Hybrid Multi- Expert Deep Learning Framework for Operational SAR Maritime Surveillance and Dark Vessel Identification

कल्पना कीजिए कि महासागर एक विशाल, हलचल भरा राजमार्ग है जहाँ जहाज कारों की तरह हैं। दशकों से, हम इन कारों को ट्रैक करने के लिए AIS नामक एक प्रणाली का उपयोग कर रहे हैं, जो एक डिजिटल लाइसेंस प्लेट की तरह है जो जहाजों को यह बताने के लिए स्वेच्छा से प्रसारित करती है कि "मैं यहाँ हूँ!" लेकिन जिस तरह एक ड्राइवर टोल बूथ से छिपकर निकलने के लिए अपनी हेडलाइट बंद कर सकता है, कुछ जहाज अपने AIS संकेतों को छिपाने के लिए बंद कर देते हैं। इन्हें "डार्क वेसल्स" (dark vessels) कहा जाता है, और इनका उपयोग तस्करी, अवैध मछली पकड़ने या अन्य संदिग्ध कार्यों के लिए किया जा सकता है। उन्हें पकड़ने के लिए, हमें ऐसी आँखों की आवश्यकता है जो कोहरे, बारिश और घने अंधेरी रात में भी देख सकें। यहाँ आता है सिंथेटिक अपर्चर रडार (Synthetic Aperture Radar), या SAR। सोचिए कि SAR एक सुपर-पावर्ड टॉर्च की तरह है जो प्रकाश का उपयोग नहीं करती, बल्कि अदृश्य माइक्रोवेव बीमों का उपयोग करती है। यह जहाजों से टकराकर एक तस्वीर बना सकता है, भले ही तूफान आ रहा हो या चंद्रमा छिपा हुआ हो। हालाँकि, इन रडार चित्रों को देखना कठिन है। ये अक्सर दानेदार होते हैं, इनमें बहुत अधिक शोर (जैसे पुराने टीवी में होता है) होता है, और व्यस्त बंदरगाहों के पास भ्रमित करने वाले होते हैं जहाँ जहाज सार्डिन मछलियों की तरह एक साथ सटे होते हैं। वैज्ञानिकों ने जहाजों को खोजने के लिए कंप्यूटरों का उपयोग करने की कोशिश की है, लेकिन अधिकांश कंप्यूटर प्रोग्राम सामान्य विशेषज्ञों (generalists) की तरह होते हैं: वे खुले महासागर में जहाज पहचानने में ठीक होते हैं, लेकिन व्यस्त बंदरगाह या चट्टानी तटों पर भ्रमित हो जाते हैं।

यहीं एमिटी यूनिवर्सिटी के शोधकर्ताओं द्वारा एक नया अध्ययन सामने आता है। वे एक "हाइब्रिड मल्टी-एक्सपर्ट डीप लर्निंग फ्रेमवर्क" प्रस्तावित करते हैं, जिसका फैंसी तरीका यह कहना है कि उन्होंने केवल एक अकेले जनरल डिटेक्टर के बजाय विशेषज्ञ कंप्यूटर जासूसों की एक टीम बनाई है। कल्पना कीजिए कि एक पुलिस स्टेशन है जहाँ आप हर अपराध स्थल पर हर जासूस को नहीं भेजते। इसके बजाय, आपके पास एक स्मार्ट डिस्पैचर (प्रेषक) है जो पहले दृश्य को देखता है। यदि यह एक शांत, खुला महासागर है, तो डिस्पैचर "विशेषज्ञ A" को भेजता है, जो तेज़ और कुशल जासूस है। यदि यह एक उबड़-खाबड़ तट है, तो वह "विशेषज्ञ B" को भेजता है, जो थोड़ा अधिक सावधान है। यदि यह एक बहुत ही भीड़भाड़ वाला बंदरगाह है जहाँ जहाज एक-दूसरे के ऊपर ओवरलैप हो रहे हैं, तो वह "विशेषज्ञ C" को भेजता है, जो विशेष उपकरणों के साथ सबसे उन्नत जासूस है। शोधकर्ताओं ने वास्तविक उपग्रह छवियों का उपयोग करके इस टीम का परीक्षण किया और पाया कि यह "स्मार्ट डिस्पायचर" प्रणाली अविश्वसनीय रूप से अच्छी तरह काम करती है। उन्होंने दिखाया कि रडार द्वारा देखे गए दृश्यों को उन "डिजिटल लाइसेंस प्लेटों" (AIS) के साथ मिलाने से, जिन्हें जहाज वास्तव में प्रसारित कर रहे हैं, वे उन जहाजों को भी पकड़ सकते हैं जो छिप रहे हैं। सिंगापुर जलडमरूमध्य (Singapore Strait) पर एक परीक्षण में, सिस्टम ने 1,000 से अधिक जहाजों को खोजा और उनमें से 96 को "डार्क वेसल्स" के रूप में पहचाना जो अदृश्य रहने की कोशिश कर रहे थे।

