संशोधकांनी महासंगणकांच्या शीतनासाठी तांब्याऐवजी सिरॅमिक-आधारित शीत-पट्टक तयार केले, ज्यामुळे लहान व आटोपशीर आकाराचे सर्किट बोर्ड शक्य होतील.

विस्तृत भूपृष्ठांचे थ्री-डी मॉडेल बनवण्यासाठी नवीन कार्यक्षम पद्धत

Read time: 1 min
मुंबई
26 एप्रिल 2022
विस्तृत भूपृष्ठांचे थ्री-डी मॉडेल बनवण्यासाठी नवीन कार्यक्षम पद्धत

Image Source: Wikimedia Commons

भूसर्वेक्षणाचा उपयोग जमिनीवरील भौगोलिक वैशिष्ट्ये आणि जमिनीचा वापर अभ्यासण्यासाठी केला जातो. प्रत्यक्ष एखाद्या ठिकाणी जाऊन सर्वेक्षक त्या जागेची समुद्रसपाटी पासून उंची, तेथील इमारतींचे क्षेत्रफळ आणि उंची, वृक्ष-वनस्पती, जलसाठे आणि रस्ते याबद्दल माहिती गोळा करू शकतात. उपग्रह, ड्रोन, ट्रायपॉड(मोठी तिपाई) किंवा हेलीकॉप्टर वर बसवलेले कॅमेरा देखील ही माहिती दूरस्थपणे गोळा करू शकतात.

जमिनीबद्दल अशा प्रकारची माहिती मिळवण्याची आणखी एक पद्धत म्हणजे माहिती टिपायला काही खास संवेदकांचा उपयोग करून त्या माहितीवरून थ्री-डी मॉडेल (त्रिमिति चित्र) रचणे होय. याकरता लायडार (Lidar -लाईट डिटेक्शन अँड रेजिंग) सारख्या पद्धतींचा वापर केला जातो. हवाई सर्वेक्षण फायद्याचे ठरते कारण त्यात विस्तृत भूक्षेत्राची पाहणी करता येते आणि प्रत्यक्ष जागेवर जाणे गरजेचे नसते. शिवाय या पद्धतीमध्ये कमी वेळात सर्वेक्षण होते आणि जमिनीचा वापर कसा बदलत चालला आहे हे वेळोवेळी तपासता येते. जमिनीवरील एकाच ठिकाणासाठी अनेक प्रकारची माहिती आणि मूल्ये मिळत असल्याने हवाई सर्वेक्षणातून मिळालेल्या माहितीसाठा प्रचंड असतो.

भारतीय तंत्रज्ञान संस्था, मुंबई (आयआयटी, बॉम्बे) येथील सेंटर फॉर रिसोर्सेस इंजिनियरींग चे प्रा. सूर्या दुर्भा आणि त्यांच्या संशोधकांच्या गटाने “लायडार सी एस नेट” नावाची एक अभिनव संगणकीय पद्धत आणि त्याचे तपशीलवार मूल्यांकन सादर केले आहे. या पद्धतीमध्ये लायडार संवेदकांकडून मिळवलेला माहितीसाठा संपीडित (कॉम्प्रेस) करून, त्याचे संक्षिप्त रूप तयार करता येते. या संक्षिप्त लायडार माहितीसाठ्यावरून सर्वेक्षण केलेल्या जागेचे थ्री-डी प्रतिमान (मॉडेल) रचता येते. त्यांनी प्रस्तुत केलेल्या पद्धतीसाठी असंक्षिप्त लायडार माहितीसाठा वापरणाऱ्या पद्धतीच्या तुलनेत संगणकीय मेमरी व वेळ कमी लागतात. शिवाय, या अभिनव पद्धतीचा संगणकीय भार कमी असून त्यामध्ये अधिक अचूक प्रतिमान रचता येते. हा अभ्यास आयएसपीआरएस जर्नल ऑफ फोटोग्रॅमेटरी अँड रिमोट सेन्सिंग या नियतकालिकात प्रकाशित झाला आहे.

लायडार पद्धतीमध्ये प्रकाश स्पंदनांचा वापर करतात आणि सर्वेक्षित जमिनीच्या वैशिष्ट्यांच्या अभ्यासावरून त्या भूभागाचे त्रिमितीय चित्र किंवा प्रतिमान उभे करता येते. हेलिकॉप्टर, ड्रोन किंवा ट्रायपॉड वर बसवलेले लायडार उपकरण हवेत असते आणि त्याद्वारे जमिनीवर प्रकाश स्पंदन सोडतात. सर्वेक्षण होत असलेल्या पृष्ठभागावरून प्रकाश परावर्तित होऊन उपकरणाकडे परत येतो. प्रकाश स्पंदन पाठवल्यापासून परत येईपर्यंत लागणार काळ, स्पंदन किती वेळा परावर्तित झाले आणि परावर्तित प्रकाश स्पंदनाची प्रखरता या माहितीच्या आधारे सर्वेक्षित पृष्ठभागाच्या रचनेबद्दल अंदाज बांधता येतो. यावरून त्या जागेचे त्रिमितीय प्रतिमान शोधता येते .

