Real-Time Conveyor Belt Defect Detection via Edge TPU-Accelerated YOLOv11 on Raspberry Pi 5
यह शोध पत्र एक एंड-टू-एंड, लो-पावर एज एआई सिस्टम को प्रस्तुत और मान्य करता है जिसे गूगल कोरल एज टीपीयू के साथ रास्पबेरी पाई 5 पर तैनात किया गया है, जो बिजली की अधिक खपत करने वाले जीपीयू पर निर्भर हुए बिना, कठोर औद्योगिक वातावरण में कन्वेयर बेल्ट दोषों का वास्तविक समय में, उच्च-सटीक पता लगाने के लिए एक क्वांटाइज्ड YOLOv11n मॉडल का उपयोग करता है, जिससे लागत प्रभावी प्रेडिक्टिव मेंटेनेंस सक्षम होता 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 नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
भारी उद्योगों में, जो हमारी आधुनिक दुनिया का निर्माण करते हैं—चाहे वह विशाल मात्रा में अयस्क (ore) का खनन करना हो या सीमेंट का निर्माण करना—विशाल रबर बेल्ट उत्पादन की धमनियों के रूप में कार्य करते हैं। ये कन्वेयर सिस्टम प्रतिदिन हजारों टन अपघर्षक (abrasive) सामग्रियों को ले जाते हैं, जो अक्सर सैकड़ों मीटर तक धूल भरे, कंपन वाले और कठोर वातावरण में चलते हैं। समय के साथ, भारी भार, गिरते पत्थरों और घर्षण का निरंतर तनाव इन बेल्ट्स में छिपी हुई कमजोरियां पैदा कर देता है। एक छोटा सा फटा होना या छेद बहुत जल्दी एक विनाशकारी टूट-फूट में बदल सकता है, जिससे बेल्ट पूरी तरह से टूट सकती है। जब ऐसा होता है, तो पूरी उत्पादन लाइन रुक जाती है, जिससे सुविधा को नुकसान और महंगे सुधारों के कारण हजारों डॉलर का नुकसान होता है, और साथ ही पास के श्रमिकों के लिए खतरनाक स्थितियां भी पैदा होती हैं। दशकों तक, इन दोषों को खोजने का एकमात्र तरीका यह था कि मानव निरीक्षक चलती हुई मशीनरी के साथ चलते थे, जो एक धीमी, जोखिम भरी और छोटे लेकिन महत्वपूर्ण नुकसान को देखने में चूक जाने वाली विधि थी।
इसे हल करने के लिए, शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस (AI) की ओर रुख किया, जिससे कंप्यूटर को उसी तरह दोषों को "देखना" सिखाया जा सके जैसे एक इंसान देखता है। हालाँकि, इनमें से अधिकांश स्मार्ट विजन सिस्टम इतने भारी और अधिक बिजली खपत करने वाले होते हैं कि उन्हें सीधे फैक्ट्री फ्लोर पर चलाना कठिन होता है। उन्हें आमतौर पर बड़े, महंगे कंप्यूटरों या क्लाउड कनेक्शन की आवश्यकता होती है, जो सीमित बिजली और नेटवर्क बैंडविडwidth वाले दूरस्थ औद्योगिक स्थलों के लिए अव्यवहारिक है। इंडोनेशिया में इंजीनियरों की एक टीम ने अब इस अंतर को पाट दिया है और एक कॉम्पैक्ट, कम शक्ति वाला सिस्टम बनाया है जो वास्तविक समय में कन्वेयर बेल्ट की निगरानी कर सकता है और तुरंत क्षति का पता लगा सकता है। उन्होंने एक ऐसा उपकरण बनाया है जो एक मानक धातु के बॉक्स के भीतर फिट बैठता है, जिसमें बेल्ट को देखने के लिए एक छोटी कैमरा लगा है, और यह एक छोटे, विशेष चिप पर चलता है जिसे गति और दक्षता के लिए डिज़ाइन किया गया है।
शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस मॉडल के एक विशिष्ट प्रकार पर ध्यान केंद्रित किया जिसे YOLO कहा जाता है, जिसका अर्थ है "You Only Look Once" (आप केवल एक बार देखते हैं)। इस प्रकार का मॉडल वीडियो स्ट्रीम में वस्तुओं की लगभग तुरंत पहचान करने की अपनी क्षमता के लिए प्रसिद्ध है। जबकि इस तकनीक के पिछले संस्करण शक्तिशाली डेस्कटॉप कंप्यूटरों पर अच्छी तरह से काम करते थे, टीम यह देखना चाहती थी कि क्या नवीनतम, सबसे कुशल संस्करण एक छोटे सिंगल-बोर्ड कंप्यूटर पर चल सकता है, जो कि शौकिया लोगों (hobbyists) द्वारा उपयोग किए जाने वाले कंप्यूटरों के समान है, लेकिन इसे एक विशेष एक्सेलेरेटर चिप के साथ जोड़ा गया है। यह एक्सेलरेटर, जिसे 'एज टीपीयू' (Edge TPU) कहा जाता है, एक छोटा हार्डवेयर है जिसे विशेष रूप से बहुत कम बिजली का उपयोग करके आर्टिफिशियल इंटेलिजेंस के लिए आवश्यक गणितीय गणनाओं को करने के लिए डिज़ाइन किया गया है। टीम ने पश्चिम जावा के एक वास्तविक सीमेंट प्लांट से कैमरा फीड लिया, जहाँ हवा धूल से भरी है और मशीनरी लगातार कंपन करती है, और इसे अपने सिस्टम में डाला।
