Visual vehicle condition screening for ride-hailing: a grouped evaluation of DriveAI

हर दिन, लाखों लोग एक जगह से दूसरी जगह जाने के लिए राइड-हेलिंग ऐप्स पर निर्भर रहते हैं। किसी कार को यात्री ले जाने की अनुमति मिलने से पहले, उसे सुरक्षा जांच से गुजरना पड़ता है। आमतौर पर, इसमें एक इंसान द्वारा वाहन की तस्वीरों को देखना शामिल होता है ताकि डेंट, खरोंच या गायब हिस्सों का पता लगाया जा सके। लेकिन ये तस्वीरें लेना एक जटिल काम है। हो सकता है कि कोई ड्राइवर तेज धूप में, या गहरी छाया में, या ऐसे कोण से फोन से फोटो खींचे जिससे क्षतिग्रस्त बंपर कट जाए। तस्वीरें गुणवत्ता में बहुत भिन्न होती हैं, जिससे एक मानव निरीक्षक के लिए यह जानना मुश्किल हो जाता है कि क्या कार वास्तव में सुरक्षित है या फोटो बस खराब दिख रही है। इसे हल करने के लिए, शोधकर्ता ऐसे कंप्यूटर सिस्टम बना रहे हैं जो इन अव्यवस्थित तस्वीरों को देख सकें और तय कर सकें कि वाहन अच्छी स्थिति में है या उसे बारीकी से देखने की जरूरत है। यह क्षेत्र, जिसे विजुअल कंडीशन असेसमेंट (दृश्य स्थिति मूल्यांकन) कहा जाता है, मशीनों को यह सिखाने की कोशिश करता है कि वे वही देखें जो एक मानव निरीक्षक देखता है, भले ही रोशनी खराब हो या कोण अजीब हो।

हाल ही में एक अध्ययन में, अस्ताना आईटी यूनिवर्सिटी के एक शोधकर्ता अकादिल अलिश ने 'ड्राइव-एआई' (DriveAI) नामक एक विशिष्ट सॉफ्टवेयर टूल का परीक्षण किया। इस टूल को राइड-हेलिंग कंपनियों के लिए एक प्राथमिक फिल्टर के रूप में कार्य करने के लिए डिज़ाइन किया गया था। इसका काम प्रस्तुत की गई फोटो को स्कैन करना और यह तय करना है: क्या यह कार सुरक्षित है, या क्षतिग्रस्त है? यह सिस्टम दो भागों में काम करता है। सबसे पहले, यह एक शक्तिशाली, प्री-ट्रेंड कंप्यूटर मस्तिष्क का उपयोग करता है जिसने लाखों छवियों से वस्तुओं और दृश्यों को पहचानना पहले से ही सीख लिया है। इस सिस्टम का यह हिस्सा स्वयं कार की तस्वीरों से नहीं सीखता है; यह केवल प्रत्येक तस्वीर को इसकी दृश्य विशेषताओं के गणितीय सारांश में बदल देता है। फिर, इस सारांश के ऊपर एक सरल, कस्टम-मेड लेयर (परत) अंतिम निर्णय लेने के लिए बैठती है। यदि सिस्टम को कोई समस्या दिखती है, तो यह फोटो पर एक मोटा रूपरेखा भी बना सकता है ताकि दिखाया जा सके कि गंदगी या क्षति कहाँ हो सकती है, हालांकि इस दूसरे भाग पर परीक्षण का मुख्य ध्यान नहीं था।

अध्ययन एक चुनौती के साथ शुरू हुआ: शोधकर्ताओं के पास जो डेटा था वह थोड़ा अव्यवस्थित था। उन्हें एक डिजिटल स्टोरेज सिस्टम में 4,000 से अधिक तस्वीरें मिलीं, लेकिन कुछ गायब थीं, कुछ डुप्लिकेट थीं, और कुछ एक ही कार के अलग-अलग दृश्य थे। एक निष्पक्ष परीक्षण करने के लिए, टीम ने संग्रह को साफ किया। उन्होंने 24 डुप्लिकेट छवियों को हटा दिया और उन तस्वीरों को एक साथ समूहबद्ध किया जो देखने में समान थीं, यह सुनिश्चित करते हुए कि कंप्यूटर का परीक्षण अद्वितीय चित्रों पर किया जाए न कि एक ही कार को अलग-अलग फोल्डरों में दोबारा देखे। अंत में उनके पास परीक्षण के लिए 871 तस्वीरों का एक सेट बचा, जिसे उन्होंने कंप्यूटर को पहले कभी नहीं दिखाया था। लक्ष्य यह देखना था कि क्या सिस्टम खराब रोशनी या अजीब कोणों से धोखा खाए बिना क्षतिग्रस्त वाहनों की सही पहचान कर सकता है।

