تحديد الحالة تحت تأثير الكحول باستخدام تحليل التعلم الآلي للعين

قام باحثون من ألمانيا وشيلى بتطوير إطار عمل جديد للتعلم الآلي يمكنه تقييم ما إذا كان شخص ما تحت تأثير الكحول، بناءً على صور الأشعة تحت الحمراء القريبة من عينيه.

تهدف البحث إلى تطوير أنظمة “اللياقة للوظيفة” في الوقت الفعلي القادرة على تقييم جاهزية الفرد للقيام بمهام حرجة مثل القيادة أو تشغيل الماكينات، ويتضمن استخدام كاشف كائن جديد ومدرّب من الصفر يمكنه تحديد مكونات عين الفرد من صورة واحدة وتقييمها مقابل قاعدة بيانات تحتوي على صور عيون مخمورة وغير مخمورة.

يحدد YOLO عيون الفرد، ثم يفصل الإطار الحالات وينفذ التجزئة لتقسيم صورة العين إلى أجزائها المكونة. Source: https://arxiv.org/pdf/2106.15828.pdf

في البداية، يقوم النظام بتصوير وتحديد صورة كل عين باستخدام إطار كشف الكائن YOLO. بعد ذلك، يتم استخدام شبكتين محسّنتين لتقسيم صور العين إلى مناطق семантиكية – شبكة الانتباه الصليبي (CCNet) التي تم إصدارها في عام 2020 من قبل جامعة هوازونغ للعلوم والتكنولوجيا، و خوارزمية التجزئة DenseNet10، التي تم تطويرها أيضًا من قبل بعض الباحثين في الورقة الجديدة في تشيلي.

التجزئة التي تم الحصول عليها من صور العين تحت الحمراء القريبة. Source: https://www.researchgate.net/publication/346903035_Towards_an_Efficient_Segmentation_Algorithm_for_Near-Infrared_Eyes_Images#pf6

قاعدة بيانات السكران

لإعلام إطار العمل بالتعلم الآلي، قام الباحثون بتطوير قاعدة بيانات أصلية تضم 266 شخصًا مخمورًا و 765 شخصًا غير مخمور.

عينات من قاعدة البيانات المحصل عليها للأشخاص المخمورين وغير المخمورين.

تمت مطالبة الأشخاص بالوقوف أمام كاميرتين من كاميرات Iritech الأصلية، سلسلة Gemini / Venus، لمواجهة الجهاز وتسجيلهم بشكل صحيح. بعد ذلك، استهلكوا 200 مل من الكحول، وتم إعادة تسجيلهم في فترات زمنية تبلغ 15 دقيقة مع ارتفاع مستويات الكحول في الدم، حتى الجلسة النهائية بعد 60 دقيقة من استهلاك الكحول.

إعداد البيانات للعالم الحقيقي

لم يكن هذا العمل تلقائيًا للغاية، على الرغم من استخدام أدوات متقدمة – وصف الباحثون التسمية اليدوية لصور العين بأنها “عملية متطلبة وطويلة جدًا”، واستغرقت أكثر من عام.

تم تعزيز البيانات بطرق متعددة مصممة لتدهور وتحدي النظام، مما ي模ّي الظروف المحتملة في العالم الحقيقي، بما في ذلك الثلج، والضوضاء البواسونية (لتمثيل تدهور مستشعر الضوء المنخفض)، والغموض، والرذاذ، وأثار المطر. بالإضافة إلى ذلك، يلغي استخدام التصوير بالأشعة تحت الحمراء القريبة الحاجة إلى ظروف إضاءة مثالية، والتي لا يمكن ضمانها في التطبيقات الاقتصادية والعملية.

الاختبار

تم اختبار إطار التجزئة مع منصات خمس: Osiris، DeepVOG، DenseNet10 (انظر أعلاه)، CCNet (انظر أعلاه)، و Grand-Mean. في جميع الحالات، أظهر التحليل نتائج ناجحة لربط اتساع حدقة العين بمستوى السكر في الدم، على الرغم من أن نهجًا هجينًا باستخدام DenseNet و CCNet أثبت أنه الأكثر فعالية.

اختبار التسمم في القطاعين الاستهلاكي والصناعي من خلال تقييم العين

يستند البحث الجديد على بعض الأدبيات السابقة المهمة، بما في ذلك ورقة بحثية رئيسية عام 2015 من الباحثين في البرازيل والولايات المتحدة، والتي اقترحت طريقة منهجية ومبررة لتقييم التسمم من استجابة الحدقة. لاحظ الباحثون في تلك الورقة أن الكحول يقلل من كفاءة الدماغ ويعطل الرؤية الليلية بنسبة 25٪، ووقت الاستجابة بنسبة 30٪، مع مستويات شدة مختلفة وفقًا لمستويات التسامح الفردية.

Source: https://pixellab.group/publication/2015/pinheiro2015/pinheiro2015.pdf

المشكلة الرئيسية لانتشار مثل هذه التكنولوجيا هي المحمول. في عام 2003، قدمت شركة Hampton Knight البحثية في المملكة المتحدة نظامًا لتقييم التسمم من خلال تحليل العين – على الرغم من أن سعره كان 10,000 جنيه إسترليني في ذلك الوقت.

دراسة أولية في عام 2012 من دلهي والولايات المتحدة استكشفت أيضًا إمكانية استخدام تقنيات الذكاء الاصطناعي المنهجية لاستخراج درجة التسمم من صور العين، على الرغم من أن النجاح كان أقل من البحث الحالي. ساهمت تلك الدراسة أيضًا في قاعدة بيانات قيمة (IITD Iris Under Alcohol Influence) في مجال هذا البحث.

然而، تفتح التطورات الحديثة في الحوسبة الحرفية والموارد المثلى للماكينات الحرفية المجزة المجال أمام تطبيقات أكثر محمولية لاختبارات ما قبل النشاط للتسمم، بما في ذلك أجهزة استشعار داخل السيارة التي يمكن أن تضيف اختبارات العين إلى الطرق الحالية التي تهم إطار نظام الكشف عن الكحول للسائقين (DADSS) الذي يتم تطويره في الولايات المتحدة – الذي يعتمد حتى الآن على أجهزة استشعار الكحول في الجلد وتقييم الهواء داخل السيارة لتبخر الكحول.

قدر تقرير صدر في عام 2020 أن تبني تكنولوجيا من هذا النوع يمكن أن يوفر 11,000 حياة في السنة في الولايات المتحدة وحدها.