Hoe AI metaaldetectie belangrijker maakt dan ooit tevoren

Elke dag passeren miljoenen mensen door wanddoor metaaldetectoren op vliegvelden, scholen, concertzalen, gerechtsgebouwen en kantoren. De meeste mensen denken er nauwelijks aan of beseffen dat deze apparaten een essentiële brandmuur vormen voor hun eigen welzijn. Wanneer een detector afgaat, wordt het meestal gezien als een kleine hinder of vertraging – zodra de oorzaak is opgelost, gaat iedereen weer verder met zijn dag.

Het is geen geheim dat we in een wereld leven met toenemende veiligheidsspanningen, groeiende menigten en de verspreiding van ongelukkige incidenten. Het onverwachte gevolg hiervan is dat de veiligheidsindustrie wordt geconfronteerd met een hogere vraag dan ooit naar technologie die niet alleen ingrijpt in de directe nasleep van een bedreiging, maar ook als een voorspellende, proactieve barrière voor veiligheid kan dienen.

Achter de eenvoudige rituele handeling van het passeren door een metaaldetector, kan het je verbazen om te leren dat er een technologische revolutie gaande is in de veiligheidssector. Kunstmatige intelligentie en machine learning vormen de hele constructie van metaaldetectie opnieuw, waardoor het sneller, slimmer en nauwkeuriger wordt dan ooit tevoren.

Balans tussen precisie en vraag

Laten we eerst de industrie vanuit een vogelvlucht bekijken. Gedreven door de eerder genoemde factoren, bloeit de wereldwijde markt voor veiligheidscontrole. Deskundigen schatten dat de sector metaaldetectie en -controle alleen al tegen 2028 een waarde van bijna 10 miljard dollar, gedreven door toenemende zorgen over openbare veiligheid en het groeiende aantal passagiers. Vliegvelden, stadions, arena’s en scholen blijven onder immense druk om mensen snel te verplaatsen zonder de veiligheid te compromitteren.

Het dilemma waar veiligheidsprofessionals mee worden geconfronteerd, is het evenwicht tussen de grondigheid die nodig is om de veiligheid te garanderen en het gemak en de efficiëntie. We praten vaak over hoe secundaire screening de gaten kan vullen, maar de realiteit is dat wanneer je te maken hebt met tienduizenden reizigers of bezoekers, je eenvoudigweg niet elke tas kunt openen. Tegelijkertijd kan het missen van een bedreiging dodelijk zijn. Deze dynamiek zet het hele systeem – van fabrikanten tot beheerders en het personeel ter plaatse – in een legitieme knel.

Laten we nu eens kijken hoe de technologie historisch heeft gefunctioneerd. Traditionele wanddoor metaaldetectoren, gebaseerd op elektromagnetische inductie, zijn al decennialang vertrouwde werkpaarden, in staat om immense volumes aan mensen te verwerken met een aanvaardbaar tempo. Garrett’s wanddoor metaaldetectoren, bijvoorbeeld, zijn al meer dan 40 jaar de wereldwijde industrienorm, sinds we onze eerste wanddoor detector, de MagnaScanner, ontwikkelden voor de Olympische Spelen van 1984 in Los Angeles.

Ondanks hun “legacy”-status in vergelijking met andere technologische vooruitgang, zijn deze detectors nog steeds een van de meest kostenefficiënte, hoogwaardige en stabiele veiligheidsoplossingen op de markt. Het probleem is dat ze traditioneel geen intelligentie hebben om een riemgesp van een wapen te onderscheiden, wat dan leidt tot de secundaire screeningprocedure – en de eerder genoemde vertragingen. Deze valse alarmen kunnen leiden tot menselijke vermoeidheid bij veiligheidsfunctionarissen, wat op zijn beurt de effectiviteit van hun bewakingsproces kan compromitteren – een neerwaartse trend die kan leiden tot gevolgen die niemand wil. Dit is precies waar kunstmatige intelligentie en machine learning inspringen.

De data achter detectie

In zijn kern verandert AI metaaldetectie van een reactief proces in een voorspellend proces. In plaats van alleen een alarm te laten afgaan wanneer metaal wordt gedetecteerd, kunnen AI-gebaseerde wapendetectiesystemen nu de vorm, dichtheid en positie van metalen objecten analyseren met behulp van complexe signaalpatroonherkenning.

We gebruiken AI om functionaliteitsniveaus te bereiken voor geteste metaaldetectietechnologie die eerder niet mogelijk waren. Sommige stemmen in de veiligheidscontrole-ruimte wijzen metaaldetectietechnologie af als verouderd, maar ze negeren de enorme vooruitgang in de sofisticatie van metaaldetectietechnologie in de afgelopen jaren. Door deze vooruitgang in machine learning toe te passen op metaaldetectietechnologie, met name bij productontwikkeling, konden metaaldetectoren precisie bereiken die eerder niet mogelijk werd geacht. Bij Garrett werd AI gebruikt om een geavanceerd, eigen detectieplatform te ontwikkelen met machine learning voor onze Paragon wanddoor metaaldetector, een van de meest gebruikte wanddoor detectors ter wereld. Deze machine learning-algoritmes kunnen de subtiele verschillen tussen alledaagse voorwerpen – zoals telefoons of sleutels – en potentieel gevaarlijke objecten, zoals messen of vuurwapens, identificeren.

