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 pendekatan penelitian yang menggunakan gelombang radio untuk mengidentifikasi objek berbahaya tertentu. Riset mengenai kemampuan tersebut dikembangkan dalam lingkungan penelitian Swedish Defence Research Agency. Tim penelitinya terdiri atas Erik Persson, David Gustafsson, dan Tomas Wilkinson. Melalui penelitian yang dipublikasikan pada Oktober 2026, mereka menguji pendekatan identifikasi objek berdasarkan perubahan gelombang radio. Tidak seperti deteksi yang bergantung pada citra visual, WiFireNet memanfaatkan karakteristik propagasi sinyal. Strategi pemrosesan tersebut memberikan kemungkinan pengamatan tambahan ketika objek tidak terlihat.

Prinsip yang digunakan para peneliti mengandalkan karakteristik gelombang yang merambat melalui ruang. Ketika seseorang bergerak, gelombang Wi-Fi dapat mengalami pantulan dan pelemahan. Informasi yang tercatat oleh penerima menyediakan petunjuk tentang interaksi antara gelombang dan lingkungan. Namun demikian, setiap gangguan sinyal tidak dapat langsung dianggap sebagai ancaman. Oleh sebab itu, peneliti menggunakan model pembelajaran mendalam. Temuan awal tersebut menunjukkan potensi teknologi, bukan bukti kesiapan operasional.

Peran Perubahan Sinyal Wi-Fi dalam Mendeteksi Objek Tersembunyi

Data yang digunakan dalam proses deteksi adalah Channel State Information atau CSI, yakni data yang menggambarkan pengaruh lingkungan terhadap gelombang Wi-Fi. Pada komunikasi antara perangkat Wi-Fi, sinyal tidak selalu menempuh satu jalur langsung. Tubuh manusia serta benda di dalam ruangan membuat kondisi kanal berbeda dari keadaan sebelumnya. Perubahan karakteristik kanal dapat diproses menggunakan algoritma. Melalui pengamatan pola, AI mempelajari ciri yang berkaitan dengan target deteksi. Namun demikian, informasi kanal berbeda dari citra visual kamera biasa.

Pada penelitian WiFireNet, pengembang mencatat informasi CSI bersamaan dengan video RGB. Pendekatan pengambilan sampel tersebut membantu menentukan label untuk proses pembelajaran. Selanjutnya, jaringan saraf dilatih mengenali pola sinyal tertentu. 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.

Penggunaan Data Wi-Fi dan Gambar untuk Melatih Model Deteksi

Untuk melatih WiFireNet, pengembang memperkenalkan WiFire Dataset. Sumber informasi pelatihan tersebut memuat sinyal Wi-Fi yang diselaraskan dengan informasi visual. Fungsi utama kumpulan data ini adalah membangun contoh pelatihan dengan informasi target yang lebih jelas. Pada proses pengumpulan sampel, objek pembanding digunakan untuk membedakan berbagai pola. Sebagai bagian dari objek yang diuji, digunakan ponsel bersama botol berbahan logam serta objek menyerupai pistol. Melalui penggunaan beberapa kelompok objek, algoritma memperoleh data pembanding untuk pengenalan. Walaupun dataset menyediakan contoh pembelajaran, kemampuan generalisasi membutuhkan pengujian tambahan.

Dalam rancangan WiFireNet, tim menerapkan algoritma deep learning. Bagian dari strategi pembelajaran ini adalah pemanfaatan model penglihatan sebagai pembimbing. Dengan metode tersebut, informasi visual membantu membentuk representasi sinyal. Dalam literatur pembelajaran mesin, pendekatan tersebut berkaitan dengan knowledge distillation. Meski pengawasan visual berperan pada tahap pengembangan, model tidak berarti menghasilkan foto benda tersembunyi. Karena itu, informasi dari AI harus dibedakan dari identifikasi fisik yang telah diverifikasi.

