कल्पना कीजिए कि आप एक जासूस हैं जो एक विशाल, बिखरे हुए खेल के मैदान में कांच के छोटे, टूटे हुए टुकड़ों को खोजने की कोशिश कर रहे हैं। कुछ टुकड़े बहुत बड़े और स्पष्ट हैं, जबकि कुछ इतने छोटे हैं कि वे हवा में नाचते धूल के कणों की तरह दिखते हैं। अब, कल्पना कीजिए कि वह खेल का मैदान मीलों तक फैली एक हाई-वोल्टेज बिजली की लाइन है, और वे "कांच के टुकड़े" उन सिरेमिक इंसुलेटरों (insulators) पर मौजूद दोष हैं जो बिजली को सुरक्षित रूप से बहने में मदद करते हैं। ये इंसुलेटर बिजली ग्रिड के गुमनाम नायक हैं, जो तारों को थामे रखते हैं और बिजली को वहां जाने से रोकते जहां उसे नहीं जाना चाहिए। लेकिन वे बाहर रहते हैं, बारिश, हवा और धूप की मार झेलते हैं, जिससे उनमें दरारें आ सकती हैं, वे टूट सकते हैं या फट सकते हैं।

लंबे समय तक, इंसानों को इन समस्याओं को देखने के लिए खंभों पर चढ़ना पड़ता था या कैमरों वाले ड्रोन उड़ाने पड़ते थे, लेकिन यह धीमा, थका देने वाला और छोटी सी दरार को मिस करने वाला काम था। यहाँ "कंप्यूटर विजन" की दुनिया में प्रवेश होता है, जो विज्ञान की एक शाखा है जहाँ हम कंप्यूटर को छवियों को बिल्कुल हमारी तरह "देखने" और समझने के लिए प्रशिक्षित करते हैं। इस क्षेत्र में, विशेष प्रोग्राम होते हैं जिन्हें 'ऑब्जेक्ट डिटेक्टर्स' कहा जाता है। उन्हें सुपर-फास्ट स्कैनर की तरह समझें जो एक फोटो को देख सकते हैं और तुरंत चिल्ला सकते हैं, "वहां एक टूटा हुआ इंसुलेटर है!" हालांकि, ये स्कैनर अक्सर भ्रमित हो जाते हैं। वे एक छोटी सी दरार को मिस कर सकते हैं क्योंकि वह बहुत छोटी होती है, या वे पृष्ठभूमि में किसी अजीब बादल या पेड़ की टहनी से धोखा खा सकते हैं, यह सोचकर कि वह कोई दोष है जबकि वह नहीं है। बड़ी चुनौती कंप्यूटर को इतना तेज बनाने की है कि वह शोर भरे बैकग्राउंड से विचलित हुए बिना छोटे, पेचीदा दोषों को पहचान सके।

यहीं पर चांगझोउ यूनिवर्सिटी (Changzhou University) के शोधकर्ताओं की एक टीम एक नए विचार के साथ सामने आई। उन्होंने एक शक्तिशाली, आधुनिक इमेज-स्कैनिंग टूल जिसे YOLO11s (जिसका अर्थ है "You Only Look Once," जो यह संकेत देता है कि यह बहुत तेज़ है) कहा जाता है, लिया और उसे एक गंभीर अपग्रेड दिया। वे एक ऐसा संस्करण बनाना चाहते थे जो मूल मॉडल की तुलना में बिजली की लाइनों की जटिल दुनिया को बेहतर ढंग से संभाल सके। उन्होंने अपने नए निर्माण को DTRW-YOLO11s नाम दिया।

यहाँ बताया गया है कि उन्होंने जासूस के टूलकिट को कुछ चतुर ट्रिक्स का उपयोग करके कैसे अपग्रेड किया:

सबसे पहले, उन्होंने देखा कि जब कंप्यूटर किसी छवि को देखता है, तो वह उसे प्रोसेस करने में आसान बनाने के लिए तस्वीर को छोटा कर देता है। लेकिन ऐसा करने में, वह अनजाने में बारीक विवरणों को भी खो देता है, जैसे इंसुलेटर पर एक छोटी सी दरार। इसे ठीक करने के लिए, शोधकर्ताओं ने DSDown नामक एक विशेष मॉड्यूल पेश किया। कल्पना कीजिए कि आप भीड़ की फोटो ले रहे हैं, और केवल ज़ूम आउट होकर पीछे के लोगों के चेहरों को खोने के बजाय, आप एक विशेष फिल्टर का उपयोग करते हैं जो पीछे के लोगों के सूक्ष्म विवरणों को बनाए रखते हुए तस्वीर को छोटा करता है। यह मॉड्यूल कंप्यूटर को उन महत्वपूर्ण "छोटे लक्ष्य" (small target) फीचर्स को बनाए रखने में मदद करता है जो आमतौर पर खो जाते हैं।

इसके बाद, उन्हें एहसास हुआ कि कंप्यूटर बैकग्राउंड से विचलित हो रहा था। वह आकाश, पेड़ों और तारों को देख रहा था, और इस बात को लेकर भ्रमित हो रहा था कि वास्तव में दोष क्या है। कंप्यूटर को ध्यान केंद्रित करने में मदद करने के लिए, उन्होंने एक Triplet Attention मैकेनिज्म जोड़ा। इसे एक जासूस को तीन जोड़ी सुपर-चश्मे देने के रूप में समझें। एक जोड़ी उसे वस्तु के आकार को देखने में मदद करती है, दूसरी उसे रंगों और बनावट (textures) को समझने में मदद करती है, और तीसरी उसे यह समझने में मदद करती है कि वस्तु अपने परिवेश से कैसे संबंधित है। एक ही समय में तीनों लेंसों के माध्यम से छवि को देखकर, कंप्यूटर शोर वाले बैकग्राउंड को अनदेखा करना और वास्तविक इंसुलेटर पर ध्यान केंद्रित करना सीख जाता है, भले ही वह एक जटिल दृश्य में छिपा हो।

