Технологија

Један школски школац из Русије победио је на Гоогле конкурсу за развој преводиоца знаковног језика.

Можете ли помоћи глувим људима да изразе својемисли, аутоматски преводећи гесте рукама које показују у речи? Ово питање поставио је руски десетогодишњак Даниил Казантсев из Јекатеринбуршког лиценце. Одлука да се схвати овај проблем довела је Даниела до победе у једној од категорија младог научног такмичења Гоогле Сциенце Фаир 2019. Развио је систем који може да тумачи језик знака и замени преводилац знаковног језика.

Као што је назначено на веб локацији Гоогле Цонтест, Казантсевизабран је међу хиљадама других учесника такмичења и постао је један од 24 финалиста из 14 земаља света. Као резултат тога, добио је Лего Едуцатион Буилдер награду за развијање свог тумача за знаковни језик.


Сви финалисти такмичења. Даниел је лево.

Шта је електромиографија?

Основа развоја младог руског генија јетехнологија електромиографије, која одређује електромеханичку активност мишића, узимајући у обзир променљиви положај руку и прстију. У овом случају, сваки покрет удова ствара сићушне електричне сигнале који се могу очитати и затим превести у команде које се могу очитати у рачунару. Ова технологија се нарочито користи за контролу вештачких протеза.

Погледајте такође: Како глупи људи могу повратити свој говор?

Али руска школа је развила систем заснован на технологији електромиографије која може превести електричне мишиће у речи.


Плави и бели крстови означавају локацију електрода које читају електричне импулсе мишића

Како ради преводилац језика

Уређај се састоји од манжетне која се ставља на њега.на подлактици. Манжетна има 24 електроде, а свака од њих чита одређене електричне сигнале из мишића подлактице. Поред тога, користи посебан сензор који детектује положај подлактице у простору. На основу свих ових сигнала формира се јединствени „отисак“ положаја сваког одвојеног дела четке у простору.

Сви прикупљени сигнали су појачани и филтрирани.од вишка електромагнетног шума, а затим се жицом преноси на спољни микрорачунало. Овај микрорачунар дигитализује сигнале са сензора и електрода, након чега их преноси на моћан рачунски сервер са посебно обученом неуронском мрежом. Помоћу неуронске мреже врши се интерпретација (превођење у речи) података о електричним сигналима одговорним за сваку језичку гесту.

Како је проверен преводилац гесте

Даниел је провео систем на себи и још два добровољца. Као основу за превод користио је 5 геста и популарни језик знаковног АСЛ (амерички знаковни језик).


Здраво Да (да); Не; Молим те; Волим те (волим те)

За тестирање ефикасности система, коришћено је 10 покушаја за свако препознавање гесте. Према аутору развоја, систем је могао да покаже тачност 92,6 процената у препознавању.


Табела приказује учеснике експеримента, имена гестова које систем мора препознати, као и број тачних препознавања

Технологија за верификацију видео записа може се видети у наставку:

</ п>

</ п>

Даниел напомиње, наставиће да ради на аутономномтумач сигнала. Постоји неколико тачака које још не дозвољавају да се користе као рјешење „на кључ“. На пример, сада систем може превести само појединачне гесте. Али она још није у стању да формира реченице од речи које је примила. Дакле, сада се систем не може користити као потпуна замена за тумач језика знака. Решење овог питања биће један од будућих задатака младог научника.

Погледајте такође: Ова неуронска мрежа зна како ћете изгледати за 50 година. Како она ради?

Поред тога, језик електронског знака захтевастални приступ моћном рачунарском серверу са неуронском мрежом која препознаје сигнале језичких гестикулација и преводи их у речи. Међутим, аутор напомиње да модерна брзина преноса података путем мобилног Интернета омогућава стални приступ серверу, чиме се делимично надокнађује овај недостатак. Аутор такође разматра могућност да се уређај учини компактнијим смањујући површину локације електрода на 7 центиметара.

Уопште, треба приметити да приликом финализирања таквихтехнологија се може користити са било којим знаком речника. У овом случају, кориснику неће бити потребна посебна обука за могућност коришћења таквог система.

Детаљније о развоју Даниела Казантсева можете пронаћи на страници његовог пројекта.

Ако сте заинтересовани за вести о науци и технологији, претплатите се на наш канал у Иандеку. Тамо ћете наћи ексклузивне материјале који нису објављени на сајту!

Фацебоок Обавештење за ЕУ! Морате се пријавити да бисте видели и објавили ФБ коментаре!