Controlled Infrared Thermography Dataset for Quantitative Nondestructive Evaluation of Electrical Cable Thermal States

कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे हैं एक जासूस के रूप में, लेकिन उंगलियों के निशान या पैरों के निशान खोजने के बजाय, आप गर्मी की तलाश कर रहे हैं। इलेक्ट्रिकल इंजीनियरिंग की दुनिया में, तार और केबल वे मौन कार्यकर्ता हैं जो हमारी लाइटें चालू रखते हैं और हमारे उपकरणों को चलाते हैं। कभी-कभी, ये केबल बहुत गर्म हो जाते हैं, जो किसी समस्या का संकेत हो सकता है जैसे कि ढीला कनेक्शन या उनमें से बहुत अधिक बिजली का प्रवाह होना। यदि हम इसे समय रहते नहीं पकड़ते हैं, तो इससे आग लग सकती है या ब्लैकआउट हो सकता है। इन गर्मी की समस्याओं को बिजली काटे बिना या तारों को छुए बिना पहचानने के लिए, इंजीनियर एक विशेष प्रकार के कैमरे का उपयोग करते हैं जिसे इन्फ्रारेड कैमरा कहा जाता है। इसे एक विशेष चश्मे की तरह समझें जो वस्तुओं से निकलने वाली अदृश्य गर्मी को देखने की अनुमति देता है, जो तापमान के अंतर को रंगीन चित्रों में बदल देता है।

लंबे समय से, वैज्ञानिक कंप्यूटर को इन गर्मी के चित्रों को देखने और स्वचालित रूप से यह कहने के लिए प्रशिक्षित करने की कोशिश कर रहे हैं कि, "हे, वह तार बहुत गर्म हो रहा है!" या "वह बिल्कुल ठीक है।" लेकिन एक कंप्यूटर को सिखाने के लिए, आपको उदाहरणों से भरी एक बहुत अच्छी पाठ्यपुस्तक की आवश्यकता होती है। समस्या यह है कि हमारे पास अब तक जो चित्र हैं, वे थोड़े अस्त-व्यस्त हैं। वे अलग-अलग जगहों पर लिए जा सकते हैं, कैमरा अलग-अलग कोणों पर हो सकता है, या वे केवल ऐसे तार दिखा सकते हैं जो या तो बहुत ठंडे हैं या बहुत गर्म हो रहे हैं। वास्तविक जीवन में, स्थिति इतनी श्वेत-श्याम (ब्लैक एंड व्हाइट) नहीं होती। तार आमतौर पर धीरे-धीरे गर्म होते हैं, कुछ समय तक गर्म रहते हैं, और फिर धीरे-धीरे ठंडे होते हैं। एक वास्तव में स्मार्ट कंप्यूटर जासूस बनाने के लिए, हमें एक ऐसे डेटासेट की आवश्यकता है जो इन बीच के क्षणों को कैप्चर करे, जिसे सख्त और नियंत्रित नियमों के तहत लिया गया हो ताकि हर फोटो निष्पक्ष और तुलना योग्य हो।

यही वह काम है जो बुर्सा उलुडाग विश्वविद्यालय के हिदिर सेल्कुक नोगाय ने बनाया है। शोधकर्ता ने बिजली के केबलों की 628 इन्फ्रारेड छवियों का एक विशेष, अत्यधिक व्यवस्थित संग्रह बनाया है, जिसे कंप्यूटर प्रोग्रामों के लिए एक परम "प्रशिक्षण नियमावली" (ट्रेनिंग मैनुअल) के रूप में डिज़ाइन किया गया है। लक्ष्य केवल चरम आपात स्थितियों को देखने से हटकर एक ऐसा डेटासेट बनाना था जो केबल के तापमान जीवन चक्र की पूरी कहानी को कैप्चर करे।

इस संग्रह को बनाने के लिए, शोधकर्ता ने एक नियंत्रित प्रयोगशाला प्रयोग स्थापित किया। उन्होंने यह सुनिश्चित करने के लिए कि प्रत्येक फोटो बिल्कुल एक ही कोण से ली गई है, केबलों के ऊपर लगभग 50 सेमी की निश्चित कैमरा स्थिति का उपयोग किया। उन्होंने वातावरण को स्थिर रखने के लिए पृष्ठभूमि के तापमान को नियंत्रित किया और किसी भी भ्रमित करने वाले प्रतिबिंबों को हटा दिया। इसके बाद, उन्होंने केबलों को व्यवस्थित करने के तीन अलग-अलग तरीकों का परीक्षण किया: एक रूलर की तरह सीधा, यू-आकार (U-shape) में मुड़ा हुआ, और स्प्रिंग की तरह कुंडलित (coiled)। ऐसा इसलिए किया गया क्योंकि तार का आकार उसके माध्यम से गर्मी के प्रसार को बदल देता है, ठीक वैसे ही जैसे एक मुड़ा हुआ कंबल आपको एक सपाट कंबल की तुलना में अधिक गर्म रखता है।

