Preaload Image

سال ساخت: —

اسم ربات: —

سازندگان: —

کاربرد ربات: —

تشخیص شست‌وشوی صحیح دست

توضیحات

از دیرباز همیشه سلامت و بهداشت فردی یکی از مهم ترین اولویت‌های هر جوامعی بوده است. مراکز پر تردد نظیر بانک‌ها، ارادات دولتی، بیمارستان‌ها و غیر همیشه پتانسیل انتقال بیماری بین افراد را دارا بوده‌اند. در صورت وجود ویروس در این مکان‌ها، انتقال آن به افراد مختلف بسیار محتمل می‌شود. از طرفی، مهم‌ترین عامل انتقال ویروس از طریق آلودگی دست‌هاست. از مهم‌ترین دغدغه‌های آزمایشگاه تعامل انسان و ربات تلاش برای بهبود بهداشت جمعی مردم بوده است. تارلب با هدف بهبود سطح بهداشت عمومی، با بکارگیری افراد متخصص و وسائل هوشمند، در راستای انجام پروژه‌ای جهت تشخیص صحیح شستشوی دست گام برداشته است. امروزه به دلیل همه‌گیری ویروس کرونا (COVID-19) این مسئله‌ اهمیت صدچندان پیدا کرده است و وظیفه‌ی اجتماعی و فردی هر شخصی شستشوی صحیح دست هاست.
حال که از اهمیت شستشوی دست‌ها آگاه گشتیم، موضوع مهم‌تر “نحوه‌ی شستشوی صحیح دست‌ها طبق استاندارد‌های بین المللی” است. انتقال ویروس می‌تواند از شستشوی دست غیرصحیح نیز انجام شود. آزمایشگاه تعامل انسان و ربات با استفاده از روش‌های هوش مصنوعی نظیر بینایی ماشین و یادگیری عمیق توانسته است طبق استاندارد‌های سازمان بهداشت جهانی (WHO) شستشوی صحیح دست‌ها را با دقّت بالای 96% درصد تشخیص دهد. طبق این استاندارد، یک دیتاست غنی از شستشوی صحیح دست‌ها جمع‌ آوری شد و با استفاده از تکنیک‌های پیشرفته‌ی یادگیری عمیق این مدل بدست آمد. در این پروژه، هر شخص در طی 9 مرحله باید دست‌های خود را بشوید. این سیستم از مرحله‌ی اوّل شروع کرده و هنگامی که کاربر به درستی دست‌های خود را شست، وارد مرحله‌ی بعد می‌شود. اگر این 9 مرحله به درستی انجام شود، دستان شخص، کاملاً مصون از هرگونه ویروسی است.
این پروژه دارای یک مدلی بر پایه‌ی یادگیری عمیق است که 9 مرحله‌‌ی شستشو را با پردازش ویدئوی دریافتی از دوربین تشخیص می‌دهد. این دستگاه کاملاً مستقل از سرور خارجی و تکنولوژی‌های ابری عمل می‌کند و از بُرد شرکت انویدیا به نام جتسون نانو (Nvidia Jetson Nano) و رزبری پای (Raspberry Pi) استفاده می‌کند. به دلیل سنگینی مدل یادگیری عمیق، نمی‌توان به راحتی آن را بر روی بورد‌های تعبیه شده اجرا کرد و نیاز به بهینه‌سازی‌ خاص بر روی مدل و همچنین سیستم‌عامل دارد. بُرد جتسون در این پروژه نقش سرور را ایفا می‌کند و محاسبات مدل یادگیری عمیق را انجام می‌دهد و رزبری‌ پای وظیفه‌ی کنترل رابط گرافیکی (Graphical User Interface) و همچنین دریافت ویدئو از دوربین و انجام یک سری پیش‌پردازش ‌ها و ارسال آن به جتسون رو بر عهده دارد.
از جمله‌ کاربرد‌های این دستگاه‌ می‌توان در تمام مراکز عمومی پر تردد نظیر: بانک‌ها، فروشگاه‌ها، مراکز دولتی و تمام مراکز درمانی اشاره کرد که می‌توان از آن جهت اطمینان تمیزی دست افراد استفاده کرد. این دستگاه یک درگاه ارتباطی می‌دهد که برای مثال می‌توان گفت زمانی که شخص دست خود را به درستی شست بتواند وارد بانک شود یا اجازه‌ی کار با دستگاه‌ خودپرداز را داشته باشد.

پروژه‌ها

توضیحات

با توجه به شرایط حال حاضر که یکی از دغدغه‌های اصلی جوامع جهانی بیماری کرونا است و همچنین ندانستن طرز صحیح تمیز کردن دست‌ها در محیط‌هایی نظیر بیمارستان که آلودگی بالایی دارند، نیاز روز افزون به توسعه‌ی دستگاه‌های هوشمندی که بتوانند از درستی شستن دست اطمینان حاصل کنند بیشتر حس می‌شد. این پروژه که یک سیستم جهت تشخیص میزان درستی شستشوی دست‌ها با استناد به روش‌های سازمان بهداشت جهانی است با استفاده از روش‌های مبتنی بر یادگیری عمیق و تکنیک‌های پیشرفته‌ی بینایی ماشین میزان درستی پروسه‌ی شستشوی دست را اعلام می‌کند. هنگامی که شخصی دست خود را زیر دوربین جهت شستشو قرار می‌دهد، سیستم بصورت بلادرنگ فریم‌ های گرفته شده را پردازش می‌کند و میزان دقت را اعلام می‌کند و تا زمانی که مرحله‌ای به درستی انجام نشود سراغ مرحله‌ی بعد نمی‌رود. یکی از چالش‌های این مسئله‌ جلوگیری از فریب دادن سیستم با حرکاتی است که در مراحل دست شستن تعریف نشده اند که باید با استفاده از داده‌هایی مناسب و همچنین مدلی با دقّت بالا این چالش را برطرف شد. از چالش‌های دیگر این مسئله، بلادرنگ بودن آن است چرا که اگر مدلِ بر پایه‌ی یادگیری عمیق بخواهد بصورت بلادرنگ محاسبات خود را روی بوردهای امبدد نظیر Jetson Nano انجام دهد بسیار سرعتش پایین خواهد بود. این چالش‌ از طریق بهینه‌سازی هرچه بیشتر مدل و همچنین شخصی‌سازی مدل برای بورد مقصد حل شده است.

پژوهشگران

محمدامین موسوی، سینا ولی، محمدامین حق‌پناه

کلمات کلیدی

بینایی ماشین، یادگیری ماشین، یادگیری عمیق، شستشوی دست

ویدیو

به زودی این بخش تکمیل خواهد شد.

گالری تصاویر