أظهرت التقارير أن نحو 138 مليون طفل حول العالم يعانون من ظروف عمالة الأطفال. في ظل تلك المعاناة، غالبًا ما تكون أنظمة الرصد التقليدية غير قادرة على اكتشاف هذه الظاهرة بشكل كامل باستخدام الزيارات المنزلية والمقابلات الدورية. ومن هنا، تم تقديم نظام مبتكر يعتمد على تقنيات الذكاء الاصطناعي والرؤية الحاسوبية لتحسين فعالية جهود المراقبة.

هذا النظام، الذي يعمل كنموذج بحوث، يجمع بين تقنيات متنوعة تشمل الكشف عن الأشخاص والوجوه باستخدام نموذج YOLO26x، الذي يتم تشغيله ضمن إطار عمل CerberusDet. بالإضافة إلى ذلك، يتم استخدام نموذج MiVOLO v2 الذي يختص بتقدير أعمار الأطفال، حيث يعتمد على نماذج متخصصة للأطفال من عمر 0 إلى 12 عامًا.

وعبر تطبيق تقنية تتبع ByteTrack وإعادة التعرف باستخدام ArcFace وDINOv2، يمكن للنظام إنتاج سجلات موثوقة تتعلق كل شخص. وقد أثبتت التجارب الأولية أن هذا النظام يحسن الدقة، حيث ارتفعت نسبة المراقبة من 0.390 إلى 0.683 مقارنة بالنماذج السابقة.

وليس ذلك فحسب، بل نجح باحثو المشروع في إجراء تجارب ميدانية لمدة سبعة عشر يومًا في زيمبابوي، حيث تمت مراقبة 38.7 مليون إطار باستخدام ستة كاميرات، مما زاد من اكتشاف الأطفال الفريدين بنسبة 36 مرة مقارنة بالنموذج القديم.

تمت مواجهة تحديات مختلفة، بما في ذلك فشل التدريب والكمية، لكن تم التعامل مع هذه المشكلات بأمانة ودقة أثناء إعداد النظام. يتطلب مثل هذا النوع من الأنظمة ضمانات لحماية البيانات وضمان اشتراك البشر في اتخاذ القرارات. هذه التطورات تفتح آفاق جديدة لتقنيات الذكاء الاصطناعي في مجال مكافحة عمالة الأطفال وتحسين حياة الأطفال المهمشين.