RAUDI: A Dual-Head Framework Unifying Unsupervised and Supervised Reconstruction for Industrial Anomaly Detection

आधुनिक विनिर्माण की हलचल भरी दुनिया में, एक दोषरहित उत्पाद और एक दोषपूर्ण उत्पाद के बीच का अंतर अक्सर एक एकल, सूक्ष्म त्रुटि पर निर्भर करता है। सर्किट बोर्ड पर एक सूक्ष्म खरोंच, धातु के आवरण में एक बाल जैसी दरार, या किसी चिकित्सा उपकरण पर एक सूक्ष्म रंग परिवर्तन किसी वस्तु को बेकार या यहाँ तक कि खतरनाक भी बना सकता है। दशकों से, कारखाने इन त्रुटियों को पकड़ने के लिए स्वचालित प्रणालियों पर भरोसा करते रहे हैं, लेकिन कंप्यूटर को दोष पहचानने के लिए सिखाना एक विरोधाभासी चुनौती है। यह सीखने के लिए कि दोष कैसा दिखता है, एक मशीन को आमतौर पर टूटी हुई वस्तुओं के हजारों उदाहरणों को देखने की आवश्यकता होती है। फिर भी, एक सुचारू रूप से चलने वाले कारखाने में, टूटी हुई वस्तुएं दुर्लभ होती हैं। वे नियम नहीं, बल्कि अपवाद हैं। यह कमी कृत्रिम बुद्धिमत्ता (AI) को यह पहचानने के लिए प्रशिक्षित करना अविश्वसनीय रूप से कठिन बना देती है कि कोई उत्पाद किस तरह से गलत हो सकता है। फलस्वरूप, कई प्रणालियों को केवल पूर्ण, सामान्य वस्तुओं पर प्रशिक्षित किया जाता है, जिससे वे मानक से अलग होने वाली किसी भी चीज़ को पहचानना सीखती हैं। हालांकि यह ज्ञात समस्याओं के लिए काम करता है, लेकिन जब किसी नए, अप्रत्याशित प्रकार के नुकसान का पता चलता है, या जब कारखाने को उन मामूली खामियों को अनदेखा करने की आवश्यकता होती है जो वास्तव में स्वीकार्य हैं, तो यह संघर्ष करता है।

दक्षिण कोरिया के चुंगबुक नेशनल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इस दुविधा को हल करने के लिए एक नया दृष्टिकोण प्रस्तावित किया है, जो मशीनों को बिना अंतहीन टूटे हुए नमूनों के ढेर के, दोषों को अधिक स्पष्ट रूप से देखने के लिए सिखाने का एक तरीका प्रदान करता है। वे अपने सिस्टम को RAUDI कहते हैं, जो एक ढांचा है जो दो अलग-अलग सीखने के तरीकों को एक एकल, लचीले उपकरण में जोड़ता है। कंप्यूटर को पूर्ण वस्तुओं से सीखने या टूटी हुई वस्तुओं से सीखने के बीच चयन करने के लिए मजबूर करने के बजाय, RAUDI दो समानांतर "हेड्स" या मार्गों का उपयोग करता है। एक मार्ग सख्ती से पूर्ण उत्पादों की छवियों से सीखता है, और उस पैटर्न को खोजता है जो फिट नहीं बैठता। दूसरा मार्ग दोषपूर्ण छवियों से सीखने के लिए डिज़ाइन किया गया है जब वे उपलब्ध हों, या सावधानीपूर्वक निर्मित नकली दोषों से जब वास्तविक दोष अनुपलब्ध हों। दोनों मार्गों के निष्कर्षों को मिलाकर, सिस्टम विभिन्न प्रकार की समस्याओं का पता लगा सकता है और, महत्वपूर्ण रूप से, इसे उन मामूली खामियों को अनदेखा करने के लिए ट्यून किया जा सकता है जिन्हें एक कारखाना स्वीकार्य मान सकता है, और केवल उन महत्वपूर्ण दोषों पर ध्यान केंद्रित कर सकता है जो मायने रखते हैं।

