Kecerdasan Buatan untuk Segala Hal (AIoT), yang menggabungkan keunggulan teknologi Kecerdasan Buatan dan Internet untuk Segala Hal, telah menjadi sangat populer dalam beberapa tahun terakhir. Berbeda dengan pengaturan IoT pada umumnya, di mana perangkat mengumpulkan dan mentransfer data untuk diproses di lokasi lain, perangkat AIoT memperoleh data secara lokal dan secara real-time, sehingga memungkinkan mereka untuk membuat keputusan yang cerdas. Teknologi ini telah banyak digunakan dalam manufaktur cerdas, keamanan rumah pintar, dan pemantauan perawatan kesehatan.
Dalam teknologi AIoT rumah pintar, pengenalan aktivitas manusia yang akurat sangatlah penting. Teknologi ini membantu perangkat pintar mengidentifikasi berbagai tugas, seperti memasak dan berolahraga. Berdasarkan informasi ini, sistem AIoT dapat mengubah pencahayaan atau mengganti musik secara otomatis, sehingga meningkatkan pengalaman pengguna sekaligus memastikan efisiensi energi. Dalam konteks ini, pengenalan gerakan berbasis WiFi cukup menjanjikan: perangkat WiFi ada di mana-mana, memastikan privasi, dan cenderung hemat biaya.
Dalam sebuah artikel penelitian baru, tim peneliti yang dipimpin oleh Profesor Gwanggil Jeon dari College of Information Technology di Incheon National University, Korea Selatan, telah menemukan kerangka kerja AIoT baru yang disebut multiple spectrogram fusion network (MSF-Net) untuk pengenalan aktivitas manusia berbasis WiFi. Temuan mereka dipublikasikan dalam IEEE Internet of Things Journal .
Prof. Jeon menjelaskan motivasi di balik penelitian mereka. “Sebagai aplikasi AIoT yang umum, pengenalan aktivitas manusia berbasis WiFi semakin populer di rumah pintar. Namun, pengenalan berbasis WiFi sering kali memiliki kinerja yang tidak stabil karena gangguan lingkungan. Tujuan kami adalah mengatasi masalah ini.”
Dalam pandangan ini, para peneliti mengembangkan kerangka kerja pembelajaran mendalam yang tangguh MSF-Net, yang mencapai pengenalan aktivitas kasar maupun halus melalui informasi status saluran (CSI). MSF-Net memiliki tiga komponen utama: struktur aliran ganda yang terdiri dari transformasi Fourier jangka pendek beserta transformasi wavelet diskret, transformator, dan cabang fusi berbasis perhatian. Sementara struktur aliran ganda menunjukkan informasi abnormal dalam CSI, transformator mengekstraksi fitur tingkat tinggi dari data secara efisien. Terakhir, cabang fusi meningkatkan fusi lintas model.
Para peneliti melakukan eksperimen untuk memvalidasi kinerja kerangka kerja mereka, dan menemukan bahwa kerangka kerja tersebut mencapai skor Kappa Cohen yang luar biasa, yaitu 91,82%, 69,76%, 85,91%, dan 75,66% pada kumpulan data SignFi, Widar3.0, UT-HAR, dan NTU-HAR. Nilai-nilai ini menyoroti kinerja MSF-Net yang unggul dibandingkan dengan teknik canggih untuk pengenalan aktivitas kasar dan halus berbasis data WiFi.
“Teknik fusi frekuensi multimoda telah meningkatkan akurasi dan efisiensi secara signifikan dibandingkan dengan teknologi yang ada, sehingga meningkatkan kemungkinan penerapan praktis. Penelitian ini dapat digunakan di berbagai bidang seperti rumah pintar, pengobatan rehabilitasi, dan perawatan untuk orang tua. Misalnya, dapat mencegah jatuh dengan menganalisis gerakan pengguna dan berkontribusi untuk meningkatkan kualitas hidup dengan membangun sistem pemantauan kesehatan tanpa tatap muka,” simpul Prof. Jeon.
Secara keseluruhan, pengenalan aktivitas menggunakan WiFi, teknologi konvergensi IoT dan AI yang diusulkan dalam karya ini, diharapkan dapat meningkatkan kehidupan masyarakat melalui kenyamanan dan keselamatan sehari-hari.
Sumber : https://techxplore.com/news/2025-02-scientists-smart-home-artificial-iot.html
