Macro Micro News Global Pulse. Local Truth.

AI ट्रांसमिशन टावर की कमियों को पहचानता है। ग्रिड सुरक्षा में सटीकता में 59% की बढ़ोतरी

15 November 2026 · 1 min read

We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.

Article image by Salam Habash
Image by Salam Habash

आधुनिक ऊर्जा ग्रिड विद्युत प्रसारण बुनियादी ढांचे की विश्वसनीयता पर निर्भर करते हैं। ऊंची स्टील संरचनाओं का मैन्युअल निरीक्षण मेहनत वाला काम है और इसमें मानवीय त्रुटियों की संभावना रहती है। कंप्यूटर विजन तकनीक में आए हालिया सुधार उच्च वोल्टेज ट्रांसमिशन टावरों में संरचनात्मक कमियों की पहचान के लिए एक बदलाव ला रहे हैं। शोधकर्ताओं ने एक उन्नत कृत्रिम बुद्धिमत्ता मॉडल विकसित किया है। यह मॉडल ऊपरी और निचली संरचनात्मक कनेक्शन क्षेत्रों की स्थानीयकरण क्षमता को काफी बेहतर बनाता है। ये क्षेत्र रखरखाव और सुरक्षा जांच के लिए अत्यंत महत्वपूर्ण हैं।

इस नवाचार की मुख्य नींव Real-Time DEtection TRansformer आर्किटेक्चर के संशोधित रूप पर आधारित है। यह मॉडल C2f_SHSA_CGLU बैकबोन को डिफॉर्मएबल एन्कोडर एटेंशन मशीनिज़्म के साथ जोड़ता है। इसमें उच्च-रिज़ॉल्यूशन P2 लेवल पर कार्य करने वाला विशेष SBA_fused मॉड्यूल भी शामिल है। इन तकनीकी सुधारों से सिस्टम जटिल दृश्य डेटा का अधिक प्रभावी ढंग से विश्लेषण करता है। यह मानक डिटेक्शन एल्गोरिदम द्वारा अक्सर छूट जाने वाले छोटे ऑब्जेक्ट्स या दूरस्थ विवरणों को भी संभाल लेता है। अध्ययन में 818 छवियों और 12,500 से अधिक बाउंडिंग बॉक्स वाले एक प्राइवेट डेटासेट का उपयोग किया गया। इसका उद्देश्य मॉडल को सामान्य डेटासेट के बजाय वास्तविक फील्ड-विशिष्ट परिस्थितियों पर प्रशिक्षित करना था।

वैलिडेशन चरण के प्रदर्शन मापदंडों से पता चलता है कि बेसलाइन मॉडल्स की तुलना में इसमें काफी सुधार हुआ है। प्रस्तावित आर्किटेक्चर ने 59.14% औसत सटीकता (Average Precision) हासिल की। इसने मानक RT-DETR-r18 मॉडल को पीछे छोड़ दिया, जिसकी AP 56.68% थी। सबसे महत्वपूर्ण बात यह है कि नया मॉडल छोटे ऑब्जेक्ट्स की पहचान में उत्कृष्ट रहा। इसने 52.06% छोटा-ऑब्जेक्ट AP हासिल किया, जबकि बेसलाइन का यह आंकड़ा 44.88% था। अबलेशन स्टडीज से पुष्टि हुई कि P2 रिज़ॉल्यूशन लेवल और SBA_fused घटक के संयोजन ने इन लाभों में महत्वपूर्ण योगदान दिया। इसने कई सीड्स पर औसत सटीकता को बढ़ाकर 58.33% कर दिया।

हालांकि मॉडल ने प्राइवेट वैलिडेशन सेट पर मजबूत परिणाम दिए, लेकिन स्वतंत्र दृश्यों पर सामान्यीकरण अभी भी भविष्य की पुष्टि का विषय है। सार्वजनिक STN PLAD बेंचमार्क पर मॉडल ने 37.53% AP हासिल किया। यह बेसलाइन RT-DETR-r18 के 44.18% प्रदर्शन से कम था। यह अंतर विशेष प्रशिक्षण डेटा को व्यापक और विविध वातावरण में स्थानांतरित करने की चुनौतियों को उजागर करता है। हालांकि, सिस्टम की व्यावहारिक उपयोगिता इसकी प्रोसेसिंग गति में स्पष्ट है। NVIDIA GeForce RTX 3090 GPU पर चलने वाला डेस्कटॉप फाइल-इनपुट पाइपलाइन लगभग 14.94 फ्रेम्स प्रति सेकंड की गति से काम करता है। यह इसे रियल-टाइम या नेअर-रियल-टाइम निरीक्षण अनुप्रयोगों के लिए उपयुक्त बनाता है।

यह प्रगति ग्रिड रखरखाव को स्वचालित करने की दिशा में एक महत्वपूर्ण कदम है। मैन्युअल दृश्य जांच पर निर्भरता कम करने और महत्वपूर्ण संरचनात्मक विशेषताओं के सटीक स्वचालित स्थानीयकरण प्रदान करने से यह तकनीक दुनिया भर में बिजली प्रसारण नेटवर्क की सुरक्षा और दक्षता को बढ़ावा देने का वादा करती है। जैसे-जैसे दुनिया भर में ग्रिड बुनियादी ढांचा पुरा होता जा रहा है, ऐसे AI-संचालित निदान उपकरण असफलताओं को रोकने और निर्विघ्न ऊर्जा आपूर्ति सुनिश्चित करने के लिए increasingly आवश्यक होते जा रहे हैं।