नशे का पता लगाने के लिए मशीन लर्निंग विश्लेषण के साथ आंखों का मूल्यांकन

जर्मनी और चिली के शोधकर्ताओं ने एक नए मशीन लर्निंग फ्रेमवर्क को विकसित किया है जो किसी व्यक्ति की आंखों की निकट इन्फ्रा-लाल छवियों के आधार पर यह मूल्यांकन करने में सक्षम है कि वह नशे में है या नहीं।

इस शोध का उद्देश्य ‘फिटनेस फॉर ड्यूटी’ रियल-टाइम सिस्टम को विकसित करना है जो यह मूल्यांकन कर सकता है कि कोई व्यक्ति महत्वपूर्ण कार्यों जैसे कि ड्राइविंग या मशीनरी संचालित करने के लिए तैयार है या नहीं। यह एक नए और स्क्रैच-ट्रेन्ड ऑब्जेक्ट डिटेक्टर का उपयोग करता है जो एक छवि से एक विषय के आंख के घटकों को अलग कर सकता है और उन्हें एक डेटाबेस के खिलाफ मूल्यांकन कर सकता है जिसमें नशे में और नहीं नशे में आंखों की छवियां शामिल हैं।

You Only Look Once (YOLO) विषय की आंखों को अलग करता है, जिसके बाद फ्रेमवर्क उदाहरणों को अलग करता है और सेगमेंटेशन करता है ताकि आंख की छवि को उसके घटक भागों में तोड़ा जा सके। स्रोत: https://arxiv.org/pdf/2106.15828.pdf

प्रारंभ में, सिस्टम एक छवि को पकड़ता है और प्रत्येक आंख को यू-ओनली-लुक-वन्स (YOLO) ऑब्जेक्ट डिटेक्शन फ्रेमवर्क के साथ अलग करता है। इसके बाद, दो अनुकूलित नेटवर्क आंख की छवियों को सेमेंटिक क्षेत्रों में तोड़ने के लिए उपयोग किए जाते हैं – 2020 में हुआज़होंग विश्वविद्यालय विज्ञान और प्रौद्योगिकी द्वारा जारी क्रिस क्रॉस ध्यान नेटवर्क (CCNet), और डेंसेनेट10 सेगमेंटेशन अल्गोरिथ्म, जिसे चिली में नए शोध पत्र के कुछ शोधकर्ताओं द्वारा भी विकसित किया गया था।

निकट इन्फ्रा-लाल आंखों की छवियों से सेगमेंटेशन प्राप्त किया गया। स्रोत: https://www.researchgate.net/publication/346903035_Towards_an_Efficient_Segmentation_Algorithm_for_Near-Infrared_Eyes_Images#pf6

दोनों अल्गोरिथ्म क्रमशः 122,514 और 210,732 पैरामीटर का उपयोग करते हैं – एक मॉडल जैसे बड़े फीचर-सेट की तुलना में एक मितव्ययी निवेश, और बड़े डेटा वॉल्यूम की ओर एमएल फ्रेमवर्क की सामान्य प्रवृत्ति के विपरीत।

नशे में डेटाबेस

मशीन लर्निंग फ्रेमवर्क को सूचित करने के लिए, शोधकर्ताओं ने 266 नशे में विषयों और 765 संयमी विषयों की विशेषता वाला एक मूल डेटाबेस विकसित किया।

नशे में और संयमी विषयों के प्राप्त डेटाबेस के नमूने।

विषयों को दो मूल आईरिटेक कैमरों, जेमिनी/वीनस श्रृंखला के सामने खड़े होने, डिवाइस का सामना करने और रिकॉर्डिंग के लिए कहा गया था। इसके बाद उन्होंने 200ml शराब का सेवन किया और 15 मिनट के अंतराल पर उनके रक्त शराब स्तर बढ़ने तक रिकॉर्ड किया गया, अंतिम सत्र 60 मिनट तक शराब के सेवन के बाद।

यह 21,309 छवियों का उत्पादन करता है, जिन्हें बाद में पाइथन लाइब्रेरी imgaug का उपयोग करके एनोटेट किया जाता है।

वास्तविक दुनिया के लिए डेटा की तैयारी

यह एक उच्च स्वचालित कार्य प्रवाह नहीं था,尽管 उन्नत उपकरणों का उपयोग किया गया था – शोधकर्ताओं द्वारा आंखों की छवियों को मैनुअल रूप से लेबल करना ‘एक बहुत ही मांग वाला और समय लेने वाला प्रक्रिया’ के रूप में वर्णित किया गया था, और इसमें एक से अधिक वर्ष लगे।

