Обмеження зараження COVID-19 за допомогою автоматичного віддаленого моніторингу та виявлення захисної маски з використанням глибокого навчання та інтернету речей

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2021.238359

Ключові слова:

COVID-19, комп'ютерний зір, машинне навчання, глибоке навчання, віддалене управління, вбудована система, великі дані, інтернет речей

Анотація

Під час нинішньої спалаху пандемії COVID-19 вкрай необхідно контролювати і знижувати можливості зараження. Одним із найбільш важливих рішень є використання штучного інтелекту (ШI), який поєднує в собі як області глибокого навчання (DL), так і інтернет речей (IoT). Перше відповідає за виявлення обличчя, на якому немає маски. У той час як останній використовується для управління всією будівлею або громадським місцем, таким як автобус, вокзал або аеропорт, шляхом підключення камери відеоспостереження замкнутого контуру (CCTV) до приміщення управління. Дослідження виконано з використанням робочої станції з процесором Core-i5, підключеної до веб-камери. Потім програмується програмне забезпечення MATLAB для налаштування Arduino і NodeMCU (блок мікроконтролера) для віддаленого управління в якості інтернету речей. В рамках глибокого навчання, використовується 15-шарова згорткова нейронна мережа для навчання 1376 зразків зображень для створення еталонної моделі з метою використання в порівнянні. Перед глибоким навчанням до кожного зразка зображення застосовуються операції попередньої обробки як для поліпшення зображення, так і для масштабування. Для навчання і випробування запропонованої системи використовувався набір даних розпізнавання облич в масках (SMFRD). Цей набір даних опублікований в Інтернеті. Запропонована система глибокого навчання має середню точність до 98,98 %, де 80% набору даних використовувалося для навчання, і 20% зразків призначені для випробування запропонованої інтелектуальної системи.

Система інтернету речей реалізована з використанням Arduino і NodeMCU_TX (для передавача) і RX (для приймача) для передачі сигналу на великі відстані. Було проведено кілька експериментів, які показали доцільність результатів і, отже, застосовність моделі в комерційних цілях.

