Finalista: Plataforma Sparrow

A Sparrow é uma plataforma open-source baseada em inteligência artificial que funciona como um facilitador completo para o bem-estar médico e psicológico durante e depois de desastres. Para os usuários, a Sparrow usa inteligência artificial conversacional e pode ser acessada facilmente por meio de um aplicativo de bate-papo. Ela funciona como ponto único de conexão do usuário com todos os aplicativos, plataformas de comunicação, médicos e muito mais, durante e depois de um desastre.

Veja os principais serviços que a Sparrow usou na solução:

Cloud Foundry → Cloud Functions →

malnou

Um dos efeitos prolongados das secas é a desnutrição, principalmente em crianças. O Projeto malnou é um dispositivo de IoT de baixo custo capaz de habilitar o rastreamento digital eficiente de IMC, porcentagem de proteína, porcentagem de gordura corporal e outros dados de saúde em crianças afetadas pela seca. Um sistema de comunicação baseado em SMS também foi configurado usando o Watson NLU. Com ele, os pais podem registrar e monitorar o status da recuperação de seus filhos.

Veja os principais serviços que o Projeto malnou usou na solução:

Watson Natural Language Understanding → Watson IoT Platform → Cloudant →

Vencedor regional: Purva-Suchak

O objetivo do Projeto Purva-Suchak é evitar as inundações generalizadas que assolam o subcontinente indiano. Verificando continuamente os reservatórios, represas e corpos d’água, o Projeto Purva-Suchak consegue combinar os dados com informações de previsão do tempo. Assim, é possível gerar dados eficazes para a prevenção de inundações que possam ser armazenados em blockchain e acessados por aqueles que mais precisam deles, como agências de governo e equipes de gerenciamento de desastres. Dados atualizados e acessíveis são capazes de evitar inundações e perdas enormes de vidas e bens materiais.

Assista ao vídeo

Veja os principais serviços que o Purva-Suchak usou na solução:

Watson IoT Platform → Blockchain → Twilio →

Rx Pharmacist

O Projeto Rx Pharmacist usa um aplicativo para smartphone para rastrear e catalogar medicamentos doados, permitindo que o medicamento certo seja facilmente encontrado por voluntários de serviços médicos e de resgate. Usando o IBM Cognos, o aplicativo emprega o reconhecimento visual para identificar o medicamento, além de um dispositivo de IoT para classificá-lo. O aplicativo garante que a pessoa certa receba o medicamento certo em tempo hábil.

Assista ao vídeo

Veja os principais serviços que o Rx Pharmacist usou na solução:

Watson Machine Learning → Visual Recognition →

Advancers.ai

O Advancers.ai deseja enfrentar o crescente problema da malária em países em desenvolvimento. Ele é um sistema de diagnóstico automatizado, rápido e confiável que usa reconhecimento de imagem e um microscópio acoplado, o qual fornece contagens de células sanguíneas infectadas com 96% de precisão. Essa solução garante detecção e tratamento precoces para as pessoas afetadas.

Assista ao vídeo

Veja os principais serviços que o Advancers.ai usou na solução:

Watson Machine Learning → Visual Recognition →

Vencedor global: Prometeo

Não existem políticas e estratégias individualizadas para proteger os bombeiros do efeito cumulativo da fumaça e das substâncias tóxicas inaladas. A Prometeo é uma plataforma cognitiva em que sensores nos uniformes dos bombeiros coletam dados e os enviam a um banco de dados Cloudant para que profissionais monitorem a saúde deles em tempo real.

Assista ao vídeo

Veja os principais serviços que a Prometeo usou na solução:

Kubernetes Cluster → Node-RED → Watson Machine Learning →

Voluntree

O Voluntree é um aplicativo para dispositivos móveis em diferentes plataformas que facilita a comunicação e a colaboração de pessoa para pessoa em caso de desastres naturais. De maneira eficiente e confiável, notificações push alertam e conectam as pessoas afetadas por catástrofes com voluntários capazes de ajudar.

Assista ao vídeo

Veja os principais serviços que o Projeto malnou usou na solução:

Push Notifications →

R-IO Suite

A plataforma R-IO Suite se propõe a apoiar abordagens de gerenciamento de crises, melhorando as fases de preparação e resposta. Dados de áreas e pessoas potencialmente afetadas são coletados por sensores e interpretados para criar um modelo em um sistema de informações geográficas, para que possam ser facilmente visualizados.

