DRL-Guided Neural Batch Sampling for Semi-Supervised Pixel-Level Anomaly Detection

उन कारखानों में जो सर्किट बोर्ड से लेकर खाद्य पैकेजिंग तक सब कुछ बनाते हैं, गुणवत्ता नियंत्रण (क्वालिटी कंट्रोल) एक निरंतर चलने वाला खेल है जिसमें उस एक चीज़ को ढूँढना होता है जो वहाँ नहीं होनी चाहिए। दशकों से, मशीनों को इन दोषों को पहचानने के लिए प्रशिक्षित किया गया है, लेकिन वे एक मौलिक समस्या का सामना करती हैं: उन्हें शायद ही कभी यह दिखाया जाता है कि एक टूटा हुआ उत्पाद कैसा दिखता है। दोष दुर्लभ होते हैं, उन्हें बनाना महंगा होता है, और वे अक्सर सूक्ष्म होते हैं, जैसे कि एक पॉलिश की हुई सतह पर बाल जैसी महीन खरोंच या कांच के घटक में एक छोटा सा चिप। इस कमी के कारण, इंजीनियरों ने पारंपरिक रूप रूप से कंप्यूटरों को केवल एक आदर्श वस्तु के आकार को सीखना सिखाया है। कंप्यूटर याद कर लेता है कि "सामान्य" क्या दिखता है, और जब वह कुछ ऐसा देखता है जो उसकी स्मृति से अलग होता है, तो वह उसे दोष के रूप में चिह्नित कर देता है। हालाँकि, इस दृष्टिकोण में एक अंध बिंदु (ब्लाइंड स्पॉट) है। यदि कोई कंप्यूटर बहुत अधिक पूर्णता के साथ यह सीख जाता है कि एक सामान्य वस्तु कैसी दिखती है, तो वह उन बहुत छोटी, शांत त्रुटियों से भ्रमित हो सकता है जो सबसे महत्वपूर्ण होती हैं, या वह उन्हें पूरी तरह से अनदेखा भी कर सकता है क्योंकि वे उन बड़े, स्पष्ट दोषों जैसे नहीं दिखते जिनकी अपेक्षा उसे प्रशिक्षित किया गया था।

तेहरान विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस पहेली को सुलझाने का एक नया तरीका प्रस्तावित किया है, जो केवल पूर्णता को याद रखने से कहीं आगे जाता है। केवल सामान्य के स्थिर स्मृति पर निर्भर रहने के बजाय, उन्होंने एक ऐसी प्रणाली बनाई है जो सक्रिय रूप से मुसीबत को खोजने के लिए सीखती है। उनकी विधि, जो एक हालिया अध्ययन में विस्तृत है, तीन अलग-अलग उपकरणों को एक एकल, आत्म-सुधार करने वाले लूप (self-improving loop) में जोड़ती है। पहला, एक डिजिटल "स्काउट" (scout) एक छवि के माध्यम से घूमता है, यह तय करता है कि कौन से छोटे हिस्से बारीकी से देखने के लायक हैं। दूसरा, एक पुनर्निर्माण इंजन (reconstruction engine) उन हिस्सों को स्मृति से फिर से बनाने की कोशिश करता है, और यह उजागर करता है कि स्मृति वास्तविकता से मेल खाने में कहाँ विफल रहती है। तीसरा, एक क्लासिफायर (classifier) उन विफलताओं को पढ़ना और दोष का एक सटीक मानचित्र बनाना सीखता है। इन तीनों भागों को एक-दूसरे से बात करने देकर, सिस्टम सूक्ष्म विसंगतियों को उस स्तर की सटीकता के साथ खोजने में सक्षम होता है जिसे पिछले तरीकों को हासिल करने में संघर्ष करना पड़ा था, और वह भी केवल कुछ ज्ञात दोषपूर्ण उदाहरणों का उपयोग करके प्रक्रिया को निर्देशित करता है।