Біографії авторів

Omar Mowaffak Alsaydia, Ninevah University

Master of Science in Computer Network, Assistant Lecturer

Department of Computer and Information

College of Electronics Engineering

Noor Raad Saadallah, Ninevah University

Master, Assistant lecturer

Department of Computer and Information

College of Electronics Engineering

Fahad Layth Malallah, Ninevah University

Master, Lecturer

Department of Computer and Information

College of Electronics Engineering

Maan A. S. AL-Adwany, Ninevah University

Assistant Professor

Department of Computer and Information

College of Electronics Engineering

Посилання

  1. Malallah, F. L., Knymg, S., Abdulameer, S. D. (2018). Vision-based control by hand-directional gestures converting to voice. International Journal of Scientific & Technology Research, 7 (7), 185–190. Available at: https://www.ijstr.org/final-print/july2018/Vision-based-Control-By-Hand-directional-Gestures-Converting-To-Voice.pdf
  2. Jin, X., Liu, C., Xu, T., Su, L., Zhang, X. (2020). Artificial intelligence biosensors: Challenges and prospects. Biosensors and Bioelectronics, 165, 112412. doi: http://doi.org/10.1016/j.bios.2020.112412
  3. Arulprakash, E., Aruldoss, M. (2020). A Study on Fight Against COVID-19 from Latest Technological Intervention. SN Computer Science, 1 (5). doi: http://doi.org/10.1007/s42979-020-00301-0
  4. Chamola, V., Hassija, V., Gupta, V., Guizani, M. (2020). A Comprehensive Review of the COVID-19 Pandemic and the Role of IoT, Drones, AI, Blockchain, and 5G in Managing its Impact. IEEE Access, 8, 90225–90265. doi: http://doi.org/10.1109/access.2020.2992341
  5. Nguyen, T. T. (2021). Artificial intelligence in the battle against coronavirus (COVID-19): a survey and future research directions. arXiv preprint arXiv. doi: http://doi.org/10.36227/techrxiv.12743933
  6. Wang, X., Le, X., Lu, Q. (2020). Analysis of China’s Smart City Upgrade and Smart Logistics Development under the COVID-19 Epidemic. Journal of Physics: Conference Series, 1570, 012066. doi: http://doi.org/10.1088/1742-6596/1570/1/012066
  7. Jignesh Chowdary, G., Punn, N. S., Sonbhadra, S. K., Agarwal, S. (2020). Face Mask Detection Using Transfer Learning of InceptionV3. Lecture Notes in Computer Science, 81–90. doi: http://doi.org/10.1007/978-3-030-66665-1_6
  8. Militante, S. V., Dionisio, N. V. (2020). Real-Time Facemask Recognition with Alarm System using Deep Learning. 2020 11th IEEE Control and System Graduate Research Colloquium (ICSGRC), 106–110. doi: http://doi.org/10.1109/icsgrc49013.2020.9232610
  9. Jiang, M., Fan, X., Yan, H. (2020). RetinaMask: a face mask detector. Available at: https://arxiv.org/pdf/2005.03950.pdf
  10. Rahman, M. M., Manik, M. M. H., Islam, M. M., Mahmud, S., Kim, J.-H. (2020). An Automated System to Limit COVID-19 Using Facial Mask Detection in Smart City Network. 2020 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS). doi: http://doi.org/10.1109/iemtronics51293.2020.9216386
  11. Rahman, A., Hossain, M. S., Alrajeh, N. A., Alsolami, F. (2021). Adversarial Examples – Security Threats to COVID-19 Deep Learning Systems in Medical IoT Devices. IEEE Internet of Things Journal, 8 (12), 9603–9610. doi: http://doi.org/10.1109/jiot.2020.3013710
  12. Kummitha, R. K. R. (2020). Smart technologies for fighting pandemics: The techno- and human- driven approaches in controlling the virus transmission. Government Information Quarterly, 37 (3), 101481. doi: http://doi.org/10.1016/j.giq.2020.101481
  13. Udgata, S. K., Suryadevara, N. K. (2020). Advances in Sensor Technology and IoT Framework to Mitigate COVID-19 Challenges. SpringerBriefs in Applied Sciences and Technology, 55–82. doi: http://doi.org/10.1007/978-981-15-7654-6_4
  14. Baskaran, K., Baskaran, P., Rajaram, V., Kumaratharan, N. (2020). IoT Based COVID Preventive System for Work Environment. 2020 Fourth International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud) (I-SMAC), 65–71. doi: http://doi.org/10.1109/i-smac49090.2020.9243471
  15. Petrović, N., Kocić, Đ. (2020). IoT-based System for COVID-19 Indoor Safety Monitoring," preprint). IcETRAN, 1–6.
  16. Malallah, F. L., Shareef, B. T., Saeed, M. G., Yasen, K. N. (2021). Contactless Core-temperature Monitoring by Infrared Thermal Sensor using Mean Absolute Error Analysis. Recent Patents on Engineering, 15 (4). doi: http://doi.org/10.2174/1872212115666201230091420
  17. Zedan, M. J. M., Abduljabbar, A. I., Malallah, F. L., Saeed, M. G. (2020). Controlling Embedded Systems Remotely via Internet-of-Things Based on Emotional Recognition. Advances in Human-Computer Interaction, 2020, 1–10. doi: http://doi.org/10.1155/2020/8895176
  18. Ndiaye, M., Oyewobi, S. S., Abu-Mahfouz, A. M., Hancke, G. P., Kurien, A. M., Djouani, K. (2020). IoT in the Wake of COVID-19: A Survey on Contributions, Challenges and Evolution. IEEE Access, 8, 186821–186839. doi: http://doi.org/10.1109/access.2020.3030090
  19. Knysh, B., Kulyk, Y. (2021). Improving a model of object recognition in images based on a convolutional neural network. Eastern-European Journal of Enterprise Technologies, 3 (9 (111)), 40–50. doi: http://doi.org/10.15587/1729-4061.2021.233786
  20. Awadallah, S., Moure, D., Torres-González, P. (2019). An Internet of Things (IoT) Application on Volcano Monitoring. Sensors, 19 (21), 4651. doi: http://doi.org/10.3390/s19214651
  21. Shahidul Islam, M., Islam, M. T., Almutairi, A. F., Beng, G. K., Misran, N., Amin, N. (2019). Monitoring of the Human Body Signal through the Internet of Things (IoT) Based LoRa Wireless Network System. Applied Sciences, 9 (9), 1884. doi: http://doi.org/10.3390/app9091884
  22. Guo, Y., Liu, Y., Oerlemans, A., Lao, S., Wu, S., Lew, M. S. (2016). Deep learning for visual understanding: A review. Neurocomputing, 187, 27–48. doi: http://doi.org/10.1016/j.neucom.2015.09.116
  23. Malallah, F., Al-Jubouri, A., Sabaawi, A. (2020). Smiling and Non-smiling Emotion Recognition Based on Lower-half Face using Deep-Learning as Convolutional Neural Network. Proceedings of the Proceedings of the 1st International Multi-Disciplinary Conference Theme: Sustainable Development and Smart Planning, IMDC-SDSP 2020. Cyperspace. doi: http://doi.org/10.4108/eai.28-6-2020.2298175
  24. Kashyap, M., Sharma, V., Gupta, N. (2018). Taking MQTT and NodeMcu to IOT: Communication in Internet of Things. Procedia Computer Science, 132, 1611–1618. doi: http://doi.org/10.1016/j.procs.2018.05.126
  25. Al Dahoud, A., Fezari, M. (2018). NodeMCU V3 For Fast IoT Application Development. Notes, 5.
  26. Bhandary, P. Mask Classifier. Available at: https://github.com/prajnasb/observations
  27. Sokolova, M., Lapalme, G. (2009). A systematic analysis of performance measures for classification tasks. Information Processing & Management, 45 (4), 427–437. doi: http://doi.org/10.1016/j.ipm.2009.03.002
  28. Visa, S., Ramsay, B., Ralescu, A. L., Van Der Knaap, E. (2011). Confusion matrix-based feature selection. MAICS, 710, 120–127. Available at: http://ceur-ws.org/Vol-710/paper37.pdf

##submission.downloads##

Опубліковано

2021-10-31

Як цитувати

Alsaydia, O. M., Saadallah, N. R., Malallah, F. L., & AL-Adwany, M. A. S. (2021). Обмеження зараження COVID-19 за допомогою автоматичного віддаленого моніторингу та виявлення захисної маски з використанням глибокого навчання та інтернету речей. Eastern-European Journal of Enterprise Technologies, 5(2 (113), 29–36. https://doi.org/10.15587/1729-4061.2021.238359

Номер

Том 5 № 2 (113) (2021): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2021 Omar Mowaffak Alsaydia, Noor Raad Saadallah, Fahad Layth Malallah, Maan A. S. AL-Adwany

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.