A Cross-Modal Detection-Segmentation Framework for Video-Based Process Monitoring in Wire Arc Additive Manufacturing
यह अध्ययन वायर आर्क एडिटिव मैन्युफैक्चरिंग के लिए एक रियल-टाइम कंप्यूटर विजन पाइपलाइन स्थापित करता है जो वेल्ड मॉनिटरिंग के लिए YOLOv8n को इष्टतम डिटेक्टर के रूप में पहचानता है और सेगमेंटेशन के लिए एक YOLO-गाइडेड SAM2 फ्रेमवर्क का प्रस्ताव करता है, जबकि अत्यधिक आर्क ग्लेयर (arc glare) के तहत निरंतर वेल्डिंग विशेषताओं को अलग करने में फाउंडेशन मॉडल्स की वर्तमान सीमाओं को भी रेखांकित 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
आधुनिक विनिर्माण की दुनिया में, एक ठोस ब्लॉक से काटने के बजाय, परतों में जोड़कर बड़ी और जटिल धातु की वस्तुओं को बनाने की बढ़ती इच्छा है। यह प्रक्रिया, जिसे वायर आर्क एडिटिव मैन्युफैक्चरिंग (wire arc additive manufacturing) कहा जाता है, काफी हद तक एक रोबोटिक 3D प्रिंटर की तरह काम करती है जो एक वेल्डिंग टॉर्च का उपयोग करता है। एक मशीन एक उच्च-तापमान वाले इलेक्ट्रिक आर्क में धातु के तार को फीड करती है, जिससे वह पिघल जाता है और एक नया आकार बनाने के लिए सतह पर जमा हो जाता है। इस पूरी प्रक्रिया की सफलता एक सूक्ष्म, क्षणिक पल पर टिकी होती है: मोल्टेन पूल (molten pool)। यह तरल धातु का एक छोटा, चमकता हुआ गड्ढा है जहाँ तार मौजूदा भाग से मिलता है। यदि यह पूल बहुत गर्म, बहुत ठंडा, या बहुत तेज़ गति से चलता है, तो अंतिम उत्पाद कमजोर या दरारों से भरा होगा। क्योंकि यह पिघली हुई धातु एक अंधा कर देने वाली तेज़ रोशनी वाले आर्क के नीचे छिपी होती है और उड़ती हुई चिंगारियों से घिरी होती है, इसलिए इसे मानवीय आँखों के लिए करीब से देखना अविश्वसनीय रूप से कठिन है। वर्षों से, इंजीनियर उन सेंसरों पर भरोसा करते आए हैं जो बिजली या ध्वनि को मापते हैं, लेकिन ये विधियाँ केवल धातु के साथ वास्तव में क्या हो रहा है, उसके बारे में अप्रत्यक्ष संकेत ही देती हैं।
भारतीय प्रौद्योगिकी संस्थान खड़गपुर और रॉबर्ट गॉर्डन यूनिवर्सिटी सहित विभिन्न संस्थानों के शोधकर्ताओं का एक नया अध्ययन एक अलग दृष्टिकोण अपनाता है। मशीन को सुनने या उसके विद्युत संकेतों को मापने के बजाय, उन्होंने एक कंप्यूटर को सीधे प्रक्रिया को देखना सिखाने का निर्णय लिया। उन्होंने एक ऐसा सिस्टम बनाया जो वास्तविक समय में वेल्डिंग के वीडियो देखता है, और दो महत्वपूर्ण चीजों को पहचानने का प्रयास करता है: वह ठोस धातु जिसे अभी-तत रखा गया है, जिसे वेल्ड बीड (weld bead) कहा जाता है, और टॉर्च के ठीक सामने मौजूद सक्रिय, तरल धातु का पूल। चुनौती यह है कि वीडियो अव्यवस्थित है। आर्क की तेज़ रोशनी अक्सर छवि को धुंधला कर देती है, और पिघली हुई धातु इस तरह बहती