Wanneer je door een AI-verbeterde detector loopt, zoekt het niet alleen naar metaal – het analyseert duizenden datapunten en classificeert wat het ziet op basis van patronen die zijn geleerd uit miljoenen eerdere tests tijdens de ontwikkeling. Het resultaat hiervan is directe, nauwkeurige detectie van meerdere bedreigingen en een sterkere algehele veiligheid. Ons AI-platform voor Paragon verbetert de algehele nauwkeurigheid van doelen binnen het portaal voor enkele en meerdere doelen met meer dan 88% en vermindert de valse alarmen ten opzichte van traditionele metaaldetectoren op de markt met meer dan 5%.

In grote locaties hebben zelfs kleine efficiëntiegroei een enorme impact. Een enkel vals alarm kan tientallen mensen vertragen; vermenigvuldig dit met duizenden gasten in een stadion of passagiers op een vliegveld, en de verstoring loopt snel op. Deze AI-gebaseerde systemen helpen dit probleem op te lossen. De gegevens tonen aan dat op verschillende grote Amerikaanse vliegvelden en sportarena’s, wanddoor detectors die zijn aangedreven door machine learning, secundaire tascontroles en screentijden exponentieel hebben verlaagd.

Het belangrijkste punt is dat deze detectors niet alleen detecteren – ze zijn voorzien van intelligentie die is verkregen door het analyseren van duizenden mogelijke scenario’s en waarschijnlijkheden van voorwerpen en omgevingsfactoren. Het belangrijke onderscheid is dat de technologie aan veiligheidsprofessionals wordt verstrekt nadat deze al is opgeleid met deze geavanceerde machine learning-inzichten tijdens de ontwikkeling, in plaats van “leren op de job” – dit zorgt voor een aanzienlijk verlaagd risico op fouten en valse lezingen. Door getrainde professionals in staat te stellen om deze inzichten te analyseren en intelligent toe te passen, wordt gegarandeerd dat een grondiger, consistenter veiligheidsstandaard wordt ingesteld en geïmplementeerd in alle relevante instellingen en toepassingen.

Onverwachte toepassingen

Er zijn ook toepassingen buiten de veiligheid voor reizen en evenementen. Scholen en ziekenhuizen, bijvoorbeeld, nemen steeds vaker AI-gebaseerde detectors in gebruik die zijn ontworpen om wapens te herkennen en tegelijkertijd beter worden in het onderscheiden van alledaagse voorwerpen, waardoor angst en bottlenecks worden vermindert. Esthetiek en technologie die een naadloze, onopvallende gebruikerservaring mogelijk maken, kunnen een lange weg afleggen bij het creëren van comfort voor patiënten en bezoekers, terwijl ze ook screening-gerelateerde confrontaties of incidenten minimaliseren. Sommige producten kunnen in een “stealth-modus” worden gebruikt, waarbij geen hoorbaar alarm afgaat, wat bijdraagt aan het comfort van bezoekers die door de screeningcheckpoint lopen. Deze “frictionless”-systemen stellen mensen in staat om door te lopen zonder te hoeven stoppen of voorwerpen uit hun tassen te halen – een enorme stap voorwaarts in het maken van veiligheid zowel onzichtbaar als effectief.

De mens-AI-samenwerking

Het is essentieel om op te merken dat AI menselijke veiligheidsprofessionals niet moet vervangen, maar moet ondersteunen. De mens-AI-samenwerking kan helpen om de cognitieve belasting van screeners te verlagen, die nu niet langer elke piep of scan handmatig hoeven te interpreteren, maar dit moet worden geïmplementeerd met de juiste training en analyse. Bijvoorbeeld, als onderdeel van Garrett’s formele AI-beleid, beloven we dat de resultaten van AI-verbeterde ontwerpopgaven nooit in producten worden gebruikt via geautomatiseerde of onbeheerde middelen en methoden. Alle AI-uitvoer die in onze producten wordt gebruikt, wordt gecontroleerd door ervaren, getrainde menselijke agenten, en Garrett voert uitgebreide producttests uit in het lab en op het veld om ervoor te zorgen dat elk AI-werkproduct effectief en geschikt is voor gebruik in onze producten. Garrett gebruikt ook geen AI om zelflerende en zelfaanpassende beveiligingsproducten te bouwen die mogelijk goed functioneren wanneer ze worden geïnstalleerd, maar die later veranderen door invloed van externe factoren die niet worden geïnitieerd door de eindgebruiker.

AI kan helpen om vooroordelen te elimineren en ook het vertrouwen van het publiek in beveiligingssystemen en -professionals te vergroten. Het standaardiseren van wapendetectieprotocollen zorgt voor objectieve, consistente screening van alle individuen, waardoor potentieel spanningen en incidenten die al lang een zorg zijn in handmatige beveiligingscontroles, worden verlicht.

Conclusie: De stille revolutie bij de poort

Naarmate de beveiligingstechnologie verder evolueert, heeft de toekomst van wanddoor metaaldetectie het potentieel om meer impactvol en kritiek te zijn dan ooit tevoren, dankzij een toenemende afhankelijkheid van AI en machine learning. Met AI-ondersteunde metaaldetectie kunnen de veelvoorkomende valkuilen van traditionele metaaldetectie “controlepunten” – vertragingen, valse positieven, enz. – grotendeels worden weggenomen, waardoor de doorstroom kan worden verhoogd om te onderscheiden tussen bedreigende en niet-bedreigende voorwerpen op loopafstand, terwijl deze met meer nauwkeurigheid en precisie werkt dan ooit tevoren.

In een tijdperk van toenemende menselijke mobiliteit, geavanceerde beveiligingsbedreigingen en verhoogde aandacht voor beveiligingssystemen, vertegenwoordigt AI-gedreven metaaldetectie een enorme stap voorwaarts in het houden van de samenleving veilig.