इस नवाचार का मूल आधार यह है कि सिस्टम प्राप्त डेटा को कैसे संभालता है। पहला मार्ग 'पुनर्गठन' (reconstruction) के सिद्धांत पर कार्य करता है। कल्पना कीजिए कि आप कंप्यूटर को एक पूर्ण, निर्दोष सतह की हजारों तस्वीरें दिखा रहे हैं। कंप्यूटर इन छवियों को अपने मन में फिर से बनाने (rebuild) के लिए सीखता है, यह समझता है कि एक सामान्य सतह कैसी दिखती है। जब वह एक नई छवि देखता है जिसमें एक खरोंच होती है, तो वह इसे ऐसे पुनर्गsठित करने की कोशिश करता है जैसे कि वह पूर्ण हो, लेकिन खरोंच इस प्रक्रिया को भ्रमित कर देती है। कंप्यूटर उस विशिष्ट स्थान को सही ढंग से पुनर्गठित करने में विफल रहता है, और यह विफलता एक विसंगति (anomaly) का संकेत देती है। यह विधि अज्ञात दोषों को खोजने में उत्कृष्ट है क्योंकि यह इस पर निर्भर करती है कि क्या 'सामान्य नहीं' है। हालाँकि, इसमें एक अंध बिंदु (blind spot) है: यह एक महत्वपूर्ण दरार और एक हानिरहित खरोंच के बीच अंतर नहीं कर सकता, न ही यह तब सुधार कर सकता है जब यह किसी विशिष्ट प्रकार की त्रुटि को मिस कर देता है।

इसे ठीक करने के लिए, शोधकर्ताओं ने दूसरा मार्ग जोड़ा जो स्वयं दोषों से सीखता है। कई औद्योगिक सेटिंग्स में, कंपनियों के पास टूटे हुए उत्पादों की कुछ छवियां होती हैं, लेकिन उन्हें लेबल करना महंगा और समय लेने वाला होता है। इस बाधा को दूर करने के लिए, टीम ने यथार्थवादी नकली दोष उत्पन्न करने का एक चतुर तरीका विकसित किया। उन्होंने 'सुपरपिक्सेल सेगमेंटेशन' नामक एक तकनीक का उपयोग किया, जो एक छवि को छोटे, रंग-सुसंगत पैच में तोड़ देता है जो वस्तु की प्राकृतिक संरचना के समान होते हैं। केवल एक फोटो पर यादृच्छिक शोर (noise) चिपकाने के बजाय, सिस्टम इन प्राकृतिक पैच का चयन करता है और उन्हें इस तरह से विस्तारित करता है जो इस बात की नकल करता है कि वास्तविक क्षति सतह पर कैसे फैलती है। यह सिंथेटिक दोष बनाता है जो वास्तविक चीज़ की तरह दिखते हैं और व्यवहार करते हैं, जिससे दूसरा मार्ग बिना किसी मानव द्वारा प्रत्येक एक को लेबल किए, उदाहरणों के एक विशाल पुस्तकालय से सीख सकता है।

RAUDI सिस्टम की प्रतिभा इस बात में है कि यह इन दोनों मार्गों को एक-दूसरे के विरुद्ध काम करने से कैसे रोकता है। यदि एक कंप्यूटर को दोष देखने के लिए प्रशिक्षित किया जाता है और फिर उसे छवि को "पुनर्गठित" करने के लिए कहा जाता है, तो वह गलती से दोष को ठीक करना सीख सकता है, जो प्रभावी रूप से उस चीज़ को मिटा देता है जिसे उसे ढूंढना चाहिए। शोधकर्ताओं ने इसे दूसरे मार्ग को दोषों के स्थान का मानचित्र (map) आउटपुट करने के लिए डिज़ाइन करके हल किया, न कि छवि को पुनर्गठित करने का प्रयास करके। यह क्षतिग्रस्त क्षेत्रों को उजागर करना सीखता है जबकि बाकी को अनदेखा करता है, यह सुनिश्चित करते हुए कि सिस्टम समस्या पर केंद्रित और सटीक बना रहे। जब सिस्टम एक नए उत्पाद का निरीक्षण करने के लिए तैयार होता है, तो वह दोनों मार्गों के परिणामों को जोड़ता है। पहला मार्ग एक विस्तृत जाल फैलाता है, जो किसी भी असामान्य चीज़ को पकड़ लेता है, जबकि दूसरा मार्ग फोकस को परिष्कृत करता है, यह पुष्टि करता है कि कौन से असामान्य स्थान वास्तव में महत्वपूर्ण दोष हैं।

