High-Accuracy Surface Defect Detection for Metal Strips: Lightweight YOLOv5s-SC2 with LAMP Pruning
यह शोध पत्र धातु की पट्टियों के लिए एक हल्का, उच्च-सटीक सतह दोष पहचान मॉडल प्रस्तावित करता है, जिसे YOLOv5s-SC2 नाम दिया गया है, जो NEU-DET डेटासेट पर 84.3% mAP प्राप्त करने के लिए SAC और RepGFPN जैसे संरचनात्मक सुधारों को एकीकृत करता है और न्यूनतम सटीकता हानि के साथ कुशल एज परिनियोजन के लिए मॉडल के आकार और कम्प्यूटेशनल लागत को महत्वपूर्ण रूप से कम करने के लिए LAMP प्रूनिंग का उपयोग करता है।
मूल पेपर CC BY 4.0 (https://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
कल्पना कीजिए कि आप एक सुपर-फास्ट असेंबली लाइन पर एक गुणवत्ता निरीक्षक (quality inspector) हैं, लेकिन खिलौनों या स्नैक्स की जांच करने के बजाय, आप धातु की लंबी, चमकदार पट्टियों (ribbons of metal) का निरीक्षण कर रहे हैं। ये धातु की पट्टियाँ कार की बॉडी से लेकर रसोई के उपकरणों तक, हर चीज़ की रीढ़ हैं, लेकिन ये अपनी यात्रा के दौरान खरोंच (scratched), दरार (cracked) या गड्ढों (pitted) के प्रति संवेदनशील होती हैं। यदि एक छोटा सा दोष भी निकल गया, तो यह पूरे उत्पाद को खराब कर सकता है। लंबे समय तक, मनुष्यों ने अपनी आँखों से इन दोषों को पहचानने की कोशिश की, लेकिन वे थक जाते हैं, और पुराने ज़माने के सेंसरों वाले मशीनें कभी-कभी छोटी चीजों को मिस कर देते हैं या धातु की चमक (glare) से भ्रमित हो जाते हैं।
यहाँ कंप्यूटर विज़न (computer vision) की दुनिया में प्रवेश होता है, जहाँ हम कंप्यूटर को ठीक वैसे ही "देखना" सिखाते हैं जैसे हम देखते हैं, लेकिन बिजली की गति के साथ। इस काम के लिए सबसे लोकप्रिय उपकरण जिसे "न्यूरल नेटवर्क" कहा जाता है, वह है, जो मूल रूप से एक डिजिटल मस्तिष्क है जो हजारों तस्वीरों को देखकर पैटर्न पहचानना सीखता है। इस तरह के मस्तिष्क का एक विशिष्ट प्रकार, जिसे YOLO (जिसका अर्थ है "You Only Look Once") कहा जाता है, अपनी अविश्वसनीय गति के लिए प्रसिद्ध है। हालाँकि, इसमें एक पेच है: ये डिजिटल मस्तिष्क अक्सर उन छोटे, सस्ते कंप्यूटरों के लिए बहुत भारी और धीमे होते हैं जिनका उपयोग कारखानों के फर्श पर किया जाता है। उन्हें वास्तविक समय (real-time) में चलने के लिए पर्याप्त हल्का होना चाहिए लेकिन एक बारीक बाल जैसी दरार को पकड़ने के लिए पर्याप्त तेज़ भी होना चाहिए। यही वह पहेली है जिसे वैज्ञानिक हल करने की कोशिश कर रहे हैं: हम एक सुपर-स्मार्ट डिटेक्टर को कैसे बना सकते हैं जो बेहद हल्का भी हो?
