एआय फोन व्हिडिओंमधून खड्ड्यांसाठी ग्रामीण रस्ते स्कॅन करेल, परंतु अभियंते अद्याप अंतिम म्हणतील

सरकारने AI प्रणालीची देशव्यापी फील्ड चाचणी सुरू केली आहे जी सामान्य स्मार्टफोनवर शूट केलेल्या व्हिडिओंमधून ग्रामीण रस्त्यांवरील खड्डे, तडे आणि इतर दृश्यमान दोष शोधू शकतात. प्रधानमंत्री ग्राम सडक योजना (PMGSY) अंतर्गत बांधलेल्या रस्त्यांवर या प्रणालीची चाचणी केली जात आहे, 1 सप्टेंबरपासून फील्ड प्रमाणीकरण सुरू आहे.

कल्पना सोपी आहे: वाहनावर फोन लावा, वाहन चालवताना रस्ता रेकॉर्ड करा आणि एआय मॉडेल फ्लॅगला तपासणीसाठी दोष असू द्या. ही प्रणाली नॅशनल रुरल इन्फ्रास्ट्रक्चर डेव्हलपमेंट एजन्सीसह सेंटर फॉर डेव्हलपमेंट ऑफ ॲडव्हान्स्ड कॉम्प्युटिंगने विकसित केली आहे. ते रस्ते अभियंत्यांची बदली करत नाही. या टप्प्यावर, प्रत्येक AI शोध अद्याप भौतिक मूल्यांकनाविरूद्ध तपासणे आवश्यक आहे.

सध्याची चाचणी सात दृश्यमान समस्या ओळखण्यासाठी तयार करण्यात आली आहे: खड्डे, अनुदैर्ध्य क्रॅक, ट्रान्सव्हर्स क्रॅक, किनारी तुटणे, पृष्ठभागावरील उदासीनता, दुरुस्ती केलेले पॅचेस आणि वनस्पती-संबंधित अडथळे. हे अशा प्रकारचे दोष आहेत जे लवकर नोंदवले आणि दुरुस्त न केल्यास ते लवकर खराब होऊ शकतात.

आज, पीएमजीएसवाय देखभालीचे निरीक्षण भौतिक तपासणीद्वारे आणि क्षेत्रीय अधिकाऱ्यांनी eMARG मोबाइल अनुप्रयोगाद्वारे अपलोड केलेल्या भौगोलिक-टॅग केलेल्या छायाचित्रांद्वारे केले जाते. AI प्रणाली त्या प्रक्रियेत व्हिडिओ-आधारित स्क्रीनिंग जोडते. कार्यक्रम अंमलबजावणी युनिट्स त्यांच्याकडे आधीपासून असलेल्या वाहनांवर बसवलेले फोन वापरत आहेत, त्यामुळे चाचणीसाठी सर्वेक्षण कारच्या नवीन फ्लीटची आवश्यकता नाही.

प्रणाली प्रमाणीकरणापेक्षा पुढे गेल्यास समर्पित डॅशकॅमचा नंतर विचार केला जाऊ शकतो. ते पुनरावृत्ती मूल्यांकन सोपे आणि अधिक सुसंगत बनवू शकते, परंतु असे कोणतेही रोलआउट अद्याप मंजूर केलेले नाही.

ही एक महत्त्वाची मर्यादा आहे. एआय आउटपुटला एक समर्थन साधन मानले जात आहे, कंत्राटदाराविरूद्ध अंतिम पुरावा म्हणून नाही. अभियंता दोषांची भौतिकरित्या पडताळणी करतील आणि सॉफ्टवेअर ओळखलेल्या गोष्टींशी त्यांच्या स्वतःच्या मोजमापांची तुलना करतील. जेथे दोन मूल्यमापन भिन्न आहेत, औपचारिक सत्यापन प्रोटोकॉल तयार करण्यापूर्वी त्या प्रकरणांचे पुनरावलोकन केले जाईल.

हे महत्त्वाचे आहे कारण PMGSY करार आधीच पाच वर्षांच्या दोष दायित्व कालावधीत देखभालीची जबाबदारी कंत्राटदारांवर टाकतात. चुकीचे AI रीडिंग अन्यथा रस्ता निकामी झाला आहे किंवा कंत्राटदाराने दुरुस्ती करणे आवश्यक आहे की नाही यावरून वाद निर्माण होऊ शकतो.

सुरुवातीला पुणे, लखनौ, आसाममधील कामरूप आणि मेघालयातील रि-भोई या सहा रस्त्यांवर या प्रणालीची चाचणी घेण्यात आली. देशव्यापी सराव सुरू होण्यापूर्वी सुधारित मॉडेलची नंतर कानपूर जिल्ह्यातील सात रस्त्यांवर आणि भोपाळ जिल्ह्यातील बेरासिया ब्लॉकवर चाचणी घेण्यात आली.

मोठी संधी वारंवारता आहे. शारीरिक तपासणी पथके प्रत्येक ग्रामीण रस्त्यावर सतत फिरू शकत नाहीत. फोन-आधारित एआय स्कॅन विश्वसनीय असल्याचे सिद्ध झाल्यास, तंत्रज्ञान-सक्षम देखभाल फ्रेमवर्क अंतर्गत प्रत्येक तिमाहीत रस्त्यांचे मूल्यांकन केले जाऊ शकते की नाही हे मंत्रालय तपासत आहे. त्या वेळापत्रकाला अंतिम स्वरूप आलेले नाही.

रस्ता वापरकर्त्यांसाठी, भविष्यातील AI बद्दलचा फायदा कमी आणि नुकसान लवकर शोधण्याबद्दल अधिक असेल. फुटपाथच्या अयशस्वी भागापेक्षा लहान असताना सापडलेला खड्डा दुरुस्त करणे स्वस्त आहे. वारंवार व्हिडिओ स्कॅन केल्याने दोष वाढत आहे की नाही आणि दुरुस्ती किती लवकर केली जात आहे हे दर्शवणारे रेकॉर्ड देखील तयार करू शकते.

अंमलबजावणीचे आव्हान अचूकतेचे आहे. वेगवेगळे फोन, वाहनाचा वेग, प्रकाशयोजना, सावल्या, पाऊस, रस्त्याचे पृष्ठभाग आणि कॅमेरा अँगल हे सॉफ्टवेअर जे पाहते त्यावर परिणाम करू शकतात. ग्रामीण रस्ते देखील बांधकाम गुणवत्ता आणि परिसरामध्ये मोठ्या प्रमाणात बदलतात. म्हणूनच सध्याचा व्यायाम हा पूर्ण तैनात करण्याऐवजी प्रमाणीकरण कार्यक्रम आहे.

परिणाम टिकून राहिल्यास, तंत्रज्ञान अभियंत्यांना साइट तपासणी न बदलता रस्ता-स्थिती डेटाचा खूप मोठा संच देऊ शकेल. त्यामुळे तात्काळ बदल असा नाही की रस्ता चांगला की वाईट हे AI ठरवेल. हे असे आहे की हजारो किलोमीटरचा रस्ता जास्त वेळा तपासला जाऊ शकतो, अभियंते त्यांचा वेळ ताणलेल्या भागांवर केंद्रित करतात आणि सिस्टम प्रथम ध्वजांकित करतात.