मशीन-विज़न और गुणवत्ता-नियंत्रण

मशीन-विज़न सेवा में क्या शामिल है

हम दृश्य गुणवत्ता-नियंत्रण प्रणाली का सॉफ़्टवेयर हिस्सा विकसित करते और उसे ग्राहक के उपकरण पर सेट करते हैं। किसी ख़ास कार्य के लिए दोषों का डेटासेट इकट्ठा करते, उसे लेबल करते, पहचान-मॉडल प्रशिक्षित करते और उसे ग्राहक के कैमरों, रोशनी व लाइन से जोड़ते हैं। कैमरा, कन्वेयर और अमल-तंत्र ख़ुद ग्राहक के रहते हैं और भौतिक रूप से शूटिंग व छँटाई करते हैं, और हम वह एल्गोरिद्म तैयार करते हैं जो फ़्रेम से ‘ठीक या ख़राब’ का निर्णय लेता है। काम में आपके हार्डवेयर से जुड़ा प्रशिक्षित मॉडल और प्रतिक्रिया-लॉजिक शामिल है: पुर्जे को चिह्नित करना, बेल्ट रोकना, दोष को लॉग में दर्ज करना। कार्य में शॉप-फ़्लोर के अनुसार कैलिब्रेशन भी है — कोण, छाया, प्रवाह-गति, ताकि मशीन-विज़न परीक्षण-तस्वीरों पर नहीं, बल्कि असली उत्पाद पर स्थिर नतीजा दे।

मूल रूप से दृश्य-नियंत्रण कैसे काम करता है

कैमरे का फ़्रेम पूर्व-प्रसंस्करण (चमक-सामान्यीकरण, संरेखण, शोर-फ़िल्टरिंग) से गुज़रता है, फिर न्यूरल नेटवर्क में जाता है, जो वस्तुओं को अलग कर उनकी अवस्था वर्गीकृत करता है। डिटेक्टर छवि पर रुचि के क्षेत्र — सीवन, छेद, मार्किंग, सतह — खोजता और प्रत्येक को प्रशिक्षित लक्षणों से आँककर निर्देशांक व दोष की संभावना देता है। नतीजा अनुमेय सीमा से तुलना होती है, और प्रणाली एक सिग्नल बनाती है, जिसे ग्राहक का उपकरण अमल करता है: छाँटता, चिह्नित करता या रुक जाता है। यहाँ गति अहम है — आधुनिक डिटेक्टर नेटवर्क पर एक ही चक्कर में अनुमान लगाते हैं, इसलिए नियंत्रण लाइन की गति के अनुरूप, उसे धीमा किए बिना चलता है। ख़ास बात यह कि मॉडल ‘अगर पिक्सेल गहरा है — तो स्क्रैप’ जैसे कठोर नियमों से नहीं, बल्कि हज़ारों उदाहरणों के आँकड़ों से काम करता है, इसलिए वे दोष पकड़ता है जिन्हें सूत्र में वर्णित करना कठिन है।

कंप्यूटर विज़न कहाँ से आया

यह दिशा 1960 के दशक के अकादमिक कामों से बढ़ी: 1963 में लॉरेंस रॉबर्ट्स ने MIT में सपाट छवि से वस्तुओं के त्रिविमीय आकार की पुनर्रचना पर शोध-प्रबंध प्रस्तुत किया, जिसे एक आरंभ-बिंदु माना जाता है। 1966 में मार्विन मिंस्की और सीमोर पेपर्ट ने MIT में शैक्षिक Summer Vision Project शुरू किया — 7 जुलाई के ज्ञापन के अनुसार वस्तुओं को पृष्ठभूमि से अलग करने का काम छात्रों के लिए गर्मी का असाइनमेंट रखा गया, और उसकी कम आँकी गई जटिलता ने दशकों तक शोध का स्वर तय किया। कन्वोल्यूशनल नेटवर्कों में मोड़ 1998 में आया, जब यान लेकुन ने सह-लेखकों के साथ Gradient-Based Learning Applied to Document Recognition और हस्तलिखित अंक-पहचान के लिए LeNet-5 वास्तुकला प्रकाशित की। बड़ी छलाँग 2012 में AlexNet नेटवर्क (एलेक्स क्रिज़ेव्स्की, इल्या सुत्स्केवर, जेफ़री हिंटन) ने दी, जिसने ImageNet प्रतियोगिता में top-5 त्रुटि निकटतम प्रतिद्वंद्वी के 26 प्रतिशत के मुक़ाबले लगभग 16 प्रतिशत तक घटाई। जून 2015 में जोसेफ़ रेडमन ने सहकर्मियों के साथ YOLO एल्गोरिद्म (लेख arXiv 1506.02640) पेश किया, जो वस्तुओं को नेटवर्क पर एक ही चक्कर में पहचानता है और जिसने पहचान को रीयल-टाइम के लिए उपयुक्त बनाया।