कंप्यूटर को यह सिखाने के लिए कि उसे क्या खोजना है, टीम ने छवियों का एक विशाल संग्रह एकत्र किया। वे केवल प्रयोगशाला में ली गई तस्वीरों पर निर्भर नहीं रहे। इसके बजाय, उन्होंने सीधे सीमेंट प्लांट से ली गई तस्वीरों को सार्वजनिक डेटासेट और एक स्वचालित प्रणाली द्वारा कैप्चर की गई नई तस्वीरों के साथ मिलाया, जिसने समय के साथ बेल्ट को चलते हुए रिकॉर्ड किया था। इस मिश्रण ने यह सुनिश्चित किया कि कंप्यूटर धूल से ढके होने या कारखाने की कठोर, असमान रोशनी में होने के बावजूद फटने, छेदों और पैच रिपेयर (मरम्मत) को पहचान सके। कुल मिलाकर, उन्होंने मॉडल को प्रशिक्षित करने के लिए 3,000 से अधिक छवियों का उपयोग किया, जिसमें हर दोष को सावधानीपूर्वक चिह्नित किया गया ताकि कंप्यूटर क्षतिग्रस्त बेल्ट और सामान्य बेल्ट के बीच अंतर सीख सके। इसके बाद उन्होंने कंप्यूटर प्रोग्राम को सरल बनाया, इसे एक ऐसे प्रारूप में परिवर्तित किया जिसे छोटा एक्सेलेरेटर चिप बिना किसी शक्तिशाली मुख्य प्रोसेसर की आवश्यकता के समझ सके और निष्पादित कर सके।
जब इस सिस्टम को वास्तविक सीमेंट प्लांट में तैनात किया गया, तो परिणाम तत्काल और स्थिर थे। धूल और कंपन से बचाने के लिए एक सीलबंद धातु के बॉक्स में रखे गए इस उपकरण ने सफलतापूर्वक कन्वेयर बेल्ट की निगरानी की और दोषों की पहचान की। इसने 30 से 40 फ्रेम प्रति सेकंड की दर से वीडियो को प्रोसेस किया, जो चलती बेल्ट की गति के साथ तालमेल बिठाने के लिए पर्याप्त है। कैमरा द्वारा छवि कैप्चर करने से लेकर सिस्टम द्वारा दोष की पहचान करने तक की पूरी प्रक्रिया में 70 से 90 मिलीसेकंड का समय लगा। इस गति को समझने के लिए, यदि बेल्ट एक विशिष्ट औद्योगिक गति पर चल रही है, तो सिस्टम समस्या को तब पहचान लेता है जब क्षतिग्रस्त हिस्सा कुछ इंच भी आगे नहीं बढ़ पाता, जिससे प्लांट को नुकसान फैलने से पहले प्रतिक्रिया करने का पर्याप्त समय मिल जाता है।
यह सिस्टम कठिन परिस्थितियों में भी उल्लेखनीय रूप से विश्वसनीय साबित हुआ। लंबे समय तक परीक्षण के दौरान, छोटा कंप्यूटर और एक्सेलेरेटर चिप बिना किसी पंखे या एयर कंडीशनिंग की आवश्यकता के सुरक्षित रूप से संचालित होने के लिए पर्याप्त ठंडे रहे, जिससे गर्म और धूल भरे वातावरण में भी स्थिर तापमान बना रहा। सिस्टम ने कोई भी वीडियो फ्रेम नहीं खोया और न ही क्रैश हुआ, जिससे यह सिद्ध हुआ कि यह बिना किसी मानवीय हस्तक्षेप के निरंतर चल सकता है। इसने चार प्रकार के नुकसानों का सफलतापूर्वक पता लगाया: लंबे फटे हुए निशान, छोटे छेद, छेद (holes), और असमान पैच रिपेयर। हालांकि यह धूल से आंशिक रूप से ढके हुए बहुत छोटे छेदों को पहचानने में थोड़ा कम प्रभावी था, लेकिन इसने उन बड़े, अधिक खतरनाक दोषों पर उच्च सटीकता के साथ प्रदर्शन किया जो मशीनरी के लिए सबसे बड़ा जोखिम पैदा करते हैं।
यह कार्य प्रदर्शित करता है कि उन्नत आर्टिफिशियल इंटेलिजेंस उपयोगी होने के लिए डेटा सेंटर में कैद रहने की आवश्यकता नहीं है। अपने सॉफ़्टवेयर को छोटे, किफायती हार्डवेयर पर चलाने के लिए अनुकूलित करके, शोधकर्ताओं ने दिखाया है कि कारखाने दुनिया में कहीं भी, बिना किसी महंगी बुनियादी संरचना पर निर्भर हुए, वास्तविक समय में अपने उपकरणों की निगरानी कर सकते हैं। यह सिस्टम एक अथक, बिना पलक झपकाए देखने वाली आँख की तरह कार्य करता है जो कभी थकता नहीं है, कभी शिफ्ट नहीं चूकता, और आपदा बनने से पहले विफलता के शुरुआती संकेतों को पहचान सकता है। यह दृष्टिकोण सुरक्षित, अधिक कुशल औद्योगिक संचालन की ओर एक व्यावहारिक मार्ग प्रदान करता है, जो यह सिद्ध करता है कि भविष्य के प्रेडिक्टिव मेंटेनेंस (पूर्वानुमानित रखरखाव) को छोटा, तेज़ और सीधे फैक्ट्री फ्लोर पर बनाया जा सकता 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।