इस दोहरे दृष्टिकोण के परिणाम आश्चर्यजनक हैं। विभिन्न औद्योगिक उत्पादों की छवियों वाले एक मानक बेंचमार्क पर परीक्षण किए जाने पर, सिस्टम ने 99.3% की पहचान सटीकता (detection accuracy) और 73.1% की स्थानीयकरण सटीकता (localization accuracy) प्राप्त की, जिसका अर्थ है कि इसने न केवल यह जाना कि एक दोष मौजूद था, बल्कि उच्च सटीकता के साथ इसके स्थान का पता भी लगाया। एक डेटासेट में, जो विशेष रूप से पर्यवेक्षित शिक्षण (supervised learning) के लिए डिज़ाइन किया गया था, जहाँ वास्तविक दोषपूर्ण छवियां प्रशिक्षण के लिए उपलब्ध थीं, सिस्टम ने दोषों को खोजने में 86.4% की सटीकता प्राप्त की, जो पिछले अत्याधुनिक तरीकों से बेहतर है। शायद सबसे महत्वपूर्ण बात यह है कि सिस्टम ने एक औद्योगिक भागीदार द्वारा प्रदान की गई मेम्ब्रेन वेल्डिंग छवियों के वास्तविक दुनिया के डेटासेट पर अपनी लचीलापन सिद्ध किया। इन छवियों में, सिस्टम ने वेल्डिंग प्रक्रिया में स्वीकार्य विविधताओं और वास्तविक थर्मल असंतुलन या सामग्री के क्षरण के बीच सफलतापूर्वक अंतर किया, जिससे ऐसे परिणाम प्राप्त हुए जो मानव विशेषज्ञों के अनुरूप थे।

यह कार्य सुझाव देता है कि औद्योगिक गुणवत्ता नियंत्रण का भविष्य 'अनसुपरवाइज्ड लर्निंग' (जो लचीला है लेकिन विशिष्ट उपयोगकर्ता आवश्यकताओं के प्रति अंध है) और 'सुपरवाइज्ड लर्निंग' (जो सटीक है लेकिन डेटा-भूखा है) के बीच चयन करने की आवश्यकता नहीं है। इन दृष्टिकोणों को एकीकृत करके, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो कारखाने के फर्श की वास्तविकता के अनुकूल हो सकता है। यह कारखाने के पास मौजूद कुछ टूटे हुए आइटमों से सीख सकता है, या अंतराल को भरने के लिए यथार्थवादी उदाहरण उत्पन्न कर सकता है, और साथ ही पूरी तरह से नए प्रकार के एरर को पहचानने की क्षमता बनाए रख सकता है। यह सिस्टम केवल यह पता नहीं लगाता कि कुछ गलत है; यह त्रुटि के संदर्भ को समझता है, जिससे निर्माताओं को यह निर्धारित करने की अनुमति मिलती है कि क्या एक दोष माना जाए। एक ऐसे उद्योग में जहाँ एक छूटे हुए दोष की लागत बहुत अधिक हो सकती है, स्पष्ट रूप से, सटीक रूप से और अनुकूल रूप से देखने की यह क्षमता हमारे दैनिक जीवन को संचालित करने वाले उत्पादों की विश्वसनीयता सुनिश्चित करने की दिशा में एक महत्वपूर्ण कदम है।