प्रोमेथियस प्रोजेक्ट: एआई के प्रयोग से आग की खोज

अनुवाद परियोजना प्रोमेथियस - एक एआई-संचालित आग खोजने का समाधान

मेरे सहकर्मी और मैं प्रोमेथियस परियोजना (प्रोमेथियस) पर काम कर रहे हैं, एक प्रारंभिक अग्नि पहचान समाधान है जो एआई, कंप्यूटर दृष्टि, स्वचालित ड्रोन और मौसम की भविष्यवाणी सेवाओं को जोड़ती है। इस परिसर को वास्तविक आपदा में बदलने से पहले वन्यजीवों का पता लगाने के लिए डिज़ाइन किया गया है। हम परियोजना के बारे में अधिक विस्तार से बात करना चाहते हैं कि यह कैसे काम करता है और इसके मूल में क्या सैद्धांतिक तंत्र निहित है। सामग्री को संभव के रूप में विशिष्ट प्रौद्योगिकियों से स्वतंत्र रूप से प्रस्तुत किया जाएगा, इसलिए यदि आप विशिष्ट कार्यान्वयन सुविधाओं (CNTK, Faster R-CNN, डॉकटर कंटेनर, पायथन, .NET फ्रेमवर्क, आदि) में रुचि रखते हैं, तो हमारे गीथर्स रिपॉजिटरी पर जाएं । और यहां हम सिर्फ इस्तेमाल की जाने वाली तकनीकों का उल्लेख करते हैं।

एक छोटा सा परिचय:

प्रेरणा

2017 में, यह अनुमान लगाया गया था कि जंगल की आग से अमेरिकी अर्थव्यवस्था की लागत लगभग 200 बिलियन डॉलर है। यह तूफान से थोड़ा कम नुकसान है। लेकिन अंतर यह है कि यदि आप बढ़ने से पहले आग बुझाते हैं, तो नुकसान बहुत कम हो सकते हैं। हालांकि, आग का पता लगाने का कार्य एक नियमित, कठिन और लोगों की भागीदारी की आवश्यकता है: अधिकांश भाग के लिए वे दूरबीन के साथ अवलोकन टॉवर पर बैठे हैं, समय पर आग को नोटिस करने की कोशिश कर रहे हैं, या हेलीकॉप्टर द्वारा या निर्देशित ड्रोन के माध्यम से क्षेत्र के चारों ओर उड़ते हैं। प्रोमेथियस परियोजना को इस पूरी दिनचर्या को स्वचालित ड्रोन की मदद से स्वचालित करने के लिए डिज़ाइन किया गया है जो प्रारंभिक चरण में आग का पता लगाएगा, अन्यथा हवा, सूखापन या इलाके की विशेषताएं आग को मिनटों में क्षेत्र की एकड़ में फैलने में मदद करेगी। इसके अलावा, इनमें से ज्यादातर आग दूरदराज के इलाकों में होती हैं, जहां कम लोग होते हैं और कोई भी ऐसा नहीं होता है जो फॉसी की घटना को ट्रैक कर सके।

यदि आप इन दूरस्थ क्षेत्रों में गश्त के लिए ड्रोन भेजते हैं, तो वे समय पर आग का पता लगाने और क्षति को कम करने में मदद करेंगे।

परियोजना

प्रोमेथियस को तीन भागों में विभाजित किया जा सकता है:

• फायर डिटेक्शन मॉड्यूल ड्रोन के RGB कैमरा (क्लाउड रेस्ट सर्विस के रूप में कार्यान्वित) का उपयोग करके छोटे foci की पहचान करने के लिए गहन शिक्षण एल्गोरिदम का उपयोग करता है।
• उड़ान नियोजन मॉड्यूल उपयोगकर्ता को गश्ती क्षेत्रों का चयन करने और योजना बनाने की अनुमति देता है (एक विंडोज़ अनुप्रयोग के रूप में कार्यान्वित किया जाता है और मौसम मानचित्रण सेवाओं के साथ एकीकृत होता है)।
• चेतावनी प्रणाली उपयोगकर्ता को पता लगाई गई आग (एज़्योर फ़ंक्शंस और ट्विलियो का उपयोग करके) के बारे में टीम को जल्दी से सूचित करने की अनुमति देती है।

