कोई प्रशिक्षण नहीं, कोई एआई नहीं: नई आईआईआईटी-बी प्रणाली विनिर्माण संबंधी खामियों को तुरंत पकड़ लेती है

कल्पना करें कि यदि कोई फैक्ट्री बिना किसी प्रशिक्षण, विशाल डेटासेट और महंगी आर्टिफिशियल इंटेलिजेंस (एआई) के केवल एक आदर्श तस्वीर से तुलना करके अपनी असेंबली लाइन पर प्रत्येक उत्पाद की जांच कर सके।

अंतर्राष्ट्रीय सूचना प्रौद्योगिकी संस्थान बैंगलोर (IIIT-B) की एक टीम ने एक कंप्यूटर-विज़न टूल बनाया है जो एकल संदर्भ छवि का उपयोग करके हेयरलाइन खरोंच, डेंट और छोटी संरेखण गलतियों को भी पकड़ सकता है। इस प्रणाली को बेंगलुरु टेक समिट 2025 में भी प्रदर्शित किया गया था।

इंटीग्रेटेड एमटेक से ज्योत्सना बापट, ससिरेखा जीवीके और एच. संजीव की टीम ने इसे उन कारखानों के लिए बनाया है जो एक आवर्ती समस्या से जूझ रहे हैं: असंगत मानव निरीक्षण और महंगा एआई-आधारित निरीक्षण।

श्रमिक थक जाते हैं, शिफ्टों में रोशनी बदल जाती है, और छोटे कारखानों में आधुनिक एआई मॉडल को प्रशिक्षित करने के लिए आवश्यक हजारों लेबल वाली छवियां नहीं होती हैं। अधिकांश लोग जीपीयू या विशेष कैमरा रिग्स का खर्च वहन नहीं कर सकते।

यह टूल ‘गोल्डन रेफरेंस इमेज’ से शुरू होता है – एक आदर्श उत्पाद कैसा दिखता है इसकी उच्च गुणवत्ता वाली तस्वीर। लाइन पर प्रत्येक नए उत्पाद की तुलना इस एक छवि से की जाती है। तुलना से पहले, सिस्टम ईसीसी संरेखण नामक तकनीक का उपयोग करके प्रत्येक नए उत्पाद को संदर्भ से बिल्कुल मेल खाने के लिए समायोजित करता है। सरल शब्दों में, यह नई फोटो को तब तक ‘लाइन अप’ करता है जब तक कि प्रत्येक पिक्सेल अपनी जगह पर न आ जाए। यह छोटे घुमावों या झुकावों को स्वचालित रूप से ठीक कर सकता है, इसलिए कारखानों को सटीक फिक्स्चर या रोबोटिक हथियारों की आवश्यकता नहीं होती है।

शोधकर्ताओं का कहना है कि यह विचार यह देखने से आया कि छोटे और मध्यम आकार के उद्योग गुणवत्ता जांच के साथ कैसे संघर्ष करते हैं। यहां तक ​​कि जब कंपनियां एआई सिस्टम स्थापित करती हैं, तो उन्हें बनाए रखना महंगा और समय लेने वाला हो जाता है क्योंकि जब भी उत्पाद डिजाइन बदलता है या जब नए दोष दिखाई देते हैं तो मॉडल को फिर से प्रशिक्षित करने की आवश्यकता होती है।

IIIT-B टीम कुछ सरल चाहती थी – एक ऐसा उपकरण जिसे कर्मचारी समझ सकें, जो एक बुनियादी कंप्यूटर पर चलता हो, और जो प्रकाश व्यवस्था बदलने पर टूटता न हो। उनकी सबसे बड़ी चुनौतियों में शोर वाले बनावट के लिए ईसीसी संरेखण को स्थिर करना, एक शोर मास्क डिजाइन करना जो परावर्तक सतहों पर काम करता है, और यह सुनिश्चित करना शामिल है कि अंतिम आउटपुट कारखाने के कर्मचारियों के लिए व्याख्या करना आसान था।

संरेखित करते समय, सिस्टम कैमरे के प्राकृतिक व्यवहार, उसके आकार, उसके छोटे कंपन, उसके सेंसर शोर और उस सतह पर प्रतिबिंब कैसे दिखते हैं, यह भी सीखता है। यह एक बेसलाइन नॉइज़ मास्क बन जाता है, जो सॉफ़्टवेयर को बताता है कि कैमरे के लिए क्या सामान्य है और वास्तविक दोष क्या है। यह महत्वपूर्ण है क्योंकि कम लागत वाले कैमरे अक्सर प्रकाश में थोड़ा बदलाव होने पर या जब धातु की सतह अलग तरह से प्रतिबिंबित होती है तो गलत अलार्म उत्पन्न करते हैं। बेसलाइन मास्क ऐसे मुद्दों को फ़िल्टर करता है।

एक बार संरेखण हो जाने के बाद, सिस्टम CLAHE (एक विधि जो प्रकाश को समान करती है) का उपयोग करके चमक को बढ़ाती है, पिक्सेल द्वारा दूसरे पिक्सेल से एक छवि को घटाती है, जांच करती है कि वे संरचनात्मक रूप से कितने समान हैं, और फिर केवल उन अंतरों को उजागर करता है जो मायने रखते हैं। इन अंतरों को रंग-कोडित दोष मानचित्र के रूप में दिखाया गया है, जिससे गैर-तकनीकी कारखाने के कर्मचारियों के लिए भी यह समझना आसान हो जाता है कि दोष कहां है।

इस सावधानीपूर्वक फ़िल्टरिंग के कारण, उपकरण कुछ पिक्सेल जितनी छोटी खामियों को भी पकड़ सकता है, यहाँ तक कि वे भी जिन्हें मानव आँख नहीं देख पाती। यह समतल भागों, थोड़ी घुमावदार सतहों, धातुओं, परावर्तक या अर्ध-परावर्तक सामग्रियों और कन्वेयर बेल्ट पर थोड़ा स्थानांतरित होने वाले भागों पर काम करता है।

फ़ैक्टरियाँ एक साथ कई प्रकार के दोषों का पता लगा सकती हैं जिनमें खरोंच, डेंट, विदेशी कण, बनावट संबंधी अनियमितताएँ, आकार बेमेल या रोटेशन त्रुटियाँ शामिल हैं।

उपकरण का परीक्षण विभिन्न श्रेणियों के उत्पादों पर विभिन्न प्रकाश स्थितियों के तहत किया गया है। टीम के अनुसार, यह कम झूठी सकारात्मकता के साथ लगातार 98% तक सटीकता प्राप्त करता है और नियमित सीपीयू पर प्रत्येक छवि को 13 सेकंड से कम समय में संसाधित करता है। किसी GPU की आवश्यकता नहीं है, और किसी AI पुनर्प्रशिक्षण की कभी भी आवश्यकता नहीं है। सख्ती को इस आधार पर समायोजित किया जा सकता है कि कोई फैक्ट्री जांच को कितना संवेदनशील बनाना चाहती है, जिससे अच्छी वस्तुओं की अनावश्यक अस्वीकृति से बचने में मदद मिलेगी।

उनका मानना ​​है कि यह उपकरण उद्योगों को निरीक्षण का समय कम करने, बर्बादी कम करने और गुणवत्ता नियंत्रण को अधिक पूर्वानुमानित बनाने में मदद कर सकता है। यह छोटे और मध्यम उद्योगों की पहुंच में उन्नत स्वचालन भी लाता है जो अक्सर गहन-शिक्षण-आधारित निरीक्षण प्रणाली का खर्च वहन नहीं कर सकते हैं।