इस नए ढांचे का मूल एक डिजिटल एजेंट है जो एक जिज्ञासु निरीक्षक की तरह कार्य करता है। पारंपरिक प्रणालियों में, एक कंप्यूटर एक साथ पूरी छवि को स्कैन कर सकता है या बिना किसी योजना के यादृच्छिक पैच देख सकता है। हालाँकि, यह नया एजेंट 'रीइन्फोर्समेंट लर्निंग' (reinforcement learning) नामक एक तकनीक का उपयोग करता है, जो अनिवार्य रूप से पुरस्कारों द्वारा संचालित एक परीक्षण-और-त्रुटि (trial-and-error) सीखने की प्रक्रिया है। कल्पना कीजिए कि एक व्यक्ति एक बड़े गोदाम में किसी विशिष्ट प्रकार के नुकसान को खोजने के लिए घूम रहा है; वे एक सीधी रेखा में नहीं चलते या हर एक बॉक्स को यादृच्छिक रूप से नहीं देखते। इसके बजाय, वे सुराग देखते हैं, तय करते हैं कि कौन सा क्षेत्र सबसे संदिग्ध लगता है, और फिर अपना ध्यान वहां केंद्रित करते हैं। यह डिजिटल एजेंट भी वही करता है। यह एक छवि को देखता है और तय करता है कि अब अगला कौन सा छोटा वर्ग देखना है, जो उसने अब तक सीखा है उसके आधार पर। यदि वह एक ऐसा स्थान चुनता है जो सिस्टम को एक अच्छे भाग और एक खराब भाग के बीच अंतर समझने में मदद करता है, तो उसे पुरस्कार मिलता है। यदि वह एक ऐसा स्थान चुनता है जो कोई नई जानकारी नहीं जोड़ता, तो वह भविष्य में उस क्षेत्र से बचने के बारे में सीखता है। यह सिस्टम को छवि के सबसे सूचनात्मक हिस्सों पर अपनी ऊर्जा केंद्रित करने की अनुमति देता है, बजाय उन क्षेत्रों पर समय बर्बाद करने के जो स्पष्ट रूप से पूर्ण हैं।

एक बार जब एजेंट एक पैच चुन लेता है, तो उसे एक पुनर्निर्माण इंजन को भेजा जाता है, जो एक प्रकार का न्यूरल नेटवर्क है जिसे छवियों को फिर से बनाने के लिए डिज़ाइन किया गया है। इस इंजन को व्यापक रूप से दोषरहित, पूर्ण नमूनों पर प्रशिक्षित किया गया है। जब इसे उत्पाद के एक अच्छे भाग का पैच प्राप्त होता है, तो यह इसे लगभग पूरी तरह से फिर से बना सकता है। लेकिन जब इसे किसी खरोंच या चिप वाला पैच प्राप्त होता है, तो यह संघर्ष करता है। क्योंकि इसने अपने प्रशिक्षण के दौरान उस विशिष्ट दोष को कभी नहीं देखा है, इसलिए यह इसे सटीक रूप से पुनर्गठित नहीं कर सकता। जो इंजन देखता है और जो वह फिर से बनाता है, उसके बीच का अंतर एक "लॉस प्रोफाइल" (loss profile) बनाता है, जो त्रुटियों का एक मानचित्र है जो वहां चमकता है जहाँ दोष छिपा होता है। यह मानचित्र सिस्टम की सफलता की कुंजी है। कच्ची छवि से सीधे दोष का अनुमान लगाने के बजाय, सिस्टम त्रुटियों के इस पुनर्निर्माण मानचित्र का विश्लेषण करता है, जो अक्सर सबसे सूक्ष्म दोषों को भी बहुत आसान बना देता है।