Hasil Pengujian WiFireNet dan Tingkat Akurasi Deteksi Senjata

Hasil eksperimen WiFireNet menunjukkan bahwa pola radio dapat memberikan informasi tentang target. Menurut evaluasi yang tersedia, pengukuran AP pistol menunjukkan nilai 72,5 persen dalam kondisi evaluasi tertentu. Ketika persyaratan kecocokan lokasi ditingkatkan, skor AP pistol mencapai 53,8 persen. Nilai evaluasi tersebut merupakan metrik deteksi objek. Dengan demikian, angka AP tidak boleh disamakan dengan tingkat keberhasilan pemeriksaan keamanan langsung. Pemahaman terhadap ukuran evaluasi penting agar kemampuan sistem tidak dibesar-besarkan.

Dalam evaluasi seluruh kelas objek, hasil keseluruhan diperiksa menggunakan ukuran mean average precision. Skor keseluruhan ini memberikan gambaran performa deteksi pada beberapa kelas. Namun, pengujian tersebut belum membuktikan kesiapan penggunaan di area publik. Lingkungan pengujian yang terkendali mungkin berbeda dari situasi keramaian sebenarnya. Di samping perbedaan kondisi ruangan, tingkat alarm palsu dan kemungkinan objek terlewat perlu diuji lebih lanjut. Berkat validasi independen yang menyeluruh, potensi penggunaan praktis bisa dinilai secara objektif.

Peluang Pemanfaatan Sinyal Nirkabel dalam Sistem Keamanan Publik

Kemajuan sistem pengenalan objek berbasis Wi-Fi memberikan peluang penelitian bagi sistem pemantauan. Perangkat keamanan yang menggunakan kamera dapat kehilangan informasi ketika target terhalang. Di sisi lain, alat pendeteksi logam memiliki fungsi dalam prosedur penyaringan. Namun demikian, pengaturan jalur pemeriksaan dapat membatasi arus orang. Sebagai kemungkinan pelengkap, WiFireNet menawarkan metode pengamatan yang berbeda dari kamera. Meski begitu, prototipe ini belum menjadi pengganti pemeriksaan fisik profesional.

Persoalan penting sebelum penerapan luas adalah perubahan karakteristik lingkungan nirkabel. Ketika sistem digunakan di tempat ramai, posisi perangkat komunikasi dapat mengubah pengukuran. Gangguan dari perangkat lain perlu diperhitungkan dalam pengujian. Selain masalah teknis, pengawasan terhadap pengumpulan informasi menjadi penting. Meski proses prediksi dapat dilakukan melalui CSI, penggunaan teknologi pemantauan perlu memperhatikan hak individu. Berkat pengembangan yang mempertimbangkan keselamatan serta privasi, penggunaan teknologi berpeluang berkembang secara lebih bertanggung jawab.

Kesimpulan: WiFireNet Membuka Peluang Baru Deteksi Objek Menggunakan Wi-Fi

Inovasi penginderaan nirkabel dari FOI memberikan gambaran kemajuan dalam pengembangan TEKNOLOGI pengenalan objek. Dengan mempelajari perubahan sinyal, AI berhasil menghasilkan prediksi terhadap objek yang tidak terlihat kamera secara langsung. Pendekatan pembelajaran yang dibimbing informasi kamera memungkinkan penelitian dilakukan secara lebih terstruktur. Namun demikian, prototipe belum dapat dianggap sebagai solusi keamanan siap pakai. Evaluasi pada tahap selanjutnya perlu memperhatikan generalisasi, kesalahan deteksi, dan privasi. Melalui pengembangan berbasis bukti, pendekatan CSI dapat memperluas pilihan penginderaan. Dari sudut pandang Anda, apakah teknologi seperti WiFireNet berpotensi memberikan manfaat dalam pemantauan lingkungan? Sampaikan pendapat Anda tentang masa depan sensor berbasis Wi-Fi.