है कि यह बताना कठिन हो जाता है कि तरल कहाँ समाप्त होता है और ठोस कहाँ शुरू होता है। शोधकर्ताओं ने यह खोजने के लिए एक तरीका निर्धारित किया कि कंप्यूटर इन विशेषताओं को पहचानने का सबसे अच्छा तरीका क्या है और फिर वे यह देख सकें कि क्या वे हर वीडियो फ्रेम पर मानव द्वारा विस्तृत रूपरेखा खींचने की आवश्यकता के बिना वेल्ड की गुणवत्ता का आकलन करने के लिए उस जानकारी का उपयोग कर सकते हैं।
अपने विचारों का परीक्षण करने के लिए, टीम ने औद्योगिक वेल्डिंग वीडियो का एक संग्रह एकत्र किया। उन्होंने आर्टिफिशियल इंटेलिजेंस के अन्य क्षेत्रों में आम तौर पर उपयोग किए जाने वाले लाखों छवियों के विशाल पुस्तकालय का उपयोग नहीं किया, बल्कि ग्यारह वास्तविक वेल्डिंग सत्रों से लिए गए 335 फ्रेमों के एक सावधानीपूर्वक चयनित सेट का उपयोग किया। इन फ्रेमों ने सफल वेल्ड और दोषपूर्ण वेल्ड दोनों को दिखाया, जिसमें अस्थिर आर्क या दूषित धातु की सतह जैसी विभिन्न स्थितियों को भी शामिल किया गया। शोधकर्ताओं ने पांच अलग-अलग प्रकार के कंप्यूटर विजन मॉडल को प्रशिक्षित किया ताकि वे मशीन के लिए 'आंखों' के रूप में कार्य कर सकें। उन्होंने हल्के मॉडलों से लेकर अधिक जटिल प्रणालियों तक, जो उन्नत गणितीय संरचनाओं (जिन्हें ट्रांसफॉर्मर कहा जाता है) का उपयोग करती हैं, विभिन्न दृष्टिकोणों का परीक्षण किया। लक्ष्य यह देखना था कि कौन सा मॉडल वेल्ड बीड और मोल्टेन पूल के चारों ओर एक बॉक्स बनाने में सबसे सटीक है, भले ही छवि चमक या गति के कारण विकृत हो गई हो।
परिणाम स्पष्ट रूप से एक विशिष्ट प्रकार के मॉडल की ओर इशारा करते हैं। YOLOv8n नामक एक हल्का सिस्टम इस काम के लिए सबसे प्रभावी उपकरण साबित हुआ। इसने अधिकांश टेस्ट इमेज में वेल्ड बीड और मोल्टेन पूल को सफलतापूर्वक पहचाना, और प्रति सेकंड 140 से अधिक फ्रेमों को प्रोसेस करते हुए उच्च स्तर की सटीकता प्राप्त की। यह गति महत्वपूर्ण है क्योंकि इसका मतलब है कि सिस्टम सैद्धांतिक रूप से वेल्डिंग प्रक्रिया के होते समय उसे देख सकता है और कुछ गलत होने पर तुरंत प्रतिक्रिया दे सकता है। इसके विपरीत, अधिक जटिल ट्रांसफॉर्मर-आधारित मॉडल, जिन्होंने कंप्यूटर विज़न के अन्य क्षेत्रों में बहुत आशाजनक प्रदर्शन किया है, काफी संघर्ष करते दिखे। उन्होंने इस छोटे, विशेष डेटासेट पर बहुत खराब प्रदर्शन किया, जिससे पता चलता है कि इन शक्तिशाली प्रणालियों को वेल्डिंग आर्क के सूक्ष्म विवरणों को देखने के लिए बहुत अधिक प्रशिक्षण डेटा की आवश्यकता होती है। अध्ययन में यह भी पाया गया कि वीडियो को ब्लैक एंड व्हाइट में बदलने के बजाय रंगीन रखने से थोड़ा लेकिन निरंतर लाभ मिला, जो यह दर्शाता है कि चमकती धातु के सूक्ष्म रंग अंतर भी कंप्यूटर को भागों को अलग करने में मदद करते हैं।