पहेली का अंतिम हिस्सा एक प्रेडिक्टर (predictor) है, जो एक विशेष नेटवर्क है जो इन त्रुटि मानचित्रों को लेता है और उन्हें एक स्पष्ट, बाइनरी निर्णय में बदल देता है: यह पिक्सेल अच्छा है, या यह पिक्सेल बुरा है। जो चीज़ शोधकर्ताओं के दृष्टिकोण को अद्वितीय बनाती है वह यह है कि ये तीन घटक—स्काउट, इंजन और प्रेडिक्टर—एक साथ कैसे सीखते हैं। समान प्रणालियों के कई पिछले प्रयासों में, भागों को अलग-अलग प्रशिक्षित किया गया था या वे कठोर नियमों पर निर्भर थे जो उनकी अनुकूलन क्षमता को सीमित करते थे। यहाँ, सिस्टम एक अर्ध-पर्यवेक्षित (semi-supervised) दृष्टिकोण का उपयोग करता है, जिसका अर्थ है कि यह सामान्य डेटा के एक बड़े पूल और लेबल किए गए दोषपूर्ण डेटा के एक बहुत छोटे सेट से सीखता है। शोधकर्ताओं ने पाया कि पिछले संस्करणों में उपयोग किए जाने वाले कुछ जटिल तंत्रों को हटाने और प्रेडिक्टर के सीखने के तरीके को सरल बनाने से, सिस्टम अधिक स्थिर हो गया और नए प्रकार के दोषों के प्रति बेहतर सामान्यीकरण करने लगा। एजेंट दो प्रतिस्पर्धी जरूरतों के बीच संतुलन बनाना सीखता है: अज्ञात समस्या वाले स्थानों को खोजने के लिए छवि के नए क्षेत्रों की खोज करना, और उन क्षेत्रों का लाभ उठाना जिन्हें वह पहले से ही संदिग्ध जानता है ताकि पहचान को और सटीक बनाया जा सके।

इस दृष्टिकोण के परिणामों का परीक्षण MVTec AD डेटासेट नामक औद्योगिक छवियों के एक व्यापक संग्रह पर किया गया था, जिसमें केबल और टूथब्रश से लेकर गोलियों और लकड़ी के बोर्डों तक विभिन्न वस्तुओं और बनावटों की उच्च-रिज़ॉल्यूशन वाली तस्वीरें शामिल हैं। शोधकर्ताओं ने अपनी विधि की तुलना कई अग्रणी तकनीकों के विरुद्ध की, जिनमें मानक डीप लर्निंग मॉडल और अन्य उन्नत पुनर्निर्माण-आधारित सिस्टम शामिल हैं। नया ढांचा लगातार इन प्रतिस्पर्धियों से बेहतर प्रदर्शन करता रहा। औसतन, इसने दोषों को सही ढंग से पहचानने और खोजने की क्षमता में एक महत्वपूर्ण अंतर से सुधार किया। सबसे चुनौतीपूर्ण मामलों में, जहाँ दोष अत्यंत सूक्ष्म थे, नए तरीके ने नाटकीय सुधार दिखाया, उच्च सटीकता स्कोर प्राप्त किया और उन खामियों का पता लगाया जिन्हें पिछले तरीके प्रभावी ढंग से स्थानीयकृत करने में संघर्ष कर रहे थे। उदाहरण के लिए, ट्रांजिस्टर और टूथब्रश से संबंधित परीक्षणों में, सिस्टम की सटीकता पिछले सर्वश्रेष्ठ परिणामों से काफी ऊपर उछल गई, जिससे सिद्ध हुआ कि अनुकूलित नमूनाकरण रणनीति (adaptive sampling strategy) ने प्रभावी ढंग से सही क्षेत्रों को लक्षित किया।