Veja os principais serviços que o R-IO Suite usou na solução:

Cloud Foundry →

Deep Learning: SEER

O Projeto Deep Learning: SEER desenvolveu um sistema de monitoramento e previsão de incêndios florestais em tempo real com base em observações de satélite, usando modelos de Deep Learning. Os modelos fornecem as coordenadas distintas dos incêndios, estimando a frequência do incêndio nas imediações para que os usuários vejam informações sobre sua região.

Veja os principais serviços que o SEER usou na solução:

Machine Learning → Weather Company Data →

Finalista: AsTeR

Quando ocorre um desastre, as centrais de atendimento de emergência ficam sobrecarregadas e não possuem recursos para lidar com o aumento brusco nas ligações. O Projeto AsTer prioriza as ligações por nível de emergência. Os autores das ligações deixam uma breve explicação falada que é convertida em texto e analisada em tempo real. O AsTer também oferece um mapa visual para a rápida identificação das áreas e da quantidade de pessoas afetadas.

Assista ao vídeo

Veja os principais serviços que o SEER usou na solução:

Cloud Foundry Python apps → Natural Language Understanding → Speech to Text →

Vencedor regional: Code Nova

As redes celulares costumam ficar inoperantes em caso de desastres naturais, dificultando a realização de transações que utilizam soluções de pagamento móvel. O Code Nova possibilita transações móveis de pessoa para pessoa, permitindo comprar o que for preciso localmente, usando um smartphone. Depois que o serviço de celular for reconectado, as transações serão confirmadas pelo banco e aprovadas.

Assista ao vídeo

Veja os principais serviços que o Code Nova usou na solução:

Kubernetes Cluster → Node-RED → Watson Machine Learning →

postdisaster-handler

O postdisaster-handler é um sistema que mostra os caminhos mais seguros, rápidos e úteis às equipes de resgate. Usando imagens de satélite, vídeos feitos por drones e reconhecimento visual, mapas conduzem as equipes de resgate aonde elas precisam ir, da maneira mais segura e eficiente possível. São feitos ajustes em tempo real conforme surgem novos obstáculos, ajudando a desviar de objetos pontiagudos, fios expostos e outros possíveis perigos.

Assista ao vídeo

Veja os principais serviços que o postdisaster-handler usou na solução:

Visual Recognition → Machine Learning →

QRP-Eden

Muitos idosos moram sozinhos, sem alguém que cuide deles. Isso pode ser extremamente perigoso para eles em caso de emergência. O QRP-Eden desenvolveu um dispositivo wearable de IoT para idosos. Com ele, dados de saúde, incluindo frequência cardíaca e pressão sanguínea, são monitorados regularmente. Os dados seriam armazenados no blockchain e, em caso de anomalia ou emergência, seriam enviados para ajudá-los.

Assista ao vídeo

Veja os principais serviços que o QRP-Eden usou na solução:

IBM Kubernetes → IBM Database for Redis → IBM Compose for MySQL →

Spark Program

O Spark Program utiliza um banco e o Watson Studio para criar perfis para vítimas de um desastre natural, os quais seriam ajustados automaticamente para criar uma cota de empréstimo razoável. Quando realmente ocorrer um desastre, as pessoas poderão solicitar esse empréstimo com juros baixos ou inexistentes para reconstruir suas vidas. O Spark Program também permite que o banco faça doações e dobre doações.

Assista ao vídeo

Veja os principais serviços que o Spark usou na solução:

IBM Node.js SDK → Watson Studio →

Global Aid Match System

O Global Aid Match System é um aplicativo para governos, organizações e civis solicitarem assistência após um desastre natural. O programa une a pessoa ou entidade ao melhor indivíduo ou grupo para ajudá-la. O uso do blockchain possibilita a transparência das informações e permite que todos os participantes saibam quais áreas precisam de mais assistência e em quais áreas a assistência deixou de ser necessária.

Assista ao vídeo

Veja os principais serviços que o Global Aid Match usou na solução:

Blockchain → IBM Cloud →

Prevent the Outbreak of Infection

Usando o Watson Visual Recognition, o Projeto Prevent the Outbreak of Infection tem um banco de dados com imagens de bactérias para ajudar os funcionários dos abrigos que recebem as vítimas. As imagens ajudam os profissionais a identificar bactérias infecciosas antes que comece um surto. Todos os dados seriam públicos para que especialistas pudessem comentar e validar os diagnósticos.