वेल्ड को खोजने का एक विश्वसनीय तरीका खोजने के बाद, शोधकर्ताओं ने अगला कदम उठाने की कोशिश की: धातु के आकार का एक विस्तृत मानचित्र बनाना। कंप्यूटर विज़न के कई कार्यों में, एक बार जब कोई वस्तु मिल जाती है, तो एक "फाउंडेशन मॉडल" का उपयोग करके उसके चारों ओर एक सटीक रूपरेखा खींची जा सकती है, जो उसे बैकग्राउंड से पिक्सेल-दर-पिक्सेल अलग करती है। टीम ने SAM2 नामक एक अत्याधुनिक टूल का उपयोग किया, जिसे वीडियो में वस्तुओं को समझने और सेगमेंट करने के लिए डिज़ाइन किया गया है। उन्होंने तेज़ डिटेक्टर का उपयोग टूल को एक मोटा शुरुआती बिंदु देने के लिए किया, और फिर टूल को वीडियो में वेल्ड के आकार को ट्रैक करने के लिए छोड़ दिया। हालांकि यह वेल्ड के सामान्य क्षेत्र को ट्रैक करने के लिए अच्छा काम कर रहा था, लेकिन यह एक मौलिक बाधा से टकरा गया। टूल ठोस वेल्ड बीड और तरल मोल्टेन पूल को एक ही निरंतर आकार में मिला देता था। ऐसा इसलिए हुआ क्योंकि कार या व्यक्ति की तरह, जिसका एक स्पष्ट सीमा होती है, वेल्ड बीड और मोल्टेन पूल शारीरिक रूप से जुड़े हुए हैं। धातु तरल से ठोस में सहजता से बहती है, और आर्क की तीव्र रोशनी संक्रमण को धुंधला बना देती है। कंप्यूटर, जिसे जानवरों या वाहनों जैसी स्पष्ट वस्तुओं की छवियों पर प्रशिक्षित किया गया था, इन दो निरंतर भागों को अलग करने में असमर्थ रहा।
इस सीमा ने विशेष औद्योगिक समस्याओं पर सामान्य आर्टिफिशियल इंटेलिजेंस को लागू करने के बारे में एक महत्वपूर्ण सत्य को उजागर किया। जबकि सिस्टम विश्वसनीय रूप से यह पा सकता था कि वेल्डिंग कहाँ हो रही है और जमाव के समग्र आकार और आकृति को माप सकता था, यह अभी तक मानवीय सहायता के बिना तरल को ठोस से पूरी तरह अलग नहीं कर सका। शोधकर्ताओं ने निष्कर्ष निकाला कि फिलहाल, सबसे अच्छा दृष्टिकोण तेज़ डिटेक्टर का उपयोग स्थान खोजने के लिए करना और फिर आकार के डेटा को पूर्ण माप के बजाय एक अनुमान के रूप में मानना है। वे अब इन अनुमानित मापों को कच्चे वीडियो डेटा के साथ मिलाकर एक ऐसा सिस्टम बनाने की योजना बना रहे हैं जो पूरे वेल्ड अनुक्रम की गुणवत्ता का निर्णय ले सके। वीडियो को एक संपूर्ण इकाई के रूप में देखकर, न कि हर सिंगल फ्रेम को पूर्ण बनाने की कोशिश करके, वे एक ऐसा सिस्टम बनाने की उम्मीद करते हैं जो किसी फैक्ट्री को यह बता सके कि कोई हिस्सा अच्छा है या खराब, बिना किसी इंसान द्वारा हर दोष को लेबल करने की आवश्यकता के। यह कार्य एक ठोस आधार स्थापित करता है, जो दिखाता है कि औद्योगिक वेल्डिंग की तीव्र और अव्यवस्थित वास्तविकता को देखने के लिए वर्तमान में जटिल, डेटा-भूखे सिस्टम की तुलना में सरल और तेज़ कंप्यूटर विज़न अधिक विश्वसनीय है।
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।