यही वह पहेली है जिसे ताइयुआन यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने उनके नए अध्ययन में सुलझाया। वे धातु की पट्टियों के दोषों को पकड़ने के लिए विशेष रूप से एक बेहतर YOLOv5s डिटेक्टर बनाना चाहते थे, और फिर इसे इतना छोटा करना चाहते थे कि यह अपनी तेज़ आँखों को खोए बिना छोटे उपकरणों पर चल सके।
उन्होंने इसे इस प्रकार किया। सबसे पहले, उन्होंने महसूस किया कि मानक "नेट" (net) जिसका उपयोग कंप्यूटर दोषों को पकड़ने के लिए करता है, वह खरोंचों और दरारों के अजीब आकार के लिए पूरी तरह सही नहीं था। इसलिए, उन्होंने नेट के डिज़ाइन में बदलाव किया। उन्होंने कुछ पुराने हिस्सों को "C2f" और "Switchable Atrous Convolution" जैसे नए और अधिक कुशल हिस्सों से बदल दिया। इसे एक साइकिल के गियर अपग्रेड करने जैसा समझें; नए गियर साइकिल को बिना सवार को थकाए (बहुत अधिक कंप्यूटर पावर का उपयोग किए बिना) खड़ी पहाड़ियों (छोटी, मुश्किल से दिखने वाली दोषों) पर चढ़ने में मदद करते हैं। उन्होंने एक विशेष "अटेंशन मैकेनिज्म" (attention mechanism) भी जोड़ा, जो कंप्यूटर को उच्च-शक्ति वाले चश्मे देने जैसा है जो उसे बताते हैं, "चमकदार बैकग्राउंड को अनदेखा करें, सीधे यहाँ उस छोटी सी खरोंच को देखें!"
इस सुपर-डिटेक्टर बनाने के बाद, जिसका नाम उन्होंने YOLOv5s-SC2 रखा, उन्होंने इसे छह अलग-अलग प्रकार के दोषों वाली 1,800 धातु की पट्टियों की छवियों के डेटासेट पर परखा। परिणाम प्रभावशाली थे। नए मॉडल ने 84.3% के सटीकता स्कोर (जिसे mAP कहा जाता है) के साथ दोषों को पहचाना, जो मूल, बिना संशोधित संस्करण की तुलना में 4.4 प्रतिशत अंक बेहतर है। यह विशेष रूप से उन कठिन, छोटे दोषों को खोजने में अच्छा था जो आमतौर पर बच निकलते हैं।
लेकिन एक सुपर-स्मार्ट मॉडल बेकार है यदि वह ले जाने के लिए बहुत भारी हो। शोधकर्ता जानते थे कि कारखानों को इन मॉडलों को छोटे, 'एज डिवाइसेस' (edge devices) पर चलाने की आवश्यकता होती है, इसलिए उन्होंने LAMP प्रूनिंग (pruning) नामक एक तकनीक लागू की। कल्पना कीजिए कि आपके पास औजारों से भरा एक विशाल बैकपैक है। आप जानते हैं कि आपको काम के लिए केवल कुछ विशिष्ट औजारों की आवश्यकता है, इसलिए आप उन भारी, अनावश्यक औजारों को सावधानी से हटा देते हैं जिनकी आपको वास्तव में आवश्यकता नहीं है। LAMP प्रूनिंग ने यही किया: इसने डिजिटल मस्तिष्क के अनावश्यक हिस्सों को काट दिया।
जब उन्होंने मॉडल को 2.5 गुना तेज़ बनाने के लिए प्रून (छंटाई) किया, तो परिणाम गति और बुद्धिमत्ता के बीच का एक बेहतरीन संतुलन थे। मॉडल का आकार उसके मूल वजन का 56.2% रह गया, इसके मेमोरी उपयोग में 56.9% की गिरावट आई, और गणनात्मक लागत (computational cost) घटकर केवल 39.4% रह गई। सबसे अच्छी बात? इसकी सटीकता लगभग स्थिर रही, जिसमें केवल 0.2 प्रतिशत अंक की गिरावट आई।
संक्षेप में, टीम ने धातु की पट्टियों के लिए एक हल्का, उच्च-गति वाला जासूस सफलतापूर्वक बनाया। उन्होंने साबित किया कि आंतरिक गियर्स को अपग्रेड करके और फिर अतिरिक्त भार को सावधानीपूर्वक काटकर, आप एक ऐसा सिस्टम बना सकते हैं जो अविश्वसनीय रूप से सटीक और इतना हल्का है कि कारखाने के फर्श पर चल सके, जिससे यह सुनिश्चित होता है कि लाइन से निकलने वाली प्रत्येक धातु की पट्टी यथासंभव पूर्ण हो।
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।