Teknologi WiFireNet Memanfaatkan Perubahan Sinyal Nirkabel untuk Mengenali Objek Tersembunyi

Peneliti dari Swedish Defence Research Agency (FOI) mengembangkan WiFireNet, sebuah sistem kecerdasan buatan yang memanfaatkan perubahan sinyal Wi-Fi untuk mendeteksi keberadaan pistol yang disembunyikan pada tubuh seseorang. Penelitian yang dipublikasikan pada 13 Oktober 2026 ini menggunakan Channel State Information (CSI) untuk menganalisis bagaimana gelombang radio berubah ketika melewati lingkungan dan berinteraksi dengan objek. Perkembangan TEKNOLOGI tersebut menawarkan pendekatan baru dalam penelitian sistem keamanan tanpa harus mengandalkan gambar kamera ketika proses deteksi berlangsung. Meskipun hasil eksperimennya menjanjikan, WiFireNet masih berupa prototipe penelitian yang membutuhkan pengujian lanjutan sebelum dapat digunakan secara luas.

Mengenal WiFireNet sebagai Teknologi Pendeteksi Objek Tersembunyi

WiFireNet merupakan prototipe pembelajaran mendalam untuk mendeteksi senjata genggam yang disembunyikan. Pengembangan sistem ini berasal dari peneliti lembaga pertahanan Swedia FOI. Penulis penelitian tersebut melibatkan tiga peneliti bernama Erik Persson, David Gustafsson, dan Tomas Wilkinson. Berdasarkan laporan penelitian yang diumumkan pada 13 Oktober 2026, mereka menguji pendekatan identifikasi objek berdasarkan perubahan gelombang radio. Berbeda dari kamera pengawas biasa, WiFireNet menganalisis informasi perjalanan gelombang radio. Pendekatan tersebut memberikan kemungkinan pengamatan tambahan ketika objek tidak terlihat.

Gagasan utama WiFireNet memanfaatkan perubahan sinyal ketika berinteraksi dengan benda. Saat manusia melintasi area pengukuran, sinyal yang diterima dapat memiliki amplitudo dan fase berbeda. Perubahan tersebut menjadi masukan bagi sistem pembelajaran mesin. Walaupun prinsip tersebut dapat dimanfaatkan, perubahan Wi-Fi tidak otomatis menunjukkan adanya senjata. Untuk mengolah informasi secara bermakna, sistem memanfaatkan kecerdasan buatan untuk melakukan klasifikasi. Eksperimen yang dilakukan menunjukkan potensi teknologi, bukan bukti kesiapan operasional.

Peran Perubahan Sinyal Wi-Fi dalam Mendeteksi Objek Tersembunyi

Dasar analisis pada sistem penelitian ini adalah Channel State Information atau CSI, yakni representasi karakteristik sinyal antara pemancar dan penerima. Pada komunikasi antara perangkat Wi-Fi, gelombang dapat melewati berbagai lintasan. Permukaan bangunan dan berbagai objek membuat kondisi kanal berbeda dari keadaan sebelumnya. Perubahan karakteristik kanal dapat diproses menggunakan algoritma. Melalui pengamatan pola, sistem mencari hubungan antara sinyal dan barang bawaan. Meski proses ini dapat menghasilkan prediksi, sinyal radio tidak otomatis menghasilkan foto benda.

Pada penelitian WiFireNet, tim mengumpulkan data radio dan gambar yang diselaraskan. Pengumpulan tersebut membantu menentukan label untuk proses pembelajaran. Setelah data diperoleh, sistem mencari representasi radio yang berkaitan dengan objek. Saat sistem menghasilkan prediksi setelah pelatihan, kamera tidak menjadi sumber data utama untuk prediksi. Perbedaan tersebut penting untuk memahami fungsi WiFireNet. Berdasarkan rancangan penelitian, sistem membuat prediksi dari karakteristik gelombang.

Peran Deep Learning dan Dataset WiFire dalam Pengembangan WiFireNet

Dalam membangun kemampuan pengenalan objek, pengembang memperkenalkan WiFire Dataset. Kumpulan data tersebut menggabungkan pengukuran CSI dengan rekaman gambar RGB. Manfaat penggabungan informasi tersebut adalah membangun contoh pelatihan dengan informasi target yang lebih jelas. Dalam penelitian tersebut, objek pembanding digunakan untuk membedakan berbagai pola. Sebagai bagian dari objek yang diuji, terdapat telepon, botol logam, replika pistol plastik, dan pistol logam. Dengan variasi tersebut, algoritma memperoleh data pembanding untuk pengenalan. Meski demikian, kemampuan generalisasi membutuhkan pengujian tambahan.

