ഇന്റലിജന്റ് വിഷന്- അധിഷ്ഠിത സുരക്ഷാസംവിധാനങ്ങളും തത്സമയ പെരുമാറ്റ വിശകലനങ്ങളും ആസ്പദമാക്കിയുള്ള ഡോക്ടറല് ഗവേഷണത്തിന്റെ ഫലമായാണ് ഇത് വികസിപ്പിച്ചത്.

കോട്ടയം: ഡ്രൈവർമാരിലെ ഉറക്കക്ഷീണം മുൻകൂട്ടി കണ്ടെത്തുന്നതുവഴി റോഡ് അപകടങ്ങൾ കുറയ്ക്കുന്നതിനുള്ള സംവിധാനം കൃത്രിമബുദ്ധിയുടെ (എഐ) സഹായത്തോടെ വികസിപ്പിച്ച മഹാത്മാഗാന്ധി സർവകലാശാലക്ക് പേറ്റന്റ്.
സ്കൂൾ ഓഫ് കംപ്യൂട്ടർ സയൻസസിലെ പ്രൊഫ. ഡോ. കെ.പി. പുഷ്പലത, ഗവേഷണ വിദ്യാർഥിനി ഡോ. വിനീത വിജയൻ എന്നിവർക്കാണ് 'എ ഡ്രൗസിനസ് ഡിറ്റക്ഷൻ സിസ്റ്റം' എന്ന പേരിലുള്ള കണ്ടുപിടിത്തത്തിന് (പേറ്റന്റ് നമ്പർ 576349) ഇന്ത്യാ സർക്കാരിന്റെ പേറ്റന്റ് ലഭിച്ചത്.
റോഡ് സുരക്ഷയിലെ ഏറ്റവും നിർണായക വെല്ലുവിളികളിലൊന്നായ ഡ്രൈവർ-ക്ഷീണം പരിഹരിക്കുകയാണ് സവിശേഷ മെട്രിക്- ലേണിങ് ആർക്കിടെക്ചർ അടിസ്ഥാനമാക്കി പ്രവർത്തിക്കുന്ന സംവിധാനത്തിന്റെ ലക്ഷ്യം.
ഇന്റലിജന്റ് വിഷൻ- അധിഷ്ഠിത സുരക്ഷാസംവിധാനങ്ങളും തത്സമയ പെരുമാറ്റ വിശകലനങ്ങളും ആസ്പദമാക്കിയുള്ള ഡോക്ടറൽ ഗവേഷണത്തിന്റെ ഫലമായാണ് ഇത് വികസിപ്പിച്ചത്.
മുഖഭാവങ്ങളിലെയും കണ്ണുകളുടെ ചലനങ്ങളിലെയും സൂക്ഷ്മ മാറ്റങ്ങൾ ഉൾപ്പെടെയുള്ള ദൃശ്യ സവിശേഷതകൾ വിശകലനം ചെയ്ത് ഡ്രൈവർമാരിലെ ഉറക്കക്ഷീണത്തിന്റെ പ്രാരംഭ ലക്ഷണങ്ങൾ കണ്ടെത്താൻ ഈ സംവിധാനം സഹായിക്കും.
മില്ലിസെക്കൻഡുകൾക്കുള്ളിൽ മുന്നറിയിപ്പ് നൽകുന്നതിലൂടെ ക്ഷീണവുമായി ബന്ധപ്പെട്ട അപകടങ്ങളുടെ സാധ്യത ഗണ്യമായി കുറയ്ക്കാൻ കഴിയുമെന്ന് ഗവേഷകർ വ്യക്തമാക്കി.
പുതുമയും സാമൂഹിക പ്രസക്തിയും കണക്കിലെടുത്ത് കേരള സ്റ്റാർട്ടപ്പ് മിഷന്റെ കീഴിൽ പ്രവർത്തിക്കുന്ന റിസർച്ച് ഇന്നൊവേഷൻ നെറ്റ്വർക്ക് കേരള (റിങ്ക്) നൽകുന്ന സീഡ് ഫണ്ടിങ്ങിന്റെ പിന്തുണയും ഗവേഷണത്തിന് ലഭിച്ചിരുന്നു.
Content Highlights: MG University develops AI system to detect driver drowsiness, preventing road accidents. Get patent for this life-saving innovation.
Published: 02 Jan 2026, 11:44 am IST
Related Topics
മാതൃഭൂമി.കോം വാട്സാപ്പിലും
വാര്ത്തകളോടു പ്രതികരിക്കുന്നവര് അശ്ലീലവും അസഭ്യവും നിയമവിരുദ്ധവും അപകീര്ത്തികരവും സ്പര്ധ വളര്ത്തുന്നതുമായ പരാമര്ശങ്ങള് ഒഴിവാക്കുക. വ്യക്തിപരമായ അധിക്ഷേപങ്ങള് പാടില്ല. ഇത്തരം അഭിപ്രായങ്ങള് സൈബര് നിയമപ്രകാരം ശിക്ഷാര്ഹമാണ്. വായനക്കാരുടെ അഭിപ്രായങ്ങള് വായനക്കാരുടേതു മാത്രമാണ്, മാതൃഭൂമിയുടേതല്ല. ദയവായി മലയാളത്തിലോ ഇംഗ്ലീഷിലോ മാത്രം അഭിപ്രായം എഴുതുക. മംഗ്ലീഷ് ഒഴിവാക്കുക..


Most Commented