आग का पता लगाना

हम दूरस्थ क्षेत्रों में आग की खोज के लिए स्वचालित ड्रोन का उपयोग करते हैं। जहाज पर आरजीबी कैमरों का उपयोग पूरे क्षेत्र को शूट करने के लिए किया जाता है, और तस्वीरें फिर एक मशीन लर्निंग मॉडल को खिलाया जाता है जो आग की खोज करता है और उपयोगकर्ता को सूचित करता है। आप सभी को धन्यवाद, सभी लोग स्वतंत्र हैं। यद्यपि, हे ...

पाठ एक: आकार मामले

कंप्यूटर विज़न का उपयोग करने वाली आग का उस अनुपात में निर्धारण करना जो हमें आवश्यक था, एक कठिन काम था, और इसलिए हमने एक अलग दृष्टिकोण का उपयोग किया। आपने शायद सोचा था कि आरजीबी कैमरों का उपयोग करना व्यावहारिक नहीं है क्योंकि इस मामले में अवरक्त कैमरे बेहतर हैं। लेकिन अग्निशामकों के साथ बात करने के बाद, हमें पता चला कि यह इतना सरल नहीं है: उच्च हवा के तापमान वाले स्थान अवरक्त कैमरों पर आग की तरह दिखेंगे, और सतह के कुछ हिस्से प्रकाश प्रतिबिंब की ख़ासियत के कारण केवल गर्मी स्रोतों की तरह दिखेंगे। इसके अलावा, ऐसे कैमरे काफी अधिक महंगे हैं। अग्निशामक उन्हें रात में ज्यादातर यह देखने के लिए इस्तेमाल करते हैं कि क्या वे पूरी तरह से आग बुझाने में कामयाब रहे।

सामान्य तौर पर, यदि आप किसी छवि को विशिष्ट श्रेणी में वर्गीकृत करने के लिए मशीन लर्निंग का उपयोग करना चाहते हैं - आग / आग नहीं - तो आप शायद वर्गीकरण तकनीकों का उपयोग करेंगे। उस के रूप में सरल। लेकिन यह हो सकता है कि पूर्ण छवि की तुलना में वर्गीकरण के लिए आवश्यक विशेषताएँ बहुत छोटी हैं। उदाहरण के लिए, प्रज्वलन का एक छोटा स्रोत इस तरह दिखता है:



ऐसे मामलों में, हमारे सहित, वस्तुओं का निर्धारण करने में सबसे अच्छा प्रदर्शन प्राप्त किया जा सकता है यदि आप उनके विशिष्ट स्थान पर ध्यान नहीं देते हैं या छवि में संख्या की गणना करते हैं। लेकिन अधिक बार नहीं, वस्तुओं के निर्धारण के लिए उपकरण प्रणाली बहुत अधिक जटिल है। इस समस्या को हल करने के लिए अलग-अलग तरीके हैं, और हमने क्षेत्रीय विक्षेपीय तंत्रिका नेटवर्क (आर-सीएनएन) का उपयोग किया, या इसके बजाय, फास्टर आर-सीएनएन के कार्यान्वयन।

इसके अलावा अक्सर इस्तेमाल किए जाने वाले YoLo और Detectron (हाल ही में ओपन-सोर्स में स्थानांतरित किए गए) हैं।

प्रक्रिया में निम्नलिखित चरण होते हैं:

