हमारे शहरों, खेतों और राजमार्गों के ऊपर के आसमान में, एक शांत क्रांति हो रही है। मानव रहित हवाई वाहन, या ड्रोन, आधुनिक जीवन के लिए अपरिहार्य उपकरण बन गए हैं, जो फसल के स्वास्थ्य की निगरानी करने और बिजली की लाइनों के निरीक्षण करने से लेकर यातायात प्रवाह को प्रबंधित करने और सार्वजनिक सुरक्षा सुनिश्चित करने तक के कार्य कर रहे हैं। हालाँकि, इन मशीनों के वास्तव में प्रभावी होने के लिए, उनके पास एक पैनी दृष्टि होनी चाहिए। उन्हें ऊंचाई से वस्तुओं को देखना और पहचानना आवश्यक है, जो अक्सर जटिल वातावरण में होता है जहाँ लक्ष्य बहुत छोटे होते हैं, पृष्ठभूमि अव्यवस्थित होती है, और प्रकाश तेजी से बदलता है। कंप्यूटर के लिए यह एक कठिन कार्य है। जब एक ड्रोन नीचे देखता है, तो एक व्यक्ति या कार केवल कुछ पिक्सेल के रूप में दिखाई दे सकती है, जो आसपास के दृश्य के शोर में आसानी से खो जाती है। इसके अलावा, इन ड्रोनों पर उड़ने वाले कंप्यूटर छोटे और शक्ति-सीमित होते; वे उन विशाल, ऊर्जा-खपत करने वाले प्रोसेसर को नहीं ले जा सकते जो डेटा केंद्रों में पाए जाते हैं। इसलिए, चुनौती एक ऐसा सिस्टम बनाने की है जो इन छोटे, धुंधले ऑब्जेक्ट्स को खोजने के लिए पर्याप्त तीक्ष्ण हो और इतना हल्का भी हो कि ड्रोन की बैटरी को खत्म किए बिना उस पर चल सके।

इसे हल करने के लिए, शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस के एक वर्ग की ओर रुख किया जिसे 'ऑब्जेक्ट डिटेक्शन' (वस्तु पहचान) कहा जाता है, जो मशीनों को छवियों में चीजों को खोजने और पहचानने की अनुमति देता है। जबकि ये सिस्टम बड़ी वस्तुओं को पहचानने में बहुत अच्छे हो गए हैं, वे अक्सर तब संघर्ष करते हैं जब लक्ष्य छोटे होते हैं और स्थितियाँ कठिन होती हैं। एक हालिया अध्ययन एक नए दृष्टिकोण को पेश करता है जो विशेष रूप से इस हवाई परिप्रेक्ष्य के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने, जो ईस्ट चाइना नॉर्मल यूनिवर्सिटी से जुड़े हैं, GMD-YOLO26 नामक एक सिस्टम विकसित किया है। मौजूदा सॉफ्टवेयर को केवल बड़ा या अधिक जटिल बनाने के बजाय, उन्होंने इस बात की पुनर्कल्पना की कि कंप्यूटर दृश्य जानकारी को कैसे संसाधित करता है। उन्होंने इस कार्य को तीन अलग-अलग, सहकारी चरणों में विभाजित किया: सिग्नल को पुनः प्राप्त करना (रिकवरिंग), महत्वपूर्ण विवरणों का चयन करना, और सूचना को कुशलतापूर्वक प्रवाहित करना। यह विधि ड्रोन को बिना सुपरकंप्यूटर की आवश्यकता के स्पष्ट रूप से देखने की अनुमति देती है।