परिणाम आश्चर्यजनक रूप से मजबूत थे। जब कंप्यूटर ने 871 टेस्ट फोटो को देखा, तो उसने 0.95 के AUC के साथ सही ढंग से पहचाना कि कार क्षतिग्रस्त है या सुरक्षित। इससे भी महत्वपूर्ण बात यह है कि जब वास्तव में किसी कार में क्षति थी, तो सिस्टम ने 0.975 के AUC के साथ उसे पकड़ लिया। यह उच्च सफलता दर बताती है कि प्री-ट्रेंड विजुअल ब्रेन का उपयोग करने और एक सरल निर्णय परत को जोड़ने का तरीका इस विशिष्ट कार्य के लिए बहुत अच्छा काम करता है। शोधकर्ताओं ने एक अलग दृष्टिकोण का भी परीक्षण किया जहाँ कंप्यूटर बिना किसी अतिरिक्त प्रशिक्षण के, केवल उस चीज़ के टेक्स्ट विवरण को पढ़कर स्थिति का अनुमान लगाने की कोशिश करता था जिसे वह देख रहा था। वह तरीका विफल रहा, और उसका प्रदर्शन रैंडम अनुमान लगाने से बेहतर नहीं था। यह साबित करता है कि सिस्टम को काम करने के लिए कार की तस्वीरों के लिए विशेष रूप से ट्यून करने की आवश्यकता थी, न कि केवल सामान्य ज्ञान पर निर्भर रहने की।

हालाँकि, अध्ययन ने यह भी उजागर किया कि सिस्टम अभी क्या नहीं कर सकता। जबकि कंप्यूटर यह कहने में उत्कृष्ट था कि "यह कार क्षतिग्रस्त है" या "यह कार ठीक है," वह बिल्कुल सटीक रूप से यह बताने में सक्षम नहीं था कि क्षति कहाँ है। अध्ययन की तस्वीरों में हर खरोंच या डेंट को चिह्नित करने वाले विस्तृत मानचित्र नहीं थे, इसलिए शोधकर्ता यह माप नहीं सके कि खींची गई रूपरेखा कितनी सटीक थी। उन्होंने पाया कि सिस्टम कभी-कभी एक गंदे विंडशील्ड के चारोंกัน रेखा खींच देता था जब वास्तविक समस्या एक गायब बंपर थी, या इसने एक हेडलाइट पर ध्यान केंद्रित किया जब पूरा अगला हिस्सा क्षतिग्रस्त था। ये त्रुटियां दर्शाती हैं कि हालांकि सिस्टम यह पहचानने में अच्छा है कि कुछ गलत है, लेकिन इसे ठीक से समझने के लिए कि वास्तव में क्या गलत है और कहाँ, इसे और अधिक प्रशिक्षण की आवश्यकता है।

शोधकर्ताओं ने सावधानीपूर्वक उल्लेख किया कि यह परीक्षण उन तस्वीरों के संग्रह पर किया गया था जिनका उपयोग परियोजना के विकास के पिछले चरणों में किया गया था। क्योंकि तस्वीरों में यह ट्रैक करने के लिए अद्वितीय आईडी नहीं थी कि वे किस कार से संबंधित थीं, यह संभव है कि कंप्यूटर ने पहले भी उन्हीं कारों के समान दृश्य देखे हों। इसका मतलब यह है कि यदि सिस्टम को पूरी तरह से नए बेड़े (फ्लीट) पर परखा जाए जिसे उसने पहले कभी नहीं देखा, तो उच्च स्कोर थोड़े आशावादी हो सकते हैं। इस सीमा के बावजूद, अध्ययन एक स्पष्ट मार्ग प्रदान करता है। यह दिखाता है कि स्वचालित स्क्रीनिंग फोन से ली गई कार की अव्यवस्थित तस्वीरों को उच्च सटीकता के साथ संभाल सकती है, लेकिन यह भी दिखाता है कि वास्तविक दुनिया में सिस्टम को वास्तव में विश्वसनीय बनाने के लिए, इसे बेहतर डेटा की आवश्यकता है: ऐसी तस्वीरें जिनमें क्षति के स्थान के स्पष्ट निशान हों, और प्रशिक्षण के लिए उपयोग की जाने वाली कारों और परीक्षण के लिए उपयोग की जाने वाली कारों के बीच एक सख्त अलगाव हो। तब तक, यह सिस्टम एक शक्तिशाली सहायक के रूप में कार्य करता है, जो मानव निरीक्षकों द्वारा दोबारा जांच के लिए सबसे संभावित समस्याओं को चिह्नित करता है।