• स्थानीयकरण: आपको छवि के भीतर क्षेत्रों के अनुभाग (नमूने) उत्पन्न करने की आवश्यकता है जिसमें वांछित वस्तुएं हो सकती हैं। इन क्षेत्रों को ब्याज क्षेत्र (ROI) कहा जाता है। वे पूरे छवि को कवर करने वाले फ्रेम के बड़े सेट हैं। हम Koen EA van de Sande और अन्य द्वारा वस्तु मान्यता के लिए चयनात्मक खोज के रूप में सेगमेंटेशन में वर्णित तकनीक का उपयोग करके ROI उत्पन्न करते हैं। तकनीक को डेलिब पायथन लाइब्रेरी में लागू किया गया है।
• वस्तुओं का वर्गीकरण: आगे, प्रत्येक गुणधर्म से दृश्य गुण निकाले जाते हैं, उनका मूल्यांकन किया जाता है और सिस्टम यह मान लेता है कि क्या वस्तुएं हैं और वे क्या हैं (नीचे इस पर अधिक)।
• गैर-अधिकतम दमन: ऐसा होता है कि एक ही वस्तु का प्रतिनिधित्व करने वाले फ्रेम आंशिक रूप से या पूरी तरह से एक दूसरे के ऊपर से ओवरलैप करते हैं। इस तरह के दोहराव से बचने के लिए, प्रतिच्छेदन फ्रेम को एक में जोड़ दिया जाता है। इस कार्य के लिए बहुत अधिक कंप्यूटिंग शक्ति की आवश्यकता हो सकती है, लेकिन इंटेल मठ पुस्तकालय में कुछ अनुकूलन लागू होते हैं।

पाठ दो: आपके डेटा को मदद की आवश्यकता हो सकती है

मशीन लर्निंग को डेटा की जरूरत होती है। लेकिन गहन शिक्षण में (यानी, एक बहुआयामी इनपुट स्थान में) आपको ब्याज के दृश्य गुणों को निकालने के लिए बहुत अधिक डेटा की आवश्यकता होगी। जैसा कि आप समझते हैं, वस्तुओं का एक बड़ा डेटासेट खोजना मुश्किल है जो हमें (आग) ब्याज देता है। इस समस्या को हल करने के लिए, हमने दृश्य गुणों को निकालने के लिए पूर्व-प्रशिक्षित सामान्य-उद्देश्य छवि वर्गीकरण मॉडल के साथ "ट्रांसफर लर्निंग" तकनीक का उपयोग किया, क्योंकि वे अच्छी तरह से सामान्यीकरण कर सकते हैं। सीधे शब्दों में कहें, तो आप एक मॉडल लेते हैं जो कुछ को परिभाषित करने के लिए पूर्व-प्रशिक्षित होता है, और अपने डेटासेट का उपयोग करके इसे "कॉन्फ़िगर" करता है। यही है, यह मॉडल गुणों को निकालेगा, और आप समस्या बी (आमतौर पर एक निम्न-स्तरीय एक) को हल करने में कार्य ए (आमतौर पर एक उच्च-स्तरीय कार्य) के लिए सीखे गए उनके प्रतिनिधित्व का उपयोग करने का प्रयास करेंगे। समस्या बी को हल करने की सफलता इंगित करती है कि कार्य ए के लिए मॉडल कार्य बी के बारे में कितना जानने में सक्षम था। हमारे मामले में, कार्य ए इमेजनेट ऑब्जेक्ट्स को वर्गीकृत करने का कार्य था, और कार्य बी आग की पहचान कर रहा था।

इस तकनीक को एक पूर्व प्रशिक्षित तंत्रिका नेटवर्क से अंतिम परत को हटाकर और इसे अपने स्वयं के क्लासिफायर के साथ लागू किया जा सकता है। फिर हम अन्य सभी परतों के वजन को फ्रीज करते हैं और सामान्य तरीके से तंत्रिका नेटवर्क को प्रशिक्षित करते हैं।

परिणामी तंत्रिका नेटवर्क GitHub पर अपने आकार के कारण उपलब्ध नहीं है - लगभग 250 एमबी। यदि आपको एक की आवश्यकता है, तो हमें लिखें।

ImageNet (AlexNet, VGG, Inception, RestNet, आदि) के लिए कई पहले से ही प्रशिक्षित मॉडल हैं। उनमें से प्रत्येक में, लेखकों ने गति, सटीकता और संरचना में अलग-अलग समझौता किया। हमने एलेक्सनेट को चुना, क्योंकि इसके लिए कम कम्प्यूटेशनल संसाधनों की आवश्यकता होती है, और हमारे कार्य के परिणाम अन्य नेटवर्क से बहुत कम होते हैं।