लायडार पद्धतीने गोळा केलेली माहिती प्रचंड असते. त्यामुळे या माहितीसाठ्याला बरीच मेमरी लागते. त्या माहितीसाठ्याच्या आधारे ठिकाणाच्या रचने बद्दल अंदाज बांधण्यासाठी  संगणन शक्ती सुद्धा तितक्याच प्रमाणात आवश्यक असते. लायडारच्या माहितीसाठ्यामधून मोजकी मापन माहिती वापरली तर संगणनाला लागणारी संगणनशक्ती आणि वेळ कमी करता येतो, पण थ्री-डी प्रतिमानाची अचूकता कमी होते. लायडार माहितीसाठ्यामधील कमीत कमी माहिती वापरून एखाद्या पृष्ठभागाचे सर्वाधिक अचूक प्रतिमान रचता येणे हे सर्वात मोठे आव्हान असते.

लायडार सी एस नेट सॉफ्टवेअरमध्ये संशोधकांनी कॉम्प्रेसिव्ह सेन्सिंग आणि डीप लर्निंग नावाच्या संगणन पद्धतींचा नाविन्यपूर्ण मेळ घातला आहे. कॉम्प्रेसिव्ह सेन्सिंग पद्धत कमी माहितीसाठा किंवा कमी मोजणी असेल तरी त्यावरून मूळ चित्र पूर्ण रचू शकते. डीप लर्निंग हे मशीन लर्निंग वर आधारित अल्गोरिदम आहे ज्याला विशिष्ट माहितीसंचावर आधारित ‘प्रशिक्षण’ दिले जाऊ शकते व त्यावरून ती डीप लर्निंग प्रणाली ऑडिओ, प्रतिमा (इमेज), व्हिडीओ अशा मोठमोठ्या माहितीसंचांमधील वैशिष्ट्ये ओळखण्यास स्वतः ‘शिकते’. संशोधकांनी एकाहून अधिक सॉफ्टवेअर घटकांचे थर वापरून लायडार सी एस नेट विकसित केले. मोजक्या लायडार माहितीसंचावरून अचूक प्रतिमान उभे करण्यासाठी हे सॉफ्टवेअर घटक एका पाठोपाठ काम करतात ज्यामुळे अचूकता वाढते. सॉफ्टवेअर प्रणालीची अशी रचना सोपी-सुटसुटीत असते आणि आणखी मोठ्या माहितीसंचावर काम करण्यासाठी देखील वाढवता येते. शिवाय, या पूर्वी वापरात असलेल्या पद्धतींमध्ये आणखी उत्तम परिणाम मिळवण्यासाठी सॉफ्टवेअर पुन्हा पुन्हा चालवावे लागे, तसे लायडार सी एस नेट सॉफ्टवेअर घटक रचनेत आवश्यक नसते.

दोन उपलब्ध लायडार माहितीसंचांवर संशोधकांच्या गटाने लायडार सी एस नेट चा प्रयोग केला. एक माहितीसंच फिलिपाइन्स येथील सर्वेक्षण केलेल्या वन परिसराचा होता, तर दुसरा तिथल्या शहरी भागाचा होता. हे माहितीसंच ट्रेनिंग सेंटर फॉर अप्लाइड जिओडेसी अँड फोटोग्रॅमेटरी (युपी -टीसीएजीपी) आणि फिलिपाइन्सच्या पीएचआयएल - लायडार प्रोग्रॅम तर्फे सर्वांना उपलब्ध आहेत आणि त्यामध्ये प्रत्यक्ष त्या त्या स्थळी जमा केलेल्या नेमक्या माहितीचा समावेश आहे.

लायडार सी एस नेट वापरून भूभागाच्या  प्रतिमानाची रचना

लायडार सी एस नेट वापरून संशोधकांनी प्रथम लायडारच्या संपूर्ण माहितीसाठ्यातून ७५%, ५०%, १०% आणि ४% नमुने असलेले चार भिन्न संक्षिप्त माहितीसंच बनवले. त्या प्रत्येक संचाच्या आधारे लायडार सी एस नेट वापरून वन प्रदेश आणि शहर प्रदेश दोन्हीची थ्री-डी प्रतिमाने (मॉडेल्स) त्यांनी तयार केली. म्हणजेच संपूर्ण १००% माहितीसाठा न वापरता त्यांनी मॉडेल्स रचली. वन व शहर भागांच्या प्रत्येकी चार प्रतिमानांची संशोधकांनी त्या स्थळांच्या मूळ सर्वेक्षणाच्या माहितीशी तुलना केली. त्यांना असे दिसून आले की कमी नमुने - म्हणजेच अधिक संक्षिप्त संच - वापरले, की तयार केलेले प्रतिमान खऱ्या पृष्ठभागापेक्षा वेगळे बनते आणि अचूकता कमी होते. मात्र अधिक संक्षिप्त संच वापरताना प्रतिमान तयार करण्यासाठी लागणारा संगणन क्रियेचा वेळ कमी होतो.