Veja os principais serviços que o Prevent the Outbreak of Infection usou na solução:

Visual Recognition → IBM Cloud Object Storage → IBM Cloud IaaS Virtual Server →

Vencedor regional: KOUDOU Flow

Pensando nas universidades, o Projeto KOUDOU Flow estabelece redes de planejamento com base em fluxo para maximizar a segurança. O sistema ajuda a criar e dar andamento aos planos de desastre. Assim, quando ocorrer um desastre, todos nas imediações saberão qual é o próximo passo. Dispositivos de IoT também são usados para avaliar a integridade das construções e determinar quem está bem e quem precisa de ajuda, para que ninguém seja deixado para trás.

Veja os principais serviços que o KOUDOU usou na solução:

Node-RED Starter → Watson IoT Platform → Watson Text to Speech →

Blooming – Everybody Smiles More

Quando ocorrem desastres, muitas pessoas se voluntariam para ajudar os necessitados. No entanto, antes de poderem ajudar, os voluntários passam muito tempo no aprendizado e na distribuição. Esses processos podem ser feitos online e com antecedência. O principal objetivo do Projeto Blooming é estabelecer a maneira mais eficiente de digitalizar o processo inteiro e armazenar os dados usando um banco de dados Cloudant. Assim, os voluntários podem maximizar os esforços para ajudar de fato as pessoas; já os necessitados receberão ajuda o quanto antes.

Assista ao vídeo

Veja os principais serviços que o Blooming usou na solução:

Node-RED → Watson Personal Insights → Watson Natural Language Classifier →

Vencedor regional: CALMH (Collaboration Assessment and Learning for Mental Health)

O Projeto CALMH é uma plataforma em que os usuários acessam ferramentas educacionais para evitar deficiências de saúde mental e obter orientação após um desastre. Desenvolvida com o IBM Cloud Cognos Dashboard, a plataforma também conecta uma comunidade de voluntários com treinamento psiquiátrico no mundo todo para ajudar as pessoas afetadas.

Veja os principais serviços que o CALMH usou na solução:

Liberty → Node.js → API Connect →

DopplerDrone

O DopplerDrone envia um drone preliminar às áreas afetadas para mapear o terreno e obter informações sobre quais suprimentos médicos ou de outra natureza são necessários mais rápido, com ajuda da IoT Platform. Um segundo drone entra nas zonas levando caixas cheias dos suprimentos mais necessários. Esse sistema reduz significativamente o tempo de resposta para as pessoas que precisam de ajuda rapidamente.

Veja os principais serviços que o DopplerDrone usou na solução:

Cloud Foundry → Cloudant DB → Watson Studio →

Project Rex

Usando tecnologia de blockchain, o Project Rex está tentando levar transparência a organizações beneficentes, registrando todos os movimentos relacionados a doações. O blockchain remove o risco de entradas duplicadas ou fraude e fornece transparência quanto ao destino das doações. Esse sistema cria um registro que mostra o que é necessário e onde. Assim, as comunidades poderão receber os recursos de que precisam de forma eficiente e com clareza.

Veja os principais serviços que o Project Rex usou na solução:

Blockchain →

Antenna S.O.S. Emergency System

Quando ocorre um desastre, a energia e as comunicações são as primeiras a se tornar inoperantes. O Antenna S.O.S. se propõe a corrigir esse problema com uma rede localizada que possui funções de gravação de dados e bate-papo. Dessa maneira, as comunidades afetadas por desastres naturais ainda podem se ajudar enquanto aguardam a assistência externa. Todos os dados são enviados à IBM Cloud para uso público.

Assista ao vídeo

Veja os principais serviços que o Antenna S.O.S. usou na solução:

IBM Cloud → Cloudant →

Mi Rio

As inundações estão, sem dúvida, entre os desastres naturais mais mortais e que mais causam prejuízos econômicos. O Projeto Mi Rio usa dados do The Weather Channel, modelos matemáticos e conteúdo acessível. Combinando dados que já estão disponíveis com dados novos, as comunidades conseguem ver o nível de risco em sua área. Mapas interativos em smartphones informam quando as condições estão piorando e há probabilidade de inundação.

Assista ao vídeo

Veja os principais serviços que o Mi Rio usou na solução:

Watson Assistant → Speech to Text → Weather Channel →

Alpha

Depois de um desastre natural, há uma grande necessidade de doadores de sangue. Com o Alpha, doadores e receptores rastreiam doações específicas, desde o início até o fim. O Alpha também fornece detalhes das informações disponíveis sobre o sangue do doador e envia um SMS agradecendo o doador quando o sangue é usado.

