یونیورسٹی آف الینوائے اربانا-چمپین کے محققین نے گہرے نیورل نیٹ ورکس کا استعمال کرتے ہوئے پانی کے اندر جغرافیائی محل وقوع کے لیے ایک نیا طریقہ تیار کیا ہے جسے دنیا بھر کے مقامات سے جمع کی گئی 10 ملین پولرائزیشن حساس تصاویر پر تربیت دی گئی ہے۔ یہ نیا مطالعہ، الیکٹریکل اور کمپیوٹر انجینئرنگ کے پروفیسر وکٹر گریو کی قیادت میں، کمپیوٹر سائنس کے پروفیسر ڈیوڈ فورسیتھ کے ساتھ، صرف آپٹیکل ڈیٹا کا استعمال کرتے ہوئے پانی کے اندر جیولوکلائزیشن کو قابل بناتا ہے جبکہ ٹیچرڈ فری انڈر واٹر نیویگیشن کے لیے ایک ٹول فراہم کرتا ہے۔
یہ نتائج حال ہی میں جرنل میں شائع ہوئے تھے۔ eLight.
“ہم پہلی بار دکھا رہے ہیں، آپ اپنے آپ کو، یا ایک کیمرہ، بہت سے مختلف حالات میں، چاہے کھلے سمندر کے پانیوں میں، صاف پانیوں میں یا کم نظر آنے والے پانیوں میں، دن میں، رات میں، یا گہرائی میں، جغرافیائی تلاش کر سکتے ہیں۔” گرویو۔ “ایک بار جب آپ کو یہ احساس ہو جائے کہ آپ کہاں ہیں، تو آپ اس معلومات کو تلاش کرنا شروع کر سکتے ہیں اور پانی کے اندر کی دنیا کے بارے میں بہتر تفہیم کے لیے استعمال کر سکتے ہیں یا یہاں تک کہ جانور کیسے تشریف لے جاتے ہیں۔”
Gruev وضاحت کرتا ہے کہ پانی کے اندر نیویگیشن اور جیو لوکلائزیشن کے ساتھ ایک اہم چیلنج یہ ہے کہ GPS سگنلز پانی میں داخل نہیں ہو سکتے- وہ سطح سے اچھالتے ہیں۔ “ہم پانی کے اندر GPS سگنلز کے لحاظ سے اندھے ہیں۔ ہمیں پانی کے اندر جغرافیائی محل وقوع کے لیے مختلف ذرائع اور مختلف ٹیکنالوجی استعمال کرنے کی ضرورت ہے۔”
جیولوکلائزیشن کا موجودہ معیار صوتی معلومات کا استعمال کر رہا ہے، جو بنیادی طور پر سونار ٹیکنالوجی کے ذریعے حاصل کی گئی ہے۔ یہ بہت سے چھوٹے سونار بیکنز کو تعینات کر کے کام کرتا ہے جو پانی کے اندر موجود کسی شے کو تلاش کرنے کے لیے تکون شکل والے سگنل بھیجتے ہیں۔ تاہم، مسئلہ یہ ہے کہ سونار صرف ایک چھوٹے، متعین علاقے میں کام کرتا ہے، جبکہ اس کی درستگی بھی محدود ہے۔
ایک اور طریقہ جو فی الحال استعمال کیا جاتا ہے وہ آبدوزوں کا استعمال کر رہا ہے جو سطح کے اوپر ایک بڑے برتن سے جڑے ہوئے ہیں جس میں GPS سگنل ہے۔ اگرچہ آبدوز تھوڑا سا پینتریبازی کرسکتا ہے، لیکن یہ بالآخر برتن کی نقل و حرکت سے محدود ہے۔
“آزاد چلنے والی، پانی کے اندر گاڑی کا ہونا ایک ناقابل یقین حد تک چیلنجنگ مسئلہ ہے۔ جس طرح سے ہم اس مسئلے کو حل کرتے ہیں وہ ہے خصوصی کیمرے اور مشین لرننگ الگورتھم تیار کرنا۔ ان کو ملا کر، ہم حقیقت میں سورج کے مقام کا پتہ لگا سکتے ہیں اور یہ وہ جگہ ہے جہاں پولرائزیشن ہوتی ہے۔ امیجنگ کھیل میں آتی ہے۔” — وکٹر گریو