सॉफ़्टवेयर और सटीकता ही सब कुछ क्यों तय करते हैं

गुणवत्ता-नियंत्रण प्रणाली में भौतिक उपकरण सभी के यहाँ एक जैसा है — नतीजा ठीक प्रशिक्षित मॉडल और उसकी सेटिंग में अलग करता है। यदि डेटासेट टेढ़ा इकट्ठा हो या सीमा अंदाज़े से लगी हो, तो मशीन-विज़न या तो स्क्रैप छोड़ेगा या ठीक पुर्जों को ख़ारिज करेगा, और दोनों स्थितियाँ उत्पादन की अर्थव्यवस्था पर चोट करती हैं। सटीकता ‘सही जवाबों’ के कुल प्रतिशत से नहीं, बल्कि दोष-छूट और झूठी-चेतावनी के बीच संतुलन से मापी जाती है, और हर कार्य के लिए यह संतुलन अलग से सेट होता है। मॉडल को किसी ख़ास सामग्री, रोशनी और कैमरों की घिसाई के अनुसार दोबारा प्रशिक्षित करना पड़ता है, वरना नई खेप पर सटीकता बहक जाती है। इसीलिए मुख्य इंजीनियरिंग काम हार्डवेयर ख़रीदने में नहीं, बल्कि आपके शॉप-फ़्लोर के लिए सॉफ़्टवेयर हिस्से की लेबलिंग, प्रशिक्षण, मान्यीकरण और कैलिब्रेशन में है।

हम किन उपकरणों पर काम करते हैं

बुनियादी स्टैक — फ़्रेम के पूर्व-प्रसंस्करण और ज्यामिति के लिए OpenCV, रीयल-टाइम में वस्तु-खोज के लिए YOLO परिवार के न्यूरल-डिटेक्टर और मॉडल प्रशिक्षित व पुनः-प्रशिक्षित करने के लिए डीप-लर्निंग फ़्रेमवर्क। OpenCV शास्त्रीय संक्रियाएँ ढकता है: कैमरा-कैलिब्रेशन, विरूपण-सुधार, कंटूर-पहचान, रंग-स्थानों के साथ काम — वह सब जो फ़्रेम के नेटवर्क में जाने से पहले चाहिए। YOLO और सम्बन्धित वास्तुकलाएँ लाइन की गति के अनुसार दोषों की पहचान व वर्गीकरण के ज़िम्मेदार हैं। न्यूरल नेटवर्कों को हम ग्राहक के लेबल किए डेटासेट पर प्रशिक्षित करते हैं, और इन्फ़रेंस वहाँ चलाते हैं जहाँ देरी व लागत के हिसाब से सुविधाजनक हो — लाइन के पास औद्योगिक PC पर या सर्वर पर। ठोस सेट कार्य के अनुसार चुना जाता है: कहीं OpenCV के शास्त्रीय तरीक़े काफ़ी हैं, कहीं प्रशिक्षित न्यूरल नेटवर्क के बिना काम नहीं चलता।

स्टैक के मुख्य उपकरण कब आए

OpenCV लाइब्रेरी Intel में 1999 में गैरी ब्रैडस्की के नेतृत्व में शुरू हुई, और पहला सार्वजनिक रिलीज़ 2000 में आया — तब से यह कंप्यूटर विज़न के कार्यों का वास्तविक मानक है। Python भाषा, जिस पर आज मॉडल प्रशिक्षण और घटकों को जोड़ने का अधिकांश काम होता है, ग्विदो वान रोसुम ने 1991 में निकाली। कन्वोल्यूशनल नेटवर्कों को व्यावहारिक उपकरण के रूप में LeNet-5 वास्तुकला ने 1998 में स्थापित किया, और डीप-लर्निंग की ओर मोड़ AlexNet ने 2012 में दिया। रीयल-टाइम पहचान का आधार YOLO डिटेक्टर जून 2015 में प्रकाशित हुआ। ये तारीख़ें दिखाती हैं कि उपकरण कच्चे नहीं हैं: OpenCV और Python दो दशक से अधिक काम कर रहे हैं, और न्यूरल-पहचान 2010 के दशक के मध्य से परखी जा चुकी है।

यह हमें क्यों सौंपा जा सकता है

हमारी डेवलपमेंट टीम का कुल अनुभव IT में 45 साल से अधिक है, और हमारा दृष्टिकोण प्रदर्शनकारी नहीं, इंजीनियरिंग है: मॉडल को लाइन पर असली शुरुआत में जाने से पहले अलग रखी गई जाँच-सूची और परीक्षण-खेप पर परखा जाता है। हम हार्डवेयर नहीं बेचते और आपका उत्पाद नहीं बनाते — हम प्रोग्राम लिखते हैं और वह उपकरण सेट करते हैं जो पहले से आपके पास है, इसलिए ठीक उस हिस्से के ज़िम्मेदार हैं जहाँ सटीकता तय होती है। शुरुआत से पहले मॉडल को आपके शॉप-फ़्लोर के असली फ़्रेमों पर चलाते हैं, दोष-छूट और झूठी-चेतावनी का प्रतिशत दर्ज करते हैं और सीमाएँ आपके साथ तय करते हैं, अंदाज़े से नहीं लगाते। यदि नई खेप पर या रोशनी बदलने पर पहचान की गुणवत्ता गिरे, तो मॉडल दोबारा प्रशिक्षित किया जाता है — यह सहायता में शामिल एक नियमित प्रक्रिया है। नतीजे में आपको आपके उत्पादन से जुड़ा और आपके डेटा पर परखा मशीन-विज़न मिलता है, न कि डब्बे से निकला सार्वभौमिक समाधान।