Assista ao vídeo

Veja os principais serviços que o Alpha usou na solução:

Blockchain → PHP Cloud Foundry → Cloudant →

DR Box

Usando uma rede de drones interconectados, o DR Box faz imagens e vídeos de locais após desastres. Esses dados são usados para decidir quais locais precisam de assistência ou suprimentos médicos. O DR Box utiliza uma frota totalmente automatizada de drones de abastecimento, em vez de drones controlados manualmente.

Assista ao vídeo

Veja os principais serviços que o DR Box usou na solução:

Java Microservice with Spring → Push Notifications → Weather Company Data →

Cantalopa

O objetivo do Projeto Cantalopa é conservar e otimizar o uso de água em períodos de seca. Para isso, desenvolve um sistema de pontos em um website e um aplicativo para dispositivos móveis. Os medidores de água são vinculados ao perfil dos residentes, que recebem pontos caso mantenham o consumo de água abaixo de determinado nível. Eles podem trocar os pontos por recompensas pelos hábitos positivos, tais como cupons e descontos.

Assista ao vídeo

Veja os principais serviços que o Cantalopa usou na solução:

MongoDB → IBM Node.js SDK →

Vencedor regional:Smart Irrigation System

Um dos principais fatores por trás das secas é o uso inadequado de água pela grande comunidade agrícola. O Smart Irrigation System coloca um dispositivo de IoT no campo de cada agricultor para detectar os níveis de umidade no solo. O dispositivo informa exatamente de quanta água as plantações precisam e quando. Ele também contém modelos de aprendizado de máquina para detectar novos tipos de plantações e plantas que estão murchando.

Assista ao vídeo

Veja os principais serviços que o Smart Irrigation System usou na solução:

Watson Studio → IBM Cloud →

FREE Sensor

O FREE Sensor foi desenvolvido para monitorar a exposição a CO em equipes de resgate. Os dados coletados de sensores usados pela equipe de resgate são enviados a um painel, onde equipes de apoio podem tomar decisões mais seguras de alocação com base na exposição de cada membro ao CO.

Veja os principais serviços que o FREE Sensor usou na solução:

Watson Studio → Cloudant → Cognos Dashboard →

Finalista: Healios

O Healios oferece cuidados de saúde mental acessíveis e de alta qualidade a vítimas de desastres naturais. Para isso, simplifica o processo de conexão entre profissionais e os sobreviventes que possam estar apresentando sintomas negativos de saúde mental. Utilizando a plataforma IBM Watson, o Healios consegue oferecer cuidados de saúde mental de alta qualidade em grande escala por meio de um aplicativo para dispositivos móveis (compatível com iOS e Android). Ele funciona como chatbot, para facilitar o uso.

Veja os principais serviços que o Healios usou na solução:

Assista ao vídeo

Watson Assistant → Natural Language Understanding → Watson Speech to Text →

SAFER

O SAFER utiliza um conjunto de ferramentas de hardware e software eficientes para aprimorar sistemas de alerta precoce, melhorar o reconhecimento situacional e simplificar os esforços de resposta para levar ajuda a quem mais precisa. Incorporando drones, o Projeto SAFER mostra a localização exata de estradas bloqueadas, infraestruturas danificadas e pessoas desaparecidas em tempo quase real, por meio de um mapa dinâmico, com a ajuda de reconhecimento visual e serviços IBM IoT.

Veja os principais serviços que o SAFER usou na solução:

Redis → Node-RED → Machine learning →

Finalista: Rove

O Projeto Rove é um chatbot por meio de SMS. Nele, vítimas podem fornecer informações sobre seu status, saúde e muito mais. O chatbot analisa cada status com o Natural Language Understanding e gera pontuações de prioridade para as vítimas. As pontuações são visualizadas em um painel, ajudando os socorristas a perceber quais áreas precisam de mais ajuda. O Rove também ajuda a equipe de resgate, pois identifica construções ou estradas que sofreram danos graves e oferecem risco.

Veja os principais serviços que o ROVE usou na solução:

Cloud Foundry → Watson Studio → Natural Language Understanding →

Zephyrus

Antes que ocorram desastres naturais, os sensores do Projeto Zephyrus medem o tamanho de cada gota de chuva/granizo para medir o acúmulo que pode indicar erosão do solo. Caso uma chuva de granizo de grande porte seja detectada, o Zephyrus alerta os usuários na direção do vento para que cubram veículos e objetos de valor. O sensor é sensível o suficiente para detectar vibrações de trovões e até mesmo de tiros. Pode ser usado para rastrear tais ocorrências, ajudando as equipes de resgate.

Veja os principais serviços que o Zephyrus usou na solução:

Cloudant → Watson IoT Platform → Node-RED →