RobustDefect-LLM: Explainable and Robustness-Aware Industrial Surface Defect Classification with Decision Support and AI-Assisted Reporting
यह शोध पत्र RobustDefect-LLM को प्रस्तुत करता है, जो एक एकीकृत औद्योगिक सतह दोष निरीक्षण ढांचा है जो एक मजबूत, व्याख्यात्मक और पता लगाने योग्य गुणवत्ता-नियंत्रण वर्कफ़्लो प्रदान करने के लिए उच्च-सटीक MobileNetV3-Large वर्गीकरण को आत्मविश्वास-आधारित मानव समीक्षा रूटिंग और AI-सहायता प्राप्त रिपोर्टिंग के साथ जोड़ता है, जबकि गंभीर छवि क्षरण के प्रति इसकी प्रदर्शन संवेदनशीलता को स्पष्ट रूप से स्वीकार करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक ऐसी दुनिया की कल्पना करें जहाँ कारखाने विशाल, व्यस्त रसोईघरों की तरह हैं, और शेफ (रोबोट) एकदम सही भोजन बनाने की कोशिश कर रहे हैं। लेकिन कभी-कभी, खाना थोड़ा जल जाता है, या प्लेट पर एक धब्बा दिखाई देता है। वास्तविक दुनिया के विनिर्माण (मैन्युफैक्चरिंग) में, इन "धब्बों" को सतह के दोष (surface defects) कहा जाता है, और वे किसी उत्पाद की विश्वसनीयता को खराब कर सकते हैं। लंबे समय तक, इंसानों को हर एक वस्तु को देखते हुए, उन सूक्ष्म खामियों को खोजने के लिए अपनी आँखें सिकोड़कर घूरना पड़ता था। यह थका देने वाला था, और इंसान थक जाते हैं, जिसका अर्थ है कि गलतियाँ होती हैं। यहाँ आर्टिफिशियल इंटेलिजेंस (AI) का प्रवेश होता है, विशेष रूप से "डीप लर्निंग" नामक एक शाखा। डीप लर्निंग को एक सुपर-पावर्ड छात्र की तरह समझें जो केवल दोषों की तस्वीरों को रटता नहीं है, बल्कि वास्तव में यह सीखता है कि एक खरोंच या डेंट कैसा दिखता है—हजारों उदाहरणों का अध्ययन करके। हालाँकि, इसमें एक पेंच है: ये AI छात्र अक्सर "ब्लैक बॉक्स" होते हैं। वे आपको एक उत्तर देते हैं ("यह एक खरोंच है!"), लेकिन वे यह स्पष्ट नहीं कर पाते कि उन्हें ऐसा क्यों लगता है, या वे कितने आश्वस्त हैं। एक कारखाने में, आप केवल एक ब्लैक बॉक्स पर भरोसा नहीं कर सकते; आपको जानने की आवश्यकता है कि क्या AI आश्वस्त है या वह केवल अनुमान लगा रहा है। यहीं पर "एक्सप्लेनेबल एआई" (Explainable AI) का नया विचार आता है—यह उस छात्र से पूछने जैसा है कि वह ठीक उसी जगह की ओर इशारा करे जहाँ उसने खरोंच देखी और कहे, "मैं 99% आश्वस्त हूँ क्योंकि मुझे यहाँ यह रेखा दिख रही है।"
यह शोध पत्र RobustDefect-LLM नामक एक नई प्रणाली पेश करता है, जो कारखानों के लिए एक पूर्ण, हाई-टेक गुणवत्ता-नियंत्रण टीम की तरह है। केवल एक उत्पाद को देखने वाले एकल रोबोट के बजाय, यह प्रणाली एक तेज-नजर रखने वाले AI क्लासिफायर, एक "आवर्धक लेंस" (magnifying glass) जो इंसानों को दिखाता है कि AI वास्तव में कहाँ देख रहा है, एक स्मार्ट रेफरी जो यह तय करता है कि AI पर कब भरोसा करना है और कब मानव विशेषज्ञ को बुलाना है, और यहाँ तक कि एक रोबोट लेखक भी जो अंतिम रिपोर्ट का मसौदा तैयार करता है, को जोड़ती है। शोधकर्ताओं ने इस प्रणाली का परीक्षण स्टील की सतहों की 1,799 छवियों के एक डेटासेट पर किया, जिसमें छह अलग-अलग प्रकार के दोष (जैसे खरोंच, पैच और गड्ढे) थे। उन्होंने केवल एक मॉडल नहीं बनाया; उन्होंने यह देखने के लिए चार अलग-अलग प्रकार के AI "मस्तिष्क" (ResNet50, EfficientNet-B0, DenseNet121, और MobileNetV3-Large) का परीक्षण किया कि कौन सा इन खामियों को पकड़ने में सबसे अच्छा है।