इस नए सिस्टम का पहला चरण कमजोर सिग्नलों की समस्या का समाधान करता है। एक विशिष्ट हवाई फोटो में, पैदल यात्री या साइकिल जैसा छोटा ऑब्जेक्ट अक्सर सड़क या घास की बनावट में खोया हुआ पिक्सेल का एक धुंधला सा हिस्सा होता है। शोधकर्ताओं ने एक विशेष मॉड्यूल बनाया है जो एक 'रिकवरी ऑपरेटर' के रूप में कार्य करता है। इसे एक ऐसे चश्मे की तरह समझें जो कंप्यूटर को सूक्ष्म विवरणों पर ध्यान केंद्रित करने में मदद करता है। यह मॉड्यूल कच्चे इमेज डेटा को स्कैन करता है और छोटे ऑब्जेक्ट्स से संबंधित विशिष्ट संकेतों को बढ़ाता है जबकि बैकग्राउंड के शोर को दबा देता है। प्रक्रिया की शुरुआत में ही ऐसा करके, सिस्टम यह सुनिश्चित करता है कि कंप्यूटर द्वारा विश्लेषण शुरू करने से पहले ही छोटे लक्ष्य खो न जाएं। यह चरण महत्वपूर्ण है क्योंकि यदि प्रारंभिक सिग्नल बहुत कमजोर है, तो बाद में कितनी भी प्रोसेसिंग क्यों न की जाए, ऑब्जेक्ट को वापस नहीं पाया जा सकता।

एक बार जब धुंधले सिग्नलों को रिकवर और मजबूत कर लिया जाता है, तो सिस्टम दूसरे चरण यानी 'चयन' (सिलेक्शन) की ओर बढ़ता है। हवाई चित्र सूचनाओं से भरे होते हैं, लेकिन उनमें से सभी उपयोगी नहीं होते। कंप्यूटर को यह तय करने की आवश्यकता होती है कि वर्तमान कार्य के लिए छवि का कौन सा हिस्सा महत्वपूर्ण है। शोधकर्ताओं ने एक बुद्धिमान फिल्टर डिजाइन किया है जो उन्नत छवि को देखता है और सबसे प्रासंगिक संदर्भ (कॉन्टेक्स्ट) पर ध्यान केंद्रित करता है। यह फिल्टर अद्वितीय है क्योंकि यह एक साथ विभिन्न पैमानों (स्केल्स) पर छवि को देख सकता है। यह समझता है कि ड्रोन की दूरी के आधार पर एक कार अलग दिख सकती है, और यह उसके अनुसार अपना ध्यान समायोजित करता है। अप्रासंगिक बैकग्राउंड के शोर को हटाकर और सबसे महत्वपूर्ण विशेषताओं को उजागर करके, यह चरण सुनिश्चित करता है कि सिस्टम सूचना के एक स्वच्छ, उच्च-गुणवत्ता वाले सेट के साथ काम कर रहा है, जो अंतिम चरण के लिए तैयार है।

तीसरा चरण 'प्रवाह' (फ्लो) के बारे में है। कई कंप्यूटर विजन सिस्टम में, छवि के विभिन्न हिस्सों से जानकारी को जोड़ना एक भारी कम्प्यूटेशनल कार्य है जो गति को धीमा कर देता है। एक ड्रोन के लिए, गति आवश्यक है; उसे वास्तविक समय (रियल-टाइम) में निर्णय लेने चाहिए। शोधकर्ताओं ने सूचना के प्रवाह और सिस्टम के विभिन्न स्तरों के बीच कैसे चलती और मिलती है, इसे प्रबंधित करने के लिए एक डायनेमिक मॉड्यूल बनाया है। एक भारी, 'वन-साइज़-फिट्स-ऑल' दृष्टिकोण का उपयोग करने के बजाय, यह मॉड्यूल इस आधार पर अपने तरीके को अनुकूलित करता है कि वह क्या देख रहा है। यह दृश्य की उच्च-स्तरीय समझ को छोटे ऑब्जेक्ट्स के सूक्ष्म विवरणों के साथ कुशलतापूर्वक जोड़ता है। यह सुनिश्चित करता है कि अंतिम निर्णय तेजी से और सटीक रूप से लिया जाए, बिना ड्रोन के सीमित प्रोसेसर पर अत्यधिक भार डाले। पूरी प्रक्रिया एक सुसंगत इकाई के रूप में कार्य करती है, जहाँ प्रत्येक चरण डेटा को अगले चरण के लिए पूरी तरह से तैयार करता है, जिससे कच्चे इमेज से अंतिम डिटेक्शन तक एक सहज पाइपलाइन बनती है।

