AI نے ٹرانسمیشن ٹاورز کی خرابیوں کو پہچان لیا۔ گرڈ سیفٹی میں 59 فیصد درستگی میں اضافہ
We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.
جدید توانائی کے گرڈز بجلی کی ترسیل کے بنیادی ڈھانچے پر انحصار کرتے ہیں۔ لوہے کے عمودی ٹاورز کا دستی معائنہ محنت طلب ہے اور اس میں انسانی غلطیوں کا خطرہ ہوتا ہے۔ کمپیوٹر ویژن ٹیکنالوجی میں حالیہ پیشرفت نے ہائی وولٹیج ٹرانسمیشن ٹاورز میں ساختی کمزوریوں کو شناخت کرنے کا ایک نیا راستہ کھول دیا ہے۔ محققین نے مصنوعی ذہانت کا ایک جدید ماڈل تیار کیا ہے جو اوپری اور نچلے جوڑ والے علاقوں کی مقامی نشاندہی میں نمایاں بہتری لاتا ہے۔ یہ علاقے مرمت اور حفاظتی جائزے کے لیے انتہائی اہم ہیں۔
اس نظام کی بنیاد ریئل ٹائم ڈیٹیکشن ٹرانسفارمر آرکیٹیکچر میں تبدیلی پر ہے۔ اس ماڈل میں C2f_SHSA_CGLU بیک بون اور ڈیفارمیبل اینکوڈر اٹینشن میکانزم شامل ہیں۔ اس کے علاوہ اس میں SBA_fused نامی خصوصی ماڈیول بھی موجود ہے جو ہائی ریزولیوشن P2 لیول پر کام کرتا ہے۔ یہ تکنیکی بہتری سسٹم کو پیچیدہ بصری ڈیٹا کو مؤثر طریقے سے پروسیس کرنے کی صلاحیت دیتی ہے۔ روایتی الگورتھم اکثر نظر انداز کر دینے والے چھوٹے اشیاء یا دور دراز کی تفصیلات کو یہ سسٹم آسانی سے پکڑتا ہے۔ مطالعے کے لیے 818 تصاویر اور 12,500 سے زائد باؤنڈنگ باکسز پر مشتمل نجی ڈیٹا سیٹ استعمال کیا گیا۔ اس سے یقینی بنایا گیا کہ ماڈل عمومی ڈیٹا کے بجائے حقیقی میدان کی شرائط پر تربیت یافتہ ہو۔
تصدیق کے مرحلے کے نتائج بنیادی ماڈلز کے مقابلے میں قابل ذکر بہتری ظاہر کرتے ہیں۔ تجویز کردہ آرکیٹیکچر نے اوسط درستگی (Average Precision) میں 59.14 فیصد حاصل کیا۔ یہ معیاری RT-DETR-r18 ماڈل کو پیچھے چھوڑ گیا جس کی اوسط درستگی 56.68 فیصد تھی۔ اس سے بھی زیادہ اہم بات یہ ہے کہ نئے ماڈل نے چھوٹے اشیاء کی شناخت میں بہترین کارکردگی دکھائی۔ چھوٹے اشیاء کے لیے اس کی اوسط درستگی 52.06 فیصد تھی جبکہ بنیادی ماڈل کی یہ شرح 44.88 فیصد تھی۔ ابلیشن اسٹڈیز سے ثابت ہوا کہ P2 ریزولیوشن لیول اور SBA_fused جزو کی مشترکہ تاثیر نے ان نتائج میں کلیدی کردار ادا کیا۔ اس نے مختلف سیڈز پر اوسط درستگی کو بڑھا کر 58.33 فیصد کر دیا۔
ماڈل نے نجی تصدیقی سیٹ پر مضبوط نتائج دکھائے تاہم آزاد منظرناموں پر عمومی طور پر اس کی کارکردگی کا مستقبل میں مزید جائزہ لینا ضروری ہے۔ عوامی STN PLAD بینچ مارک پر ماڈل کی اوسط درستگی 37.53 فیصد رہی۔ یہ بنیادی RT-DETR-r18 ماڈل کی 44.18 فیصد کی کارکردگی سے کم تھی۔ یہ فرق خاص تربیتی ڈیٹا کو وسیر اور متنوع ماحول میں منتقل کرنے کی مشکلات کو اجاگر کرتا ہے۔ البتہ سسٹم کی عملی افادیت اس کی رفتار میں واضح ہے۔ NVIDIA GeForce RTX 3090 GPU پر چلنے والا ڈیسک ٹاپ فائل ان پٹ پائپ لائن تقریباً 14.94 فریمز فی سیکنڈ کی رفتار سے کام کرتا ہے۔ یہ حقیقی وقت یا قریب حقیقی وقت کے معائنہ کے اطلاق کے لیے مناسب ہے۔
یہ پیش رفت گرڈ مرمت کو خودکار بنانے کی طرف ایک اہم قدم ہے۔ دستی بصری چیکوں پر انحصار کم کرنا اور اہم ساختی خصوصیات کی دقیق خودکار مقامی نشاندہی فراہم کرنا اس ٹیکنالوجی عالمی سطح پر بجلی کی ترسیل کے نیٹ ورکس کی حفاظت اور کارکردگی میں اضافے کا وعدہ کرتی ہے۔ جیسے جیسے دنیا بھر میں گرڈ کا عمر رسیدہ ڈھانچہ بڑھ رہا ہے ویسے ویسے ایسے AI پر مبنی تشخیصی آلات ناکامیوں سے بچاؤ اور مسلسل توانائی کی فراہمی کو یقینی بنانے کے لیے انتہائی ضروری ہوتے جا رہے ہیں۔