌سازند، کاربرد دارد. تیم Autismo رباتی مبتنی بری OAK-D و سازه‌های لگو پیشنهاد کرده که به فرایند یادگیری کودکان اوتیسمی کمک می‌کند. 

در این طرح از برنامه‌هایی مانند دنبال‌کننده‌ی وضعیت بدنی، شناسایی احساسات و تشخیص صورت برای اجرای بازی‌های تعاملی و برنامه‌های توان‌بخشی فیزیکی بهره می‌برند. در تصویر زیر پیش‌نمونه را می‌بینیم که از کیت ربات و ال‌سی‌دی ۴۸۰x۸۰۰ ، آژور کلاود (Azure cloud) و رزبری پای (Raspberry Pi) به‌عنوان واحد کامپیوتری میزبان استفاده کرده.

۳- تیم پابلیتو (Pablito)

تیم پابلیتو که نام‌شان را از پابلو پیکاسو گرفته‌اند، قصد دارند سیستم هنری بسازند که بتواند به‌شکل خودکار پرتره‌ی فردی را بکشد. آنها می خواهند از ربات نقاشی کوچکی بهره ببرند که با کمک OAK-D-Lite بتواند در نقش یکی از نوادگان دور پیکاسو ایفای نقش کند.

طرح تیم پابلیتو یادآور بازی هوش مصنوعی به‌نام Paint.wtf است. این بازی بیشتر از ۱۵۰ هزار اثر هنری دریافت کرده و به داوری آنها نشسته. Paint.wtf بازی آنلاینی‌ست که با بهره بردن از هوش مصنوعی می‌تواند به نقاشی‌های دیجیتالی که کاربران فرستاده‌اند، نمره دهد. شرکت پژوهشی هوش مصنوعی اوپن ای آی (OpenIA) مدل‌های تولیدی ایجاد کرده که می‌تواند براساس توصیف متنی، تصویر تولید کند.

۴- طرح زباله‌سوزی از تیم Feel the Burn

این تیم برنامه دارد جرثقیل اتوماتیک برای کارخانه زباله‌سوزی در ابعاد کوچک بسازد. افراد این تیم پیشنهاد کردند کشورهایی که فضای وسیع برای دفن زباله ندارند، سوزاندن زباله را به‌عنوان روش اصلی مدنظر قرار دهند. از آن‌جا که زباله‌سوز برای بهبود کارایی به جرثقیل نیاز دارند، استفاده از ابزار OAK برای عکاسی از زباله و شناسایی نوع و عمق زباله موثر خواهد بود. 

پس از این مرحله، اطلاعات پردازش می‌شود و مشخص می‌کنند جرثقیل برای حفر بعدی باید در کدام ناحیه قرار گیرد. در این تصویر طرح ارائه شده برای مسابقه را می‌بینیم.

۵- پروپوزال تیم The EPFL Loutres

زنبور سرخ یا زنبور گاوی پا زرد به‌آرامی خودش را به سراسر اروپا می‌رساند و تهدیدی برای زنبور اروپایی به‌شمار می‌رود. این تیم برنامه‌دارد با استفاده از هوش مصنوعی فضایی زنبورهایی را شناسایی کنند که مقابل کندو پرواز می‌کنند و به‌طور مقطعی ورودی کندو را ببندند.

هدف دیگر آنها شناسایی دیگر حشرات محلی تهدید‌کننده مانند کنه واروا (Varroa Mites) است که یکی از آفت‌های زنبورداری به‌حساب می‌آید. این کنه از خون زنبور عسل تغذیه می‌کند و باعث می‌شود زنبورها نقص عضو داشته باشند یا عمرشان کوتاه شود. 

استفاده از هوش مصنوعی فضایی به شناسایی الگوهای غیرطبیعی یا وجود انگل روی بدن زنبور کمک می‌کند و با فرستادن سیگنال به زنبوردار، او را از وجود مشکل آگاه می‌کند.