"एक ही आकार के सभी के लिए" (One-Size-Fits-All) वाले जासूस की समस्या

लंबे समय से, वैज्ञानिक रडार छवियों में जहाज खोजने के लिए एक एकल कंप्यूटर प्रोग्राम का उपयोग करने की कोशिश कर रहे हैं। यह एक ही चश्मे का उपयोग करके एक साथ किताब पढ़ने, कार चलाने और सितारों को देखने जैसा है। यह एक चीज़ के लिए ठीक काम कर सकता है, लेकिन यह अन्य चीजों के लिए बहुत अच्छा नहीं है। खुले महासागर में, जहाज दूर-दूर होते हैं, इसलिए एक सरल, तेज़ डिटेक्टर ठीक काम करता है। लेकिन तट के पास, पानी उबड़-खाबड़ होता है और रडार लहरों के कारण भ्रमित हो जाता है। एक घने बंदरगाह में, जहाज इतने करीब होते हैं कि वे एक बड़े धब्बे की तरह दिखते हैं। पारंपरिक तरीके, जैसे कि "कांस्टेंट फॉल्स अलार्म रेट" (CFAR) तकनीक, अक्सर इस बैकग्राउंड शोर से घबरा जाते हैं, जिससे हर लहर पर अलार्म बजने लगता है और वास्तविक जहाज छूट जाते हैं।

शोधकर्ता तर्क देते हैं कि हमें एक ऐसे सिस्टम की आवश्यकता है जो वातावरण के अनुसार खुद को ढाल सके। वे सुझाव देते हैं कि एक ही मॉडल से सब कुछ कराने के बजाय, हमें कंप्यूटर को यह तय करने देना चाहिए कि किस "विशेषज्ञ" का उपयोग करना है।

स्मार्ट डिस्पैचर: दृश्य का रूटिंग

इस नए ढांचे का पहला चरण "इंटेलिजेंट सीन रूटिंग" है। इसे फ्रंट डेस्क पर मौजूद डिस्पैचर के रूप में समझें। जब एक नया रडार चित्र आता है, तो सिस्टम तुरंत जहाजों को खोजना शुरू नहीं करता है। पहले, यह ResNet-50 नामक एक न्यूरल नेटवर्क के संशोधित संस्करण का उपयोग करता है ताकि चित्र को देखकर यह पूछ सके, "हम कहाँ हैं?"

सिस्टम दृश्य को तीन प्रकारों में वर्गीकृत करता है:

1. ऑफशोर (Offshore): खुला समुद्र, जहाँ स्थिति अपेक्षाकृत शांत और स्पष्ट है।
2. इनशोर (Inshore): तट, जहाँ पानी अधिक उबड़-खाबड़ है और बैकग्राउंड अव्यवस्थित है।
3. डेंस पोर्ट (Dense Port): एक भीड़भाड़ वाला बंदरगाह जहाँ जहाज पास-पास पैक हैं।

शोधकर्ताओं ने इस डिस्पैचर को इस काम में बहुत कुशल बनाया है। अपने परीक्षणों में, इसने 98.8% बार सही ढंग से वातावरण के प्रकार की पहचान की। यह महत्वपूर्ण है क्योंकि यह सुनिश्चित करता है कि सही काम के लिए सही उपकरण का उपयोग किया जाए। यदि डिस्पैचर गलत विशेषज्ञ को भेजता है, तो सिस्टम जहाज को मिस कर सकता है या लहरों से भ्रमित हो सकता है।