سورج کی روشنی کی لہریں تمام سمتوں میں حرکت کرتی ہیں – یہ غیر قطبی ہے۔ جب وہ لہریں پانی کی سطح کی طرح فلٹر سے گزرتی ہیں، تو وہ صرف ایک سمت میں جانے پر مجبور ہوتی ہیں- روشنی کو پولرائز کیا گیا ہے۔ پولرائزیشن پیٹرن ہوا سے پانی میں روشنی کی منتقلی اور پانی کے مالیکیولز اور دیگر ذرات کے ذریعے بکھرنے کا نتیجہ ہیں۔ پانی کے اندر پیٹرن دن بھر بدلتے رہتے ہیں، اور وہ مشاہدہ کرنے والے اور سورج دونوں کے مقام پر منحصر ہوتے ہیں۔ درست تاریخ اور وقت کی معلومات کے ساتھ ساتھ ان نمونوں کا تجزیہ کرکے، پھر مقام کا تعین کرنا ممکن ہے۔
ٹیم نے زیر آب کیمرے اور ایک ہمہ جہتی لینس کے ساتھ ~10 ملین تصاویر اکٹھی کیں جو چار مقامات سے پولرائزیشن پیٹرن کو ریکارڈ کرنے کے قابل ہیں: Champaign میں میٹھے پانی کی ایک جھیل، IL (0.3 میٹر کے ارد گرد مرئیت)، فلوریڈا کی میں ساحلی سمندری پانی، FL (آس پاس کی نمائش۔ 0.5-3 میٹر)، ٹمپا کی خلیج میں سمندر کا پانی، FL (0.5 میٹر کے ارد گرد مرئیت) اور اوہریڈ، شمالی مقدونیہ میں میٹھے پانی کی ایک جھیل (مرئیت 10 میٹر سے زیادہ)۔ تصاویر مختلف حالتوں (صاف بمقابلہ گندے پانیوں)، گہرائیوں اور دن کے اوقات میں لی گئیں- یہاں تک کہ رات کے وقت بھی جب پانی کے اندر روشنی کی شدت نمایاں طور پر کمزور ہو۔
“ہم زندگی کو پھیکا سمجھتے ہیں اگر ہم کچھ نہیں دیکھ سکتے، اگر ہم اپنے سامنے ہاتھ نہیں دیکھ سکتے۔ لیکن اگر ہم روشنی کی پولرائزیشن خصوصیات کو دیکھ سکتے ہیں، تو ہم گدلے پانیوں میں بھی جغرافیائی شناخت کر سکتے ہیں۔ اور حقیقت میں، زندگی ہے پولرائزیشن کے لحاظ سے کافی امیر،” گرویو کہتے ہیں۔
ان تصاویر کا استعمال نیورل نیٹ ورک کو تربیت دینے کے لیے کیا گیا تھا – مصنوعی ذہانت کا ایک طریقہ سیکھنے اور وقت کے ساتھ ساتھ درستگی کو بہتر بنانے کے لیے۔ “جس طرح ہم نے یہ کیا وہ پانی کے اندر سے سورج کی 10 ملین تصاویر جمع کرنا تھا،” فورسیتھ بتاتے ہیں۔ “ہر تصویر کو اس جگہ کے ساتھ ٹیگ کیا گیا تھا جہاں اسے لیا گیا تھا، اور سورج کی بلندی۔ ان تصاویر کو پھر سیکھنے کے نظام میں منتقل کیا گیا تھا اور اس نظام کو اس وقت تک ایڈجسٹ کیا گیا تھا جب تک کہ اس نے ایک درست مقام نہ دیا ہو۔” مشین لرننگ کی ان تکنیکوں کے استعمال سے محل وقوع کی درستگی کو 40-50 کلومیٹر تک بہتر بنانے میں مدد ملی ہے، اور درستگی کو مزید بہتر بنانے کے امکانات کے ساتھ۔