डेटा को वास्तविक दुनिया की स्थितियों को प्रतिबिंबित करने के लिए डिज़ाइन किए गए विभिन्न तरीकों के साथ आक्रामक रूप से बढ़ाया गया था, जिसमें बर्फ के टुकड़े, पॉइसन शोर (कम प्रकाश सेंसर को खराब करने के लिए), धुंध, छींटे और वर्षा प्रभाव शामिल थे। इसके अलावा, इन्फ्रा-लाल कैप्चर का उपयोग आदर्श प्रकाश स्थितियों की आवश्यकता को समाप्त करता है, जो आर्थिक और व्यावहारिक तैनाती में गारंटी नहीं दी जा सकती है।

यह कठिन काम अंततः 98.60% की आंख कैप्चर और सेगमेंटेशन की सटीकता के साथ भुगतान किया।

लीस्ट मीन्स स्क्वायर्ड विधि के साथ आईरिस सेगमेंटेशन।

परीक्षण

सेगमेंटेशन फ्रेमवर्क का पांच प्लेटफार्मों के साथ परीक्षण किया गया था: ओसिरिस, डीपवोग, डेंसेनेट10 (ऊपर देखें), सीसीनेट (ऊपर देखें), और ग्रैंड-मीन। सभी मामलों में, विश्लेषण ने पुतली की सिकुड़न को नशे के स्तर से संबंधित करने के लिए सफल परिणाम दिखाए, हालांकि डेंसेनेट और सीसीनेट का उपयोग करके एक हाइब्रिड दृष्टिकोण सबसे प्रभावी साबित हुआ।

शोधकर्ताओं का अनुमान है कि उनका काम अंततः एक मानक नियर-इन्फ्रा-लाल आईरिस सेंसर में शामिल किया जा सकता है, और ध्यान दें कि नशे में आंखों के डेटाबेस का उत्पादन करने के लिए हेरकुलियन प्रयास इस क्षेत्र के जैवमेट्रिक अनुसंधान के लिए एक संभावित लाभ है।

आंखों के मूल्यांकन के माध्यम से उपभोक्ता और औद्योगिक नशे का परीक्षण

नई शोध कुछ उल्लेखनीय पिछले साहित्य पर आधारित है, जिसमें 2015 में ब्राजील और अमेरिका के शोधकर्ताओं का एक मूलभूत पत्र शामिल है, जिसने पुतली प्रतिक्रिया से नशे का मूल्यांकन करने के लिए एक व्यवस्थित और तर्कसंगत विधि का प्रस्ताव किया था। उस पत्र के शोधकर्ताओं ने देखा कि शराब मस्तिष्क की दक्षता को कम करती है और रात दृष्टि को 25% और प्रतिक्रिया समय को 30% तक बिगाड़ देती है, जो व्यक्ति की सहनशीलता स्तर के अनुसार भिन्न होती है।

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

इस तरह की प्रौद्योगिकियों के प्रसार के लिए प्राथमिक मुद्दा पोर्टेबिलिटी है। 2003 में, यूके शोध कंपनी हैम्पटन नाइट पेश एक आंख विश्लेषण के माध्यम से नशे का मूल्यांकन करने के लिए एक प्रणाली – हालांकि यह उस समय £10,000 स्टर्लिंग की लागत से आया था।

2012 का एक प्रारंभिक अध्ययन ने भी नई दिल्ली और अमेरिका से सिस्टमेटिक एआई तकनीकों का उपयोग करके ऑकुलर छवियों से नशे का स्कोर प्राप्त करने की संभावना का अन्वेषण किया, हालांकि वर्तमान शोध की तुलना में कम सफलता के साथ। उस अध्ययन ने भी इस क्षेत्र में काम के शरीर में एक मूल्यवान डेटासेट (आईआईटी आईरिस अंडर अल्कोहल प्रभाव) का योगदान दिया।

हालांकि, एज कंप्यूटिंग और अनुकूलित मोबाइल मशीन लर्निंग हार्डवेयर संसाधनों में हाल के नवाचारों ने नशे की जांच के लिए बहुत अधिक मोबाइल अनुप्रयोगों के लिए क्षेत्र खोल दिया है, जिसमें कार सेंसर शामिल हैं जो वर्तमान में ड्राइवर अल्कोहल डिटेक्शन सिस्टम फॉर सेफ्टी (डीएडीएसएस) फ्रेमवर्क में रुचि रखते हैं जो अमेरिका में विकसित किया जा रहा है – जो अब तक त्वचा अल्कोहल सेंसर और वाहन में हवा के लिए अल्कोहल वाष्प के मूल्यांकन पर निर्भर रहा है।

2020 की एक रिपोर्ट में अनुमान लगाया गया है कि इस प्रकार की प्रौद्योगिकियों को अपनाने से अमेरिका में अकेले 11,000 जीवन प्रति वर्ष बचाया जा सकता है।