इस डेटासेट का असली जादू, हालांकि, केबल की कहानी के चार विशिष्ट "थर्मल अवस्थाओं" या अध्यायों में निहित है जिन्हें कैप्चर किया गया था:

1. ठंडा (Cold): केबल बस वहां बैठा है, कुछ नहीं कर रहा है, अपने सामान्य कमरे के तापमान पर।
2. गर्म (Warm): केबल को 20 सेकंड तक गर्म किया गया है। यह गर्म होना शुरू हो रहा है, लेकिन यह अभी भी गर्म होने के शुरुआती चरणों में है।
3. बहुत गर्म (Hot): केबल को 60 सेकंड तक गर्म किया गया है। इसने एक उच्च, स्थिर तापमान प्राप्त कर लिया है, जो एक पूर्ण तनावपूर्ण अवस्था का प्रतिनिधित्व करता है।
4. ठंडा होना (Cooling): हीटिंग बंद कर दी गई थी, और केबल को धीरे-धीरे अपनी गर्मी खोने के लिए 40 सेकंड तक बैठने दिया गया।

"गर्म" और "ठंडा होने" के चरणों को शामिल करके, यह डेटासेट उन पेचीदा, बीच के क्षणों को कैप्चर करता है जहाँ तापमान धीरे-धीरे बदल रहा होता है। यह महत्वपूर्ण है क्योंकि वास्तविक दुनिया में, एक केबल अचानक ठंडे से गर्म में नहीं बदलता; यह इन मध्यवर्ती चरणों के माध्यम से गुजरता है।

यह परीक्षण करने के लिए कि क्या यह नया डेटासेट वास्तव में काम करता है, शोधकर्ता ने एक मानक कंप्यूटर विजन टूल (GoogLeNet नामक एक प्रकार का AI) का उपयोग करके एक सरल प्रयोग चलाया ताकि यह देखा जा सके कि क्या यह चार अलग-अलग अवस्थाओं के बीच अंतर कर सकता है। परिणाम प्रभावशाली थे: कंप्यूटर ने 98.95% बार सही ढंग से थर्मल अवस्था की पहचान की। यह उच्च स्कोर बताता है कि जिस नियंत्रित तरीके से फोटो लिए गए थे, उसने कंप्यूटर के सीखने के लिए बहुत स्पष्ट और विशिष्ट पैटर्न बनाए।

दिलचस्प बात यह है कि कंप्यूटर ने कुछ छोटी गलतियाँ भी कीं, ज्यादातर "गर्म" अवस्था को "बहुत गर्म" अवस्था के साथ भ्रमित किया। पेपर बताता है कि यह डेटासेट की विफलता नहीं है, बल्कि वास्तव में यह इस बात का संकेत है कि डेटासेट यथार्थवादी है। चूंकि "गर्म" और "बहुत गर्म" निरंतर हीटिंग प्रक्रिया के चरण हैं, इसलिए यह भौतिक रूप से तर्कसंगत है कि वे एक-दूसरे के समान दिखें। डेटासेट ने इस प्राकृतिक ओवरलैप को सफलतापूर्वक सुरक्षित रखा, जो कि एक अच्छे प्रशिक्षण उपकरण के लिए बिल्कुल सही है। दूसरी ओर, "ठंडा" और "ठंडा होने" की अवस्थाएं पूरी तरह से अलग थीं, जिससे पता चला कि कंप्यूटर एक ऐसे केबल और एक ऐसे केबल के बीच अंतर कर सकता था जो कभी गर्म नहीं हुआ और एक जो गर्म होने के बाद ठंडा हो रहा है।

संक्षेप में, यह पेपर न केवल तारों को ठीक करने का एक नया तरीका प्रदान करता है; यह वैज्ञानिकों के उपयोग के लिए उदाहरणों का एक नया, उच्च-गुणवत्ता वाला और निष्पक्ष सेट प्रदान करता है। यह शोध जगत में एक कमी को पूरा करता है, जो कि छवियों का एक पुनरुत्पादनीय, संतुलित संग्रह प्रदान करता है जिसमें तापमान के सूक्ष्म, क्रमिक परिवर्तन शामिल हैं, न कि केवल चरम आपात स्थितियां। यह शोधकर्ताओं को भविष्य में विद्युत सुरक्षा की निगरानी के लिए बेहतर, अधिक विश्वसनीय सिस्टम बनाने के लिए एक ठोस आधार देता है।