Invisiblefarm presenta la nuova business unit dedicata all’intelligenza artificiale

L’anno 2023 ha visto significativi sviluppi nell’intelligenza artificiale, con particolare attenzione ai suoi ambiziosi obiettivi. Per questa ragione è nata la business unit di Invisiblefarm dedicata all’AI. Sono due i progetti che stanno guidando l’innovazione: il riconoscimento facciale e l’analisi predittiva di valori reali nel tempo.

Progetto 1: riconoscimento facciale: progetto “Invisiblesoul”

Uno degli obiettivi primari è il perfezionamento del riconoscimento facciale attraverso il progetto chiamato “InvisibleSoul”, denominato in questo modo perché rappresenta l’anima di Invisiblefarm. Questa innovazione mira a rendere gli accessi agli uffici più immediati, istantanei, veloci e sicuri, portando un notevole salto in avanti nella tecnologia di sicurezza aziendale.

Raccolta del dataset e tecnologie utilizzate

La fase iniziale del progetto ha coinvolto una minuziosa raccolta di foto del personale, rappresentative in varie condizioni e di diversi generi. L’analisi delle librerie e modelli già disponibili in Python ha guidato la scelta verso la libreria “face recognition”. Tuttavia, alla ricerca di maggiore flessibilità, la transizione è stata processata verso la libreria “deep face”.

Funzionamento e processo di riconoscimento

Il processo di riconoscimento inizia con la codifica di un volto in un array di valori reali, ottenuti attraverso l’allineamento, l’applicazione di filtri e la successiva codifica. Un secondo script interagisce con una telecamera, catturando frame e identificando i volti. La distanza tra l’array del volto nel frame e quelli presenti nel dataset viene calcolata per determinare la corrispondenza. Un riconoscimento viene dichiarato “TRUE” sotto una certa distanza, garantendo almeno K=TRUE per un volto noto. Il progetto mira a superare le sfide attuali, tra cui il riconoscimento della tridimensionalità dei volti. L’implementazione di sensori di profondità è progettata per verificare la reale tridimensionalità del volto, mitigando la possibilità di truffe con l’uso di foto nel dataset.

Progetto 2: analisi predittiva di valori reali nel tempo

Un secondo pilastro del nostro impegno nell’IA è dedicato all’analisi predittiva di valori reali nel tempo. Questo implica il forecasting univariato e multivariato delle serie temporali.

Tipologie di forecasting

Il forecasting univariato coinvolge due variabili: il tempo e il campo da prevedere. Nel caso del forecasting multivariato, invece, vengono considerate più variabili, mantenendo il tempo e introducendo altri parametri. Questo è un progetto iniziale, ma che ha numerose applicazioni in svariati ambiti.