Dalam rancangan WiFireNet, tim menerapkan jaringan saraf yang dilatih dengan data. Metode penting dalam proses tersebut adalah pemanfaatan model penglihatan sebagai pembimbing. Melalui proses pembelajaran ini, informasi visual membantu membentuk representasi sinyal. Untuk sistem yang menggunakan beberapa jenis data, teknik ini dikenal sebagai pembelajaran melalui bimbingan model. Namun demikian, hasil deteksi bukan rekonstruksi visual pasti dari suatu objek. Oleh sebab itu, tingkat keyakinan sistem memerlukan interpretasi yang tepat.

Hasil Pengujian WiFireNet dan Tingkat Akurasi Deteksi Senjata

Evaluasi awal terhadap model penelitian mengindikasikan kemungkinan penggunaan Wi-Fi sebagai sensor tambahan. Berdasarkan hasil yang disampaikan peneliti, skor ketepatan rata-rata deteksi pistol tercatat 72,5 persen pada ambang lokalisasi yang lebih permisif. Pada ambang penilaian yang lebih ketat, skor AP pistol mencapai 53,8 persen. Nilai evaluasi tersebut menggambarkan hasil berdasarkan metode penilaian tertentu. Dengan demikian, 72,5 persen tidak berarti sistem selalu mengenali jumlah tersebut dari setiap seratus orang. Perbedaan tersebut menghindari kesimpulan yang melampaui bukti penelitian.

Dalam evaluasi seluruh kelas objek, peneliti menghitung metrik mAP. Ukuran gabungan tersebut menunjukkan hasil evaluasi di luar satu jenis target. Walaupun sejumlah hasil eksperimen terlihat menjanjikan, hasil penelitian masih membutuhkan pengulangan pada kondisi berbeda. Konfigurasi penelitian tertentu belum mencerminkan seluruh variasi lingkungan operasional. Untuk penerapan nyata, kemampuan bekerja pada data baru harus dibuktikan. Dengan evaluasi tambahan, kelayakan teknologi untuk mendukung keamanan dapat diperiksa.

Tantangan Penerapan Teknologi WiFireNet di Lingkungan Nyata

Penelitian mengenai deteksi menggunakan CSI membuka kemungkinan pendekatan keamanan tambahan. Kamera pengawas konvensional memiliki keterbatasan ketika objek tertutup. Di sisi lain, detektor logam dapat digunakan secara efektif pada pos pemeriksaan. Walaupun detektor logam sudah banyak digunakan, setiap orang biasanya perlu melalui area pemeriksaan tertentu. Untuk penelitian sistem keamanan masa depan, WiFireNet berpotensi membantu analisis keberadaan objek tanpa melihatnya secara langsung. Kendati prinsip kerjanya memberikan potensi, WiFireNet belum dapat menggantikan prosedur pemeriksaan yang telah divalidasi.

Tantangan berikutnya adalah variasi kondisi propagasi sinyal di lokasi berbeda. Ketika sistem digunakan di tempat ramai, pergerakan banyak orang dapat menambah variasi sinyal. Interferensi radio di sekitar sensor juga berpotensi memengaruhi kualitas data. Di samping kebutuhan peningkatan akurasi, aspek privasi dan tata kelola data perlu diperhatikan. Kendati deteksi menggunakan informasi gelombang radio, aktivitas pengamatan tetap memiliki implikasi privasi. Dengan pendekatan tersebut, penelitian dapat diarahkan pada manfaat yang lebih jelas.

Masa Depan Teknologi Penginderaan Nirkabel dalam Penelitian Keamanan

Inovasi penginderaan nirkabel dari FOI membuka peluang baru dalam pengembangan TEKNOLOGI pengenalan objek. Melalui analisis Channel State Information, AI berhasil menghasilkan prediksi terhadap objek yang tidak terlihat kamera secara langsung. Penggabungan data CSI dan rekaman visual ketika pelatihan memungkinkan penelitian dilakukan secara lebih terstruktur. Namun demikian, pengujian tambahan masih diperlukan sebelum penerapan luas. Evaluasi pada tahap selanjutnya sebaiknya menilai ketahanan sistem terhadap variasi kondisi. Melalui pengembangan berbasis bukti, WiFireNet berpotensi menjadi pelengkap teknologi keamanan. Bagaimana pendapat Anda, apakah penggunaan AI dalam penginderaan nirkabel dapat membantu sistem keamanan? Sampaikan pendapat Anda tentang masa depan sensor berbasis Wi-Fi.