विशेषज्ञ जासूसों की टीम

एक बार जब डिस्पैचर को स्थान का पता चल जाता है, तो वह चित्र को उस विशिष्ट विशेषज्ञ को सौंप देता है जो उस वातावरण के लिए डिज़ाइन किया गया है:

• विशेषज्ञ A (ऑफशोर): खुले महासागर के लिए, सिस्टम YOLOv8n का उपयोग करता है। यह एक हल्का और तेज़ मॉडल है। चूंकि खुला समुद्र कम भीड़भाड़ वाला होता है, इसलिए इस विशेषज्ञ को अत्यधिक जटिल होने की आवश्यकता नहीं है; इसे बस तेज़ और सटीक होना चाहिए। शोधकर्ताओं ने पाया कि इस विशेषज्ञ ने 97% की डिटेक्शन सटीकता (जिसे mean Average Precision या mAP कहा जाता है) हासिल की।
• विशेषज्ञ B (इनशोर): तट के लिए, सिस्टम YOLOv8s पर स्विच करता है, जो थोड़ा बड़ा और अधिक सावधान है। यह "CFAR-आधारित एडेप्टिव फ़िल्टरिंग" नामक एक विशेष ट्रिक का भी उपयोग करता है। इसे एक ऐसे जासूस के रूप में समझें जो शोर के स्तर के आधार पर अपनी संवेदनशीलता को समायोजित करता है। यदि लहरें शोर कर रही हैं, तो जासूस जानता है कि छोटी लहरों को अनदेखा करना है और बड़े आकारों पर ध्यान केंद्रित करना है। इस विशेषज्ञ ने लगभग 86% की mAP हासिल की।
• विशेषज्ञ C (डेंस पोर्ट): यह सबसे भारी काम करने वाला है। भीड़भाड़ वाले बंदरगाहों में, जहाज एक-दूसरे के ऊपर ओवरलैप होते हैं, जिससे उन्हें अलग करना मुश्किल हो जाता है। यह विशेषज्ञ SwinIR (एक उपकरण जो दानेदार रडार चित्र को साफ करता है और उसे स्पष्ट बनाता है) और Mask R-CNN (एक मॉडल जो प्रत्येक व्यक्तिगत जहाज के चारों ओर एक सटीक रूपरेखा खींच सकता है, भले ही वे आपस में जुड़े हों) के संयोजन का उपयोग करता है। यह विशेषज्ञ ओवरलैपिंग जहाजों को खोजने में इतना सक्षम था कि इसने लगभग 1.0 का "रिकॉल" प्राप्त किया, जिसका अर्थ है कि इसने वहां मौजूद लगभग हर जहाज को ढूंढ लिया और बहुत कम चूक हुई।

छिपने वालों को पकड़ना: AIS फ्यूजन

जहाजों को खोजना केवल आधी लड़ाई है। असली लक्ष्य डार्क वेसल्स को खोजना है—वे जो छिप रहे हैं। इसे करने के लिए, सिस्टम "AIS डेटा फ्यूजन" नामक एक चतुर तकनीक का उपयोग करता है।

हर जहाज जो नियमों का पालन करता है, AIS के माध्यम से अपना स्थान प्रसारित करता है। सिस्टम रडार द्वारा खोजे गए जहाजों की सूची लेता है और इसकी तुलना उन जहाजों की सूची से करता है जो अपना स्थान प्रसारित कर रहे हैं। यह देखने के लिए कि क्या रडार वाला जहाज AIS जहाज के समान है, यह 'हेवर्सिन डिस्टेंस' (Haversine distance) नामक एक गणितीय सूत्र का उपयोग करता है। उन्होंने एक नियम बनाया: यदि रडार वाला जहाज एक AIS जहाज के 500 मीटर के भीतर है, तो वे एक ही हैं।

यदि रडार एक जहाज को देखता है, लेकिन पास में कोई AIS सिग्नल नहीं है, तो सिस्टम उसे डार्क वेसल के रूप में चिह्नित करता है। यह बिना हेडलाइट के चलती कार को देखने जैसा है; आप जानते हैं कि वह वहाँ है, लेकिन वह आपको यह नहीं बता रहा है कि वह कौन है।