"सर्वश्रेष्ठ" उम्मीदवार, एक मॉडल जिसे MobileNetV3-Large कहा जाता है, के लिए परिणाम काफी प्रभावशाली थे। परीक्षण छवियों के एक साफ, आदर्श सेट पर, इस मॉडल ने 99.26% बार सही निर्णय लिया। यह अविश्वसनीय रूप से सटीक है! यह इतना अच्छा था कि यह एक अन्य मजबूत दावेदार, DenseNet121 के साथ सांख्यिकीय रूप से बराबरी पर था, जिसका अर्थ है कि उनके बीच कोई बड़ा अंतर नहीं था, लेकिन MobileNetV3-Large को इसलिए चुना गया क्योंकि यह तेज़ और हल्का था, जिससे इसे फैक्ट्री कंप्यूटरों पर चलाना आसान हो गया। सिस्टम ने यह भी साबित किया कि वह देख सकता था कि वह क्या देख रहा है। Grad-CAM नामक तकनीक का उपयोग करके, सिस्टम ने हीटमैप (जैसे थर्मल कैमरा व्यू) उत्पन्न किए जिन्होंने स्टील पर दोष वाले सटीक स्थानों को उजागर किया, जिससे मानव ऑपरेटरों को AI के निर्णय का दृश्य प्रमाण मिला।
लेकिन कहानी का सबसे महत्वपूर्ण हिस्सा यहाँ है: सिस्टम जानता है कि वह क्या नहीं जानता। शोधकर्ताओं ने एक "स्मार्ट रेफरी" नियम प्रोग्राम किया। यदि AI बहुत अधिक आश्वस्त नहीं है (विशेष रूप से, यदि उसका आत्मविश्वास स्कोर 0.90 से कम है या यदि वह दो समान दोषों के बीच भ्रमित है), तो सिस्टम स्वचालित रूप से रुक जाता है और कहता है, "HUMAN REVIEW" (मानव समीक्षा)। उनके परीक्षणों में, यह नियम बहुत सख्त था। इसने 87.78% छवियों को जांच के लिए मानव के पास भेज दिया, और केवल 12.22% निर्णयों को ही स्वचालित रूप से होने दिया। यह इतना सख्त क्यों था? क्योंकि सिस्टम को सुरक्षित बनाने के लिए डिज़ाइन किया गया है। जब उन्होंने दो गलतियों को देखा जो AI ने की थीं, तो दोनों को इस "Human Review" नियम द्वारा पकड़ा गया था! इसका मतलब है कि सिस्टम ने परीक्षण में किसी भी गलत स्वचालित निर्णय को सफलतापूर्वक रोका।
हालाँकि, यह शोध पत्र अपने सीमित दायरे के बारे में बहुत ईमानदार है। जब शोधकर्ताओं ने खराब स्थितियों का अनुकरण किया—जैसे छवियों को धुंधला, गहरा या शोर (noisy) वाला बनाना—तो AI का प्रदर्शन काफी गिर गया। "खराब होने" के मध्यम स्तर पर, सटीकता गिरकर 87.78% हो गई, और गंभीर स्तरों पर, यह 40% से नीचे गिर गई। यह बताता है कि हालांकि यह सिस्टम एक नियंत्रित लैब में बहुत अच्छा है, लेकिन यह अभी तक वास्तविक कारखाने के फर्श की अव्यवस्थपूर्ण, अप्रत्याशित वास्तविकता को संभालने के लिए तैयार नहीं है। सिस्टम यह भी नहीं जानता कि स्टील का एक "परफेक्ट" टुकड़ा कैसा दिखता है; यह केवल छह विशिष्ट दोषों को जानता है, इसलिए यह आपको यह नहीं बता सकता कि कोई टुकड़ा एकदम सही है, बल्कि केवल यह बता सकता है कि उसमें एक विशिष्ट खामी है।
सब कुछ जोड़ने के लिए, टीम ने एक पूर्ण मोबाइल ऐप बनाया जो कारखाने के श्रमिकों को स्टील की शीट की तस्वीर लेने, AI के अनुमान को देखने, हीट मैप को देखने कि AI कहाँ देख रहा है, और एक लार्ज लैंग्वेज मॉडल (LLM) द्वारा तैयार की गई लिखित रिपोर्ट प्राप्त करने की अनुमति देता है। यह रिपोर्ट "नियंत्रित" है, जिसका अर्थ है कि AI अपनी मर्जी से कुछ भी नहीं बना सकता; उसे उन तथ्यों पर टिके रहना होगा जो कंप्यूटर ने पाए हैं। पूरी प्रक्रिया, फोटो लेने से लेकर रिपोर्ट प्राप्त करने तक, मशीन और इंसान के बीच एक साझेदारी के रूप में डिज़ाइन की गई है, यह सुनिश्चित करते हुए कि अंतिम निर्णय हमेशा सुरक्षित, पता लगाने योग्य और स्पष्ट हो। लेखक सुझाव देते हैं कि हालांकि यह कारखानों में AI को भरोसेमंद बनाने की दिशा में एक बड़ा कदम है, लेकिन इसे पूरी तरह से स्वतंत्र रूप से उत्पादन लाइन चलाने से पहले वास्तविक दुनिया की स्थितियों में और अधिक परीक्षण की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।