Publieke samenvattingen SBIR oproep Artificiële intelligentie voor de publieke diensten - Fase 2

Dit zijn de publieke samenvattingen van de 5 geselecteerde projecten.

Hydrocats (Fileradar) Het project 'Hydrocast' draait om het toepassen van kunstmatige intelligentie voor het verbeteren van voorspellingen van waterstanden van rivieren. Dit project is van Fileradar, een bedrijf dat zich tot nu toe heeft gericht op verkeersvoorspellingen en wil verbreden naar andere markten. Voor realisatie van Hydrocast werkt Fileradar samen met Deltares. Deltares is hét internationaal toonaangevende instituut op gebied van grond en water, is betrokken als kennispartner en zal net als Fileradar zelf investeren in Hydrocast. Dit in ruil voor kennis over AI en kansen op gezamenlijke commercialisatie binnen de internationale markt. Daarnaast zijn Rijkswaterstaat en CoVadem betrokken.

VOICI (ZiuZ) ZiuZ ontwikkelt een softwaretool voor het ontleden van videomateriaal en het classificeren van de inhoud daarvan met behulp van AI. De tool heeft als werktitel 'VOICI' en is specifiek bedoeld voor het gebruik door politierechercheurs en hotline analisten bij het bestrijden van online seksueel kindermisbruik. Eén van de betekenissen van het Franse woord voici is: zie hier! En dat is ook precies wat Ziuz nastreeft. Met deze tool kunnen grote hoeveelheden video's automatisch worden verwerkt, waarna het de gebruiker wijst op díe shots, waarin zich mogelijk illegaal en belastend materiaal bevindt. Dit kan kan bijdragen aan het oplossen van een misdaad. Tijdens het haalbaarheidsonderzoek in de 1e fase van dit project heeft ZiuZ een proof-of-concept ontwikkeld voor VOICI met een Technology Readiness Level (TRL) van 4. Het ontwikkeltraject, dat ZiuZ in de huidige fase uitvoert, zal resulteren in een VOICI-prototype met een TRL van 7: gedemonstreerd in een operationele omgeving. In de volgende fase zal dit prototype ingebouwd worden in de doelsystemen, zoals VizX2 en AviaTor voor gebruik binnen politieorganisaties en in ICCAM voor gebruik door hotlines. De traditionele manier om een video te analyseren gaat uit van een frame voor frame verwerking, waarbij op de keyframes de benodigde analyses plaatsvinden. De kern van de innovatie in dit project is, dat de tool eerst een video ontleedt in shots, voordat daarop analyses plaatsvinden. Een shot bestaat uit een continue reeks van frames die zijn opgenomen zonder de camera te stoppen. De tool kan deze shots vervolgens effectief en efficiënt matchen met een database van bestaande shots en verwerken met AI om de aard van de inhoud te bepalen.