दोषों को खोजने के अलावा, यह सिस्टम ठीक से यह बताने में भी उत्कृष्ट रहा कि वे कहाँ हैं। औद्योगिक सेटिंग्स में, यह जानना पर्याप्त नहीं है कि उत्पाद दोषपूर्ण है; मशीन को ठीक से पता होना चाहिए कि सतह का कौन सा हिस्सा क्षतिग्रस्त है ताकि उसे सुधारा या हटाया जा सके। शोधकर्ताओं ने प्रदर्शित किया कि उनकी विधि ने क्षति के स्वच्छ, अधिक सटीक मानचित्र तैयार किए। दृश्य परिणाम खरोंचों के चारों ओर तीखी सीमाएं और लकड़ी के दाने या धातु के ग्रिड जैसी जटिल बनावट में भी गायब हिस्सों की स्पष्ट परिभाषा दिखाते हैं। यह सटीकता महत्वपूर्ण है क्योंकि यह गलत अलार्म (false alarms) की संख्या को कम करती है, जहाँ एक पूर्ण वस्तु को गलती से खारिज कर दिया जाता है, और यह सुनिश्चित करती है कि वास्तविक दोषों को अनदेखा न किया जाए। सिस्टम ने प्रदर्शन का यह उच्च स्तर बिना लेबल किए गए दोषपूर्ण डेटा की विशाल मात्रा की आवश्यकता के बिना प्राप्त किया, जो अक्सर औद्योगिक स्वचालन में सबसे बड़ी बाधा होती है।

अध्ययन ने यह भी रेखांकित किया कि सिस्टम को कैसे प्रशिक्षित किया गया था, यह कितना महत्वपूर्ण है। शोधकर्ताओं ने पाया कि यदि सिस्टम के विभिन्न भागों को एक-दूसरे से सही क्रम में नहीं मिलवाया गया, तो पूरी प्रक्रिया अस्थिर हो सकती है। उन्होंने एक विशिष्ट प्रशिक्षण अनुसूची विकसित की जहाँ पुनर्निर्माण इंजन पहले सीखता है, उसके बाद प्रेडिक्टर, और अंत में वह एजेंट जो पैच का चयन करता है। इस चरण-दर-चरण दृष्टिकोण ने प्रत्येक घटक को दूसरों की अतिरिक्त जटिलता को संभालने से पहले स्थिर होने की अनुमति दी। प्रशिक्षण के अंत तक, सिस्टम ने छवियों को स्कैन करने की एक परिष्कृत रणनीति सीख ली थी, जो सब कुछ स्कैन करने या यादृच्छिक अनुमानों पर भरोसा करने की तुलना में बहुत अधिक कुशल और प्रभावी थी। शोधकर्ताओं ने नोट किया कि हालांकि इस सिस्टम को सेटअप करना एक साधारण स्कैनर की तुलना में अधिक जटिल है, लेकिन इसका प्रतिफल (trade-off) एक बहुत अधिक मजबूत और विश्वसनीय डिटेक्टर है जो वास्तविक कारखानों में पाए जाने वाले सूक्ष्म, वास्तविक दुनिया के बदलावों को संभाल सकता है।

यह कार्य इस बात में एक बदलाव का प्रतिनिधित्व करता है कि मशीनें देखना कैसे सीखती हैं। एक कंप्यूटर को यह याद करने के लिए मजबूर करने के बजाय कि कोई उत्पाद हर संभव तरीके से कैसे टूट सकता है, शोधकर्ताओं ने उसे जिज्ञासु होना सिखाया। सिस्टम को यह चुनने की क्षमता देकर कि उसे क्या देखना है और अपनी गलतियों से कैसे सीखना है, उन्होंने एक ऐसा उपकरण बनाया जो शक्तिशाली और अनुकूलन योग्य दोनों है। निष्कर्ष बताते हैं कि गुणवत्ता नियंत्रण का भविष्य केवल टूटे हुए भागों के बड़े डेटाबेस में नहीं है, बल्कि स्मार्ट एल्गोरिदम में है जो जानते हैं कि सही जगहों पर देखना सीखकर घास के ढेर में सुई को कैसे ढूँढा जाए। विविध औद्योगिक छवियों के एक सेट पर इस पद्धति की सफलता इंगित करती है कि यह उन निर्माताओं के लिए एक मूल्यवान उपकरण हो सकता है जो हजारों दोषपूर्ण नमूनों को एकत्र करने की अत्यधिक लागत के बिना अपनी निरीक्षण प्रक्रियाओं में सुधार करना चाहते हैं।