Искусственный интеллект научили бороться с контрабандой

Логотип компании
10.01.2025
Искусственный интеллект научили бороться с контрабандой
Изображение: Shutterstock / Andrii Yalanskyi
Группа ученых из США разработала уникальную технологию, которая может использоваться в борьбе с нелегальной контрабандой. Новый инструмент, основанный на обученных нейросетях, способен анализировать рентгеновские изображения грузов и выявлять запрещенные предметы с точностью до 98%. Это решение обещает не только ускорить и упростить процесс таможенного досмотра, но и значительно повысить его надежность.  

Сегодняшние методы контроля грузов далеки от идеала. Рентгеновские установки дают лишь плоские, двухмерные изображения, на которых объекты часто накладываются друг на друга. Это создает сложности для инспекторов, которым приходится анализировать огромные объемы данных, находя контрабанду буквально среди сотен других предметов. Человеческий фактор играет значительную роль: усталость, давление и объем работы приводят к ошибкам. Каждый год через границы проходят миллионы контейнеров, и проверка такого потока грузов становится проблемой для таможенных служб.

Искусственный интеллект защитит от мошенников

Новая разработка базируется на способности распознавать отклонения от нормы. Ученые обучили модель работать с различными объектами, включая стандартные грузы вроде бутылок вина и автомобильных шин, а также аномалии, например, бивней животных. Система фиксирует подозрительные отклонения и передает данные инспектору для более детального анализа.

Ученые обучили ИИ распознавать номера авто

В своих тестах исследователи использовали смоделированные данные, но уже планируют адаптацию технологии к реальным условиям. Несмотря на неплохие результаты, пока модель требует доработки и тонкой настройки для работы с разнообразными материалами и типами грузов. Искусственный интеллект не заменяет человека, но может оказаться надежным помощником, минимизируя количество ошибок и повышая точность проверок.

Несмотря на успехи, для повсеместного применения предстоит решить ряд проблем. Технология нуждается в значительном расширении базы данных для обучения и тщательной проверке на реальных объектах. Однако перспективы этой разработки уже сейчас внушают оптимизм. В производстве она может использоваться для выявления дефектов, например, трещин в крыльях самолетов или брака в компьютерных чипах.

Похожие статьи