रहस्यमयी जहाजों की ट्रैकिंग

एक बार डार्क वेसल का पता चलने के बाद, सिस्टम केवल एक स्नैपशॉट नहीं लेता; बल्कि वह ट्रैकिंग शुरू कर देता है। यह कलमन फिल्टर (Kalman Filter) का उपयोग करता है, जो एक गणितीय विधि है जो भविष्यवाणी करती है कि कोई चीज़ आगे कहाँ जाएगी। इसे "हॉट पोटैटो" के खेल के रूप में समझें जहाँ सिस्टम जहाज के पथ की भविष्यवाणी करता है। यदि कोई जहाज अचानक दिशा बदलता है या अजीब तरह से रुक जाता है, तो सिस्टम इस विसंगति (anomaly) को पकड़ सकता है। यह अधिकारियों को न केवल यह समझने में मदद करता है कि जहाज कहाँ है, बल्कि यह भी कि वह क्या कर रहा होगा।

परिणाम: परीक्षण के घेरे में

शोधकर्ताओं ने इसे केवल कंप्यूटर सिमुलेशन में नहीं बनाया; उन्होंने वास्तविक डेटा के साथ इसका परीक्षण किया। उन्होंने सेंटिनल-1 (Sentinel-1) उपग्रह की छवियों और दुनिया के सबसे व्यस्त शिपिंग मार्गों में से एक, सिंगापुर जलडमरूमध्य के डेटा का उपयोग किया।

यहाँ उनके निष्कर्ष दिए गए हैं:

• सिस्टम ने 1,038 जहाज डिटेक्शन का विश्लेषण किया।
• इसने उनमें से 96 को डार्क वेसल्स के रूप में पहचाना।
• इसके परिणामस्वरूप 9.24% की डार्क वेसल डिटेक्शन रेट (DVDR) प्राप्त हुई।

इसका अर्थ है कि इस विशिष्ट परीक्षण में, रडार द्वारा पकड़े गए हर 10 जहाजों में से लगभग 1 जहाज अपना स्थान प्रसारित नहीं कर रहा था। शोधकर्ता बताते हैं कि यह पिछले अध्ययनों के अनुरूप है, जो यह दर्शाता है कि समुद्री यातायात का एक महत्वपूर्ण हिस्सा साये में काम कर रहा है।

यह क्यों मायने रखता है

इस पेपर का मुख्य निष्कर्ष यह है कि जहाजों को खोजने के लिए "एक ही आकार के सभी के लिए" (one-size-fits-all) वाला दृष्टिकोण पर्याप्त नहीं है। एक ऐसा सिस्टम बनाकर जो विशेषज्ञों की एक टीम की तरह कार्य करता है—जिसमें से प्रत्येक के पास विभिन्न वातावरणों के लिए अपनी सुपरपावर है—शोधकर्ताओं ने समुद्री निगरानी के लिए एक अधिक मजबूत और सटीक तरीका विकसित किया है।

अध्ययन सुझाव देता है कि यह हाइब्रिड फ्रेमवर्क परिचालन समुद्री निगरानी (operational maritime surveillance) के लिए एक मजबूत कदम है। यह साधारण सिमुलेशन से आगे बढ़कर यह दिखाता है कि यह वास्तविक उपग्रह डेटा और लाइव ट्रैफिक जानकारी के साथ काम कर सकता है। हालांकि यह सिस्टम पूर्ण नहीं है (कोई भी सिस्टम पूर्ण नहीं होता), यह "डार्क वेसल्स" को पकड़ने का एक आशाजनक तरीका प्रदान करता है जो अंधेरे में छिपने की कोशिश करते हैं, जिससे वैश्विक व्यापार मार्ग अधिक सुरक्षित और सुदृढ़ बनाए रखने में मदद मिलती है। शोधकर्ता भविष्य में रडार को अन्य प्रकार के सेंसरों के साथ जोड़कर इस सिस्टम को बेहतर बनाने की योजना बना रहे हैं, लेकिन फिलहाल, उन्होंने दिखाया है कि छिपे हुए महासागर की पहेली को सुलझाने के लिए एक स्मार्ट, मल्टी-एक्सपर्ट टीम ही सबसे अच्छा तरीका है।