PV Defect Detection Network Equipped with Novel Decoupled Downsampling, Mixed Attention and Heterogeneous Convolution Modules

कल्पना कीजिए कि आप एक विशाल, चमकदार सौर पैनल पर एक नन्ही सी खरोंच खोजने की कोशिश कर रहे हैं। विज्ञान की दुनिया में, इसे "डिफेक्ट डिटेक्शन" (दोष पहचान) कहा जाता है, और यह एक बहुत बड़ी बात है क्योंकि टूटे हुए पैनल ऊर्जा बर्बाद करते हैं और पैसा खर्च करवाते हैं। आमतौर पर, इन अदृश्य दरारों या छिपे हुए गर्म स्थानों को खोजने के लिए, विशेषज्ञ अत्यधिक महंगे, विशेष कैमरों का उपयोग करते हैं जो विशेष रोशनी के साथ चमकते हैं (जैसे सौर पैनलों के लिए एक्स-रे)। लेकिन वे कैमरे भारी, महंगे और हर जगह उपयोग करने में कठिन होते हैं। यह शोध पत्र "कंप्यूटर विज़न" के कोने में रहता है, जहाँ वैज्ञानिक कंप्यूटर को मनुष्यों की तरह "देखने" के लिए सिखाते हैं। मुख्य विचार एक साधारण, रोज़मर्रा के कैमरों (वैसी ही तरह जैसे आपके फोन में होते हैं) का उपयोग करके इन समस्याओं को पहचानना है, लेकिन पेचीदा हिस्सा कंप्यूटर को इतना स्मार्ट बनाना है कि वह बिना किसी सुपर-कंप्यूटर की गणितीय गणनाओं की आवश्यकता के सूक्ष्म दोषों को ढूंढ सके।

इस शोध पत्र के लेखक, लिंग ज़ु, जियान्यु चेंग और गुआंग्यु लियू ने सौर पैनलों के लिए एक नया "जासूस" बनाने का निर्णय लिया। उन्होंने एक लोकप्रिय, तेज़ कंप्यूटर विज़न मॉडल के साथ शुरुआत की जिसे YOLOv8 कहा जाता है (इसका अर्थ है "You Only Look Once," जो एक नाम है जो बताता है कि यह त्वरित और कुशल है)। हालाँकि, उन्हें लगा कि मानक जासूस थोड़ा बहुत भारी था और कुछ सूक्ष्म सुरागों को मिस कर देता था। इसलिए, उन्होंने इसे एक बड़ा मेकओवर दिया, जिससे उन्होंने एक नया मॉडल बनाया जिसे वे CCM-YOLO कहते हैं। इस नए मॉडल को एक ऐसे जासूस के रूप में सोचें जिसे एक हल्का बैकपैक, तेज़ आँखें, और विशेष चश्मे पहनाए गए हैं जो उसे बैकग्राउंड के शोर को अनदेखा करने और केवल समस्या वाले स्थानों पर ध्यान केंद्रित करने में मदद करते हैं।

उन्होंने अपने जासूस को कुछ चालाक तरीकों का उपयोग करके कैसे अपग्रेड किया, यहाँ बताया गया है:

सबसे पहले, उन्होंने मॉडल के "देखने" के तरीके को ठीक किया। सामान्य रूप से, जब एक कंप्यूटर बड़ी तस्वीर देखने के लिए ज़ूम आउट करता है, तो वह एक मानक विधि का उपयोग करता है जो भारी और धीमी होती है, जैसे दौड़ते समय एक भारी बैकपैक ले जाना। लेखकों ने एक नई विधि बनाई जिसे DCDown (Decoupled Downsampling) कहा जाता है। कल्पना करें कि पूरे बैकपैक को ले जाने के बजाय, जासूस भार को विभाजित करता है: मस्तिष्क का एक हिस्सा "क्या" (रंग और विवरण) को संभालता है, और दूसरा हिस्सा "कहाँ" (आकार और रूप) को अलग-अलग संभालता है। यह ट्रिक मॉडल को बहुत हल्का और तेज़ बनाती है। सैद्धांतिक रूप से, यह नई विधि पुराने तरीके की तुलना में उस विशिष्ट डाउनसैंपलिंग चरण में मापदंडों (parameters) को 89% तक कम कर सकती है, और जब इसे पूरे मॉडल पर लागू किया जाता है, तो इसने सब कुछ स्पष्ट रूप से देखते हुए कुल आवश्यक "मस्तिष्क कोशिकाओं" (मापदंडों) को लगभग 22.5% कम करने में मदद की।