पाठ तीन: वीडियो (विशेषकर उनके व्यक्तिगत फ्रेम) आपके सबसे अच्छे दोस्त हैं

लेकिन प्रशिक्षण के हस्तांतरण के बावजूद, वर्गीकरण समस्या को हल करने के लिए हमें अभी भी काफी डेटा की आवश्यकता है। और फिर हमने वीडियो का लाभ उठाया। आप प्रत्येक वीडियो से फ़्रेमों का एक गुच्छा निकाल सकते हैं और जल्दी से एक बहुत बड़ा डेटासेट प्राप्त कर सकते हैं। वीडियो में एक और उपयोगी संपत्ति है: यदि कोई ऑब्जेक्ट या कैमरा चलता है, तो आपको ऑब्जेक्ट की छवियां अलग-अलग प्रकाश के साथ, विभिन्न कोणों पर और विभिन्न पदों पर मिलती हैं, इसलिए डेटासेट बहुत उच्च गुणवत्ता वाला है।

आकार, दस्तक के कारण हमने रिपॉजिटरी में हमारे चित्रों के सेट को अपलोड नहीं किया।

हमने विभिन्न स्रोतों से ड्रोन से वीडियो एकत्र किया और मैन्युअल रूप से इसे लेबल किया। अलग-अलग स्वरूपों में छवियों को लेबल करने के लिए कई उपकरण हैं, जो उपयोग किए गए गहन शिक्षण ढांचे पर निर्भर करता है। मैं Mac के लिए Linux / Windows और RectLabel के लिए LabelImg की सलाह देता हूं। हमने CNTK का उपयोग किया है, इसलिए हम एक Microsoft VoTT उपकरण पर बसे हैं जो CNTK और TensorFlow प्रारूपों को निर्यात कर सकता है।

पाठ चार: वीडियो कार्ड खरीदें (या क्लाउड किराए पर लें)

हमारे जैसे बड़े मॉडल को प्रशिक्षित करने के लिए काफी कंप्यूटिंग शक्ति की आवश्यकता होती है, और GPU एक बड़ी मदद होगी। NVIDIA GeForce GTX 1050 का उपयोग करना सीखने में हमें लगभग 15 मिनट का समय लगा। लेकिन वीडियो कार्ड के उपयोग के बावजूद, मॉडल पैरामीटर सेट करना एक बड़ी मुश्किल है। Microsoft के पास Azure Experimentation Service नामक एक अच्छा उपकरण है, जो आपको समानांतर में क्लाउड में विभिन्न मापदंडों के साथ कई प्रशिक्षण चलाने और प्राप्त सटीकता का विश्लेषण करने की अनुमति देता है। AWS SageMaker पर भी नज़र डालें।

हमारी रिपॉजिटरी में Sweep_parameters.py स्क्रिप्ट है , जो स्वचालित रूप से पैरामीट्रिक स्थान को खाली कर देगी और प्रशिक्षण कार्यों को शुरू करेगी।

हो गया!

इसलिए, हमने अपने आर-सीएनएन को प्रशिक्षित किया और प्रशिक्षण, गहरी शिक्षा, वीडियो कार्ड आदि के हस्तांतरण से छुटकारा पा लिया। अब अपने काम को दूसरों के साथ कैसे साझा करें? सबसे पहले, हमने मॉडल के साथ बातचीत करने के लिए एक आरईएसटी सेवा शुरू की। एपीआई आपको छवियों के मूल्यांकन और रिटर्न क्षेत्रों के लिए छवियां भेजने की अनुमति देता है, आग की उपस्थिति जिसके लिए मॉडल ने कुछ निश्चितता के साथ निर्धारित किया है। आप एपीआई को यह भी बता सकते हैं कि छवि वास्तव में आग है या नहीं। अन्य समापन बिंदुओं का उपयोग प्रतिक्रिया और संवर्द्धन के लिए किया जाता है।
REST API सेवा को डॉकटर कंटेनर में पैक किया जाता है और इसे क्लाउड में प्रकाशित किया जाता है, जो आपको सस्ते में समाधान की अनुमति देता है। रिपॉजिटरी में आप फाइल को डॉकर इमेज के साथ पा सकते हैं।