یہ ٹیکنالوجی لوگوں اور روبوٹ کے لیے پانی کے اندر گھومنے پھرنے کے نئے مواقع پیش کرتی ہے۔ سمندر زمین کے سطحی رقبے کا 70% سے زیادہ ہیں، لیکن اس کے بارے میں بہت کم معلوم ہے۔ پانی کی ان لاشوں کے بارے میں جو ڈیٹا ہم جانتے ہیں وہ سطح سے 20-30 میل اوپر سیٹلائٹ کے ذریعے نگرانی سے حاصل ہوتا ہے۔ سوستانی میں خود مختار نمونے لینے والے روبوٹ پانی کی خصوصیات جیسے پانی کا درجہ حرارت، نمکیات، آکسیجن کی سطح اور دیگر متعلقہ پیرامیٹرز کی زیادہ درست نگرانی فراہم کر سکتے ہیں۔
حالیہ OceanGate Titan آبدوز کی تلاش اور بچاؤ کی کوششوں نے جغرافیائی محل وقوع کی درست صلاحیتوں کی ضرورت کو اجاگر کیا ہے۔ کسی بھی ممکنہ گہرائی میں آبدوز کو تلاش کرنے کے لیے، موجودہ ٹیکنالوجی کی حدود کی وجہ سے کوششوں کو دو الگ الگ علاقوں میں تقسیم کیا گیا، سمندر کی سطح کے قریب اور سمندری فرش کے قریب۔ گہرے پانی کی کوششیں سطح کے قریب کی کارروائیوں کے مقابلے میں نمایاں طور پر زیادہ چیلنجنگ ہیں، جن میں زیادہ تکنیکی اختیارات ہیں، اور بنیادی طور پر سونار پر انحصار کرتے ہیں۔ سونار نہ صرف ایک بڑے رقبے پر ناقابل اعتبار ہے، بلکہ یہ اکثر ایسی بازگشت بھی پیدا کرتا ہے جو کسی چیز کے صحیح مقام کو چھپاتے ہیں۔ گرویو کہتے ہیں، “یہ پولرائزیشن امیجنگ ٹیکنالوجی چھوٹے خود مختار روبوٹ کو پہلے 200-300 میٹر کے ارد گرد گھومنے کے قابل بنائے گی جہاں روشنی پانی میں داخل ہوتی ہے اور جہاں ہماری ٹیکنالوجی بہت اچھی طرح سے کام کرتی ہے اور تلاش اور بچاؤ کے مشن کے دوران مدد کر سکتی ہے۔”
“یہ سمجھنا مشکل ہے کہ سمندر کتنے بڑے ہیں، وہاں کتنا پانی ہے، آپ کسی بھی چیز سے کتنا دور ہو سکتے ہیں، اور وہاں سے کچھ بھی تلاش کرنا کتنا مشکل ہے۔ 19 کے اوائل تک سب سے بڑا تکنیکی مسئلہویں صدی، صرف یہ جان رہی تھی کہ آپ سمندر میں کہاں تھے۔ اور یہ واقعی، واقعی مشکل رہتا ہے۔” — ڈیوڈ فورسیتھ
وکٹر گروو بیک مین انسٹی ٹیوٹ فار ایڈوانسڈ سائنس اینڈ ٹیکنالوجی، بائیو انجینیئرنگ ڈیپارٹمنٹ اور UIUC میں کارل الینوائے کالج آف میڈیسن سے بھی وابستہ ہیں۔
اس کام میں تعاون کرنے والوں میں Xiaoyang Bai (UIUC میں الیکٹریکل اور کمپیوٹر انجینئرنگ کا شعبہ)، Zuodong Liang (UIUC میں الیکٹریکل اور کمپیوٹر انجینئرنگ کا شعبہ)، Zhongmin Zhu (UIUC میں الیکٹریکل اور کمپیوٹر انجینئرنگ کا شعبہ) اور الیگزینڈر شونگ (محکمہ برائے الیکٹریکل اینڈ کمپیوٹر انجینئرنگ) شامل ہیں۔ الیکٹریکل اور کمپیوٹر انجینئرنگ اور UIUC میں کمپیوٹر سائنس کا شعبہ)۔
اس تحقیق کو آفس آف نیول ریسرچ اور یو ایس ایئر فورس آفس آف سائنٹیفک ریسرچ نے مالی اعانت فراہم کی۔
>Source link>
>>Join our Facebook Group be part of community. <<