दूसरा, उन्होंने मॉडल को बेहतर ध्यान कौशल दिया। कभी-कभी, एक जासूस पैनल पर खरोंच के बजाय आकाश या घास से विचलित हो जाता है। टीम ने एक विशेष मॉड्यूल जोड़ा जिसे CSPMLCA कहा जाता है। आप इसे एक "फोकस फ़िल्टर" के रूप में समझ सकते हैं जो मॉडल को उबाऊ बैकग्राउंड को अनदेखा करने और उन अजीब जगहों पर ज़ूम करने में मदद करता है जो दोषों की तरह दिखती हैं। यह ऐसा करता है बिना बैकपैक में कोई अतिरिक्त वजन जोड़े, जिससे मॉडल भारी हुए बिना स्मार्ट बनता है।

तीसरा, उन्होंने मॉडल के मुख्य इंजन को बदल दिया। मूल इंजन हर काम के लिए एक ही प्रकार के उपकरण का उपयोग करता था, जो थोड़ा अक्षम है। नया CSPHet मॉड्यूल "विषम" (heterogeneous) उपकरणों का उपयोग करता है, जिसका अर्थ है कि यह छवि को देखने के लिए विभिन्न प्रकार के लेंसों (कुछ बड़े, कुछ छोटे) को मिलाता है। यह एक ऐसे शेफ की तरह है जो हर चीज़ के लिए सिर्फ एक बड़े चम्मच के बजाय मसालों के लिए एक छोटा चम्मच और सूप के लिए एक बड़ा कलछी (ladle) का उपयोग करता है। यह मिश्रण मॉडल को कम सामग्री (कंप्यूटिंग पावर) के साथ छोटी दरारों और बड़े दागों को समान रूप से पकड़ने की अनुमति देता है।

जब उन्होंने अपने नए CCM-YOLO जासूस का परीक्षण 1,109 सौर पैनल छवियों के सार्वजनिक डेटासेट पर किया, तो परिणाम प्रभावशाली थे। मॉडल ने 95.19% सटीकता दर (जिसे mAP कहा जाता है) के साथ दोषों को खोजा, जो मूल मॉडल से अधिक है। यह बहुत हल्का भी हो गया: इसकी फ़ाइल का आकार 22.5 MB से घटकर केवल 17.6 MB रह गया, और इसे चलाने के लिए 22.5% कम मापदंडों की आवश्यकता थी। इसका मतलब है कि यह छोटे, सस्ते कंप्यूटरों पर चल सकता है, जिससे फील्ड में सौर पैनलों की जांच करना संभव हो जाता है जिसके लिए विशाल सर्वर की आवश्यकता नहीं होती।

लेखक आश्वस्त हैं कि यह दृष्टिकोण दृश्य प्रकाश छवियों (visible light images) के लिए अच्छी तरह काम करता है, जो सस्ती और आसानी से उपलब्ध हैं। हालाँकि, वे स्वीकार करते हैं कि मॉडल अभी भी संघर्ष करता है जब दोष अत्यंत कठिन होते हैं (बहुत उच्च सटीकता की आवश्यकता होती है) और प्रशिक्षण के दौरान इसे "सीखने" में थोड़ा समय लगता है। वे यह भी नोट करते हैं कि उनके परीक्षण डेटा ने हर संभावित चरम मौसम की स्थिति को कवर नहीं किया। लेकिन कुल मिलाकर, वे सुझाव देते हैं कि CCM-YOLO एक मजबूत, हल्का समाधान है जो गति और सटीकता के बीच संतुलन बनाता है, जो हमारे सौर पैनलों को कुशलतापूर्वक काम करने के लिए एक व्यावहारिक तरीका प्रदान करता है।