उड़ान योजना

लाल चेतावनी

प्रोमेथियस को कैसे पता चलता है कि ड्रोन कहां भेजना है? हम "रेड अलर्ट" की पहचान करने के लिए राष्ट्रीय मौसम सेवाओं के साथ एकीकृत करते हैं। ये ऐसे क्षेत्र हैं जिनमें हवा का तापमान, हवा की दिशा और ताकत, आर्द्रता और वायुमंडलीय दबाव से आग लगने की संभावना बढ़ जाती है। चूंकि मौसम सेवाएं अपने देशों के लिए उन्मुख हैं, इसलिए उन्हें शायद ही विदेशी खोजों के लिए उपयोग किया जा सकता है। आज हम अमेरिकी और अर्जेंटीना सेवाओं के साथ काम करते हैं।

मौसम की जानकारी

ब्याज के क्षेत्रों में सटीक मौसम डेटा होना बहुत महत्वपूर्ण है। अग्निशामकों ने हमसे इस समारोह के बारे में पूछा। हम राष्ट्रीय मौसम सेवा के मानचित्र सर्वर के माध्यम से मौसम केंद्रों के सर्वेक्षण द्वारा मौसम के आंकड़ों को प्राप्त करते हैं, और मानचित्र पर प्राप्त सूचनाओं को ओवरले करते हैं। हम इस बात पर जोर देते हैं कि यह मौसम का पूर्वानुमान नहीं है, बल्कि वास्तविक माप है:


संयुक्त राज्य अमेरिका में मौसम स्टेशन ।

समझ में नहीं आता कि यह कार्ड कैसे काम करता है? इसमें आप अकेले नहीं हैं। हमें यह पता लगाने में कई सप्ताह लग गए कि इसका उपयोग कैसे किया जाए। नेट पर बहुत कम जानकारी है। यदि आप मौसम केंद्रों के डेटा के साथ प्रयोग करना चाहते हैं, तो आपको प्रदाताओं से एपीआई कुंजी प्राप्त करनी होगी, क्योंकि हमारे पास उन्हें साझा करने का अधिकार नहीं है।

चेतावनी प्रणाली

जब सिस्टम आग का पता लगाता है, तो यह ऑपरेटर को पता लगाने के तथ्य की पुष्टि करने के लिए कहता है। इंटरफ़ेस इस तरह दिखता है:


आग की पुष्टि खिड़की ।

जैसा कि आप देख सकते हैं, सिस्टम इस तरह के मुश्किल मामलों में भी काफी सटीक रूप से काम करता है। एक छोटा लाल फ्रेम 67% की संभावना के साथ आग की सीमाओं को रेखांकित करता है। वास्तव में, प्रोमेथियस इस तरह के परिदृश्यों में क्षेत्रों की गणना करते समय बड़ी आग का पता लगाने की कोशिश करता है और अस्थिर होता है। सब कुछ क्रम में है, जैसा कि यह इरादा था। हमें ऐसी स्थितियों में दिलचस्पी नहीं थी।

चेतावनी प्रणाली, पूर्व-पंजीकृत फोन नंबरों को आग के जीपीएस निर्देशांक के साथ एसएमएस अधिसूचना भेजती है। वितरण को टवीलियो का उपयोग करके किया जाता है, एक क्लाउड प्लेटफ़ॉर्म जिसकी एपीआई अन्य चीजों के साथ, प्रोग्राम संदेश भेजने और प्राप्त करने की अनुमति देता है।

एक नज़र रखना चाहते हैं?

→ सोर्स कोड यहाँ है

धन्यवाद

प्रोमेथियस को टेंप फायर डिपार्टमेंट, एरिज़ोना, अर्जेंटीना फायर डिपार्टमेंट और अर्जेंटीना के कृषि प्रौद्योगिकी के लिए अर्जेंटीना राष्ट्रीय संस्थान के सहयोग से विकसित किया गया था।