१०% किंवा ४% नमुने वापरून प्रतिमान करण्याचा वेग अधिक होता पण त्याची अचूकता कमी होती. काही यंत्रणांसाठी, जसे स्वयंचलित वाहनांसाठी, जेव्हा लायडार माहितीसंच वापरला जातो, तेव्हा माहिती अत्यंत अचूक असणे आवश्यक असते. अशा ठिकाणी सभोवतालच्या परिसराचे  त्रिमितीय चित्र जलद तरीही अचूक करणे गरजेचे असल्यामुळे १०% किंवा ४% नमुन्यांचा संच वापरणे अयोग्य ठरेल. संशोधकांना विश्वास वाटतो की त्यांच्या अभ्यासातून काढलेले या प्रकारचे निष्कर्ष विविध लायडार आधारित यंत्रणा रचताना, आवश्यक अचूकता आणि संगणन काल साधण्याच्या दृष्टीने माहितीसंच किती प्रमाणात संक्षिप्त करून वापरायचा ह्याबद्दलचा निर्णय घेण्यासाठी अतिशय उपयुक्त ठरतील. सदर अभ्यासातील निष्कर्ष वृक्ष-वनस्पती, जंगल किंवा शहरांचे सर्वेक्षण करणाऱ्या दूरस्थ संवेदन (रिमोट सेन्सिंग ) यंत्रणांसाठी सर्वाधिक उपयुक्त आहेत असे संशोधकांचे मत आहे. “लायडार सी एस नेट सॉफ्टवेअर कोणत्याही लायडार माहितीसंचांवर वापरता येऊ शकते. पण त्याचा सर्वाधिक फायदा खूप मोठ्या प्रमाणात माहितीसाठा हाताळणाऱ्या यंत्रणांना, म्हणजे दूरस्थ संवेदनाकरिता होईल,” असे या अभ्यासाचे एक लेखक श्री. रजत शिंदे यांनी सांगितले.

भूवर्गीकरणासाठी लायडार सी एस नेट

लायडार सी एस नेट द्वारा रचलेली प्रतिमाने वापरून संशोधकांनी सर्वेक्षित जमिनीचे सहा प्रकारांमध्ये वर्गीकरण केले (मोकळी मैदाने , लहान वनस्पती, मध्यम उंचीच्या वनस्पती, उंच वनस्पती/झाडी, इमारती व  पूल) आणि कितपत अचूक जमले आहे ते पहिले. फिलिपाइन्सच्या माहितीसंचात उपलब्ध असलेल्या खऱ्या वर्गीकरणाशी त्यांनी आपल्या वर्गीकरणाची तुलना केली. वर्गीकरण करण्यासाठी लायडारनेट सॉफ्टवेअर आणि लायडारनेट++ हे त्याचे सुधारित रूप त्यांनी विकसित केले. लायडारनेट++ विविध भू-वैशिष्ट्ये ओळखायला अधिक प्रशिक्षित केलेले आहे. त्यामुळे ते जास्त अचूक वर्गीकरण करू शकते, पण त्याला वेळ आणि संगणन शक्ती जास्त लागते.

संशोधकांनी लायडारनेट आणि लायडारनेट++ चा वापर करून संपूर्ण (असंक्षिप्त) लायडार माहितीसंचावर आधारित भूवर्गीकरण केले आणि चार संक्षिप्त माहितीसंचांवरून देखील भूवर्गीकरण केले. या सर्व वर्गीकरण परिणामांची त्यांनी इतर काही लायडार आधारित वर्गीकरण पद्धतींशी तुलना केली. त्यांना असे दिसून आले की सर्व वर्गीकरण पद्धतींमध्ये लायडारनेट++ सॉफ्टवेअर - सर्वसाधारणपणे सगळ्या संक्षिप्त संचांवर आणि सरासरी सगळ्या सहा भूवर्गांसाठी - सर्वाधिक अचूक वर्गीकरण करू शकले. उदाहरणार्थ, लायडारनेट++ ने केवळ ७५% नमुने वापरून रचलेल्या प्रतिमानातून ८६.४३% पॉईंट्स योग्य त्या भूवर्गात अचूक वर्गीकृत केले. मात्र इतर सॉफ्टवेअर्स १००% नमुने वापरून रचलेल्या प्रतिमानातून सुद्धा (म्हणजेच सर्व माहिती संच उपलब्