फिर, उन्होंने आकार की समस्या का समाधान किया। इंसुलेटर बहुत बड़े या बहुत छोटे हो सकते हैं, यह इस पर निर्भर करता है कि ड्रोन कितनी दूर है। कंप्यूटर को एक ही समय में बड़ी तस्वीर और बारीक विवरण दोनों देखने में सक्षम होना चाहिए। शोधकर्ताओं ने एक नया मॉड्यूल बनाया जिसे C3k2_RFCAConv कहा गया। आप इसे एक ऐसे कैमरा लेंस के रूप में देख सकते हैं जो तुरंत अपना फोकस बदल सकता है। कभी-कभी यह इंसुलेटर के किनारे पर एक छोटे से चिप को देखने के लिए ज़ूम इन करता है, और कभी-कभी यह पूरे टूटे हुए हिस्से को देखने के लिए ज़ूम आउट करता है। यह "अनुकूली लेंस" (adaptive lens) कंप्यूटर को सभी आकारों के दोषों को बिना भ्रमित हुए समझने की अनुमति देता है।

अंत में, उन्होंने कंप्यूटर को अपनी गलतियों से सीखने के तरीके में सुधार किया। मूल प्रोग्राम में, जब कंप्यूटर दोष के गलत स्थान का अनुमान लगाता था, तो उसे बहुत कठोरता से दंडित किया जाता था, जिससे कभी-कभी वह अनुमान लगाने से भी डर जाता था। शोधकर्ताओं ने पुराने स्कोरिंग सिस्टम को बदलकर एक नया सिस्टम WIoU लागू किया। यह एक स्मार्ट शिक्षक की तरह है जो जानता है कि कुछ गलतियाँ केवल "गलत अनुमान" हैं और कुछ "बहुत बुरी गलतियाँ" हैं। यह कंप्यूटर को धीरे से मार्गदर्शन करता है कि वह उन नमूनों पर ध्यान केंद्रित करे जिनसे वह सबसे अच्छी तरह सीख सकता है, जिससे उसे ठीक से स्थान पहचानने में मदद मिलती है।

जब शोधकर्ताओं ने अपने नए DTRW-YOLO11s जासूस का परीक्षण किया, तो परिणाम प्रभावशाली थे। उन्होंने इसे बिजली की लाइनों की हजारों तस्वीरें दिखाईं, जिनमें सामान्य, टूटे हुए, फटे हुए या इलेक्ट्रिकल बर्न (फ्लैशओवर) वाले इंसुलेटर शामिल थे। मूल YOLO11s की तुलना में, उनके अपग्रेड किए गए संस्करण ने दोषों को खोजने में बहुत बेहतर प्रदर्शन किया। इसने 90.3% बार (एक मीट्रिक जिसे mAP@0.5 कहा जाता है) दोषों की सही पहचान की, जो मूल से 4.1% का सुधार था। यह दोषों को मिस न करने में भी बेहतर (Recall में 4.2% की वृद्धि) और नकली दोष न बनाने में भी (Precision में 3.3% की वृद्धि) बेहतर साबित हुआ।

इससे भी रोमांचक बात यह है कि उन्होंने कंप्यूटर को और अधिक स्मार्ट बनाते हुए इसे छोटा और तेज़ भी बना दिया। नया मॉडल मूल की तुलना में 10.6% कम मेमोरी संसाधनों (Parameters) और 19.7% कम कंप्यूटिंग पावर (FLOPs) का उपयोग करता है। इसका मतलब है कि यह बिजली कंपनियों द्वारा उपयोग किए जाने वाले छोटे, सस्ते ड्रोन या हैंडहेल्ड डिवाइस पर चल सकता है, जिससे दैनिक निरीक्षण तेज़ और अधिक विश्वसनीय हो सकता है।

शोधकर्ताओं ने अपने मॉडल का परीक्षण एक पूरी तरह से अलग सेट की छवियों (PASCAL VOC2007 डेटासेट, जिसमें बिल्लियों, कारों और नावों जैसी रोजमर्रा की वस्तुओं की तस्वीरें हैं) पर भी किया ताकि यह देखा जा सके कि उनके अपग्रेड केवल बिजली की लाइनों के लिए एक भाग्यशाली ट्रिक थे या क्या उन्होंने वास्तव में कंप्यूटर को एक बेहतर "आंख" बनाया है। यह पता चला कि मॉडल ने उन वस्तुओं को पहचानने में भी बेहतर प्रदर्शन किया, जिससे साबित हुआ कि उनके सुधार ठोस और उपयोगी थे।

संक्षेप में, यह पेपर सुझाव देता है कि कंप्यूटर विज़न मॉडल को विवरणों को खोए बिना छवियों को छोटा करने का बेहतर तरीका, महत्वपूर्ण हिस्सों पर ध्यान केंद्रित करने का स्मार्ट तरीका, विभिन्न आकारों के लिए एक लचीला लेंस, और गलतियों से सीखने का निष्पक्ष तरीका देकर, हम अपनी बिजली की लाइनों को सुरक्षित रखने के लिए एक बहुत बेहतर प्रणाली बना सकते। यह कोई जादू की छड़ी नहीं है जो हर समस्या को तुरंत हल कर देती है, लेकिन यह हमारे इलेक्ट्रिकल ग्रिड को सुरक्षित और हमारे निरीक्षणों को स्मार्ट बनाने की दिशा में एक महत्वपूर्ण कदम है।