शोधकर्ताओं ने इस नए सिस्टम का परीक्षण ड्रोन विजन के मूल्यांकन के लिए उपयोग किए जाने वाले दो प्रमुख डेटासेट्स पर किया, जिनमें शहरों, सड़कों और भीड़ की हजारों वास्तविक दुनिया की छवियां शामिल हैं। परिणामों ने दिखाया कि नया सिस्टम, GMD-YOLO26, उस सॉफ्टवेयर के पिछले संस्करणों की तुलना में छोटे ऑब्जेक्ट्स को खोजने में काफी बेहतर था जिस पर यह आधारित है। इसने मॉडल को चलाने के लिए आवश्यक मापदंडों (पैरामीटर्स), या आंतरिक घटकों की संख्या को कम करते हुए, डिटेक्शन सटीकता में उल्लेखनीय सुधार किया। विशेष रूप रूप से, नए सिस्टम ने प्राथमिक टेस्ट सेट पर 35.3% का डिटेक्शन स्कोर हासिल किया, जो बेसलाइन की तुलना में एक बड़ा सुधार है, जबकि 16.4% कम पैरामीटर्स का उपयोग किया। इसका अर्थ है कि सिस्टम न केवल अधिक सटीक है बल्कि हल्का और अधिक कुशल भी है, जो इसे ड्रोन पर वास्तविक दुनिया में तैनाती के लिए आदर्श बनाता है।

केवल आंकड़ों से परे, दृश्य परिणामों ने सिस्टम की मजबूती (रोबस्टनेस) को प्रदर्शित किया। चुनौतीपूर्ण परिदृश्यों में, जैसे कम रोशनी वाले रात के दृश्यों या भारी यातायात वाले क्षेत्रों में, नए सिस्टम ने पुराने मॉडलों की तुलना में अधिक लक्ष्यों की सफलतापूर्वक पहचान की। यह उन पैदल यात्रियों और वाहनों को पहचानने में सक्षम था जो पहले छूट गए थे या गलत पहचाने गए थे, भले ही वे आंशिक रूप से छिपे हुए हों या बहुत छोटे हों। शोधकर्ताओं ने वाहन ट्रैकिंग पर केंद्रित एक अलग डेटासेट पर भी सिस्टम का परीक्षण किया, और इसने वहां भी अच्छा प्रदर्शन किया, जिससे यह सिद्ध हुआ कि सुधार केवल एक विशिष्ट प्रकार की छवि तक सीमित नहीं थे, बल्कि यह सिस्टम की देखने की क्षमता में एक वास्तविक वृद्धि थी। अध्ययन पुष्टि करता है कि यह सावधानीपूर्वक डिजाइन करने से कि कंप्यूटर सूचना को कैसे रिकवर, सेलेक्ट और फ्लो करता है, एक ऐसा डिटेक्टर बनाना संभव है जो सटीक भी हो और उड़ते हुए ड्रोन के कठिन वातावरण के लिए पर्याप्त हल्का भी हो।

यह कार्य हवाई बुद्धिमत्ता (एरियल इंटेलिजेंस) के भविष्य के लिए एक व्यावहारिक मार्ग प्रदान करता है। सख्त कम्प्यूटेशनल सीमाओं के तहत छोटे ऑब्जेक्ट डिटेक्शन की विशिष्ट समस्याओं को हल करके, शोधकर्ताओं ने एक ऐसा उपकरण प्रदान किया है जो ड्रोनों को उनके दैनिक कार्यों में सुरक्षित और अधिक प्रभावी बना सकता है। चाहे वह आग के संकेतों के लिए जंगल की निगरानी करना हो, पुल में दरारों का निरीक्षण करना हो, या व्यस्त शहर में यातायात का प्रबंधन करना हो, छोटी चीजों को स्पष्ट रूप से देखने की क्षमता ही एक उपयोगी उपकरण को महज एक नवीनता से अलग करती है। GMD-YOLO26 सिस्टम प्रदर्शित करता है कि सही डिजाइन के साथ, आर्टिफिशियल इंटेलिजेंस शक्तिशाली और कुशल दोनों हो सकता है, जो आसमान में उड़ने और हमें दुनिया को एक नए दृष्टिकोण से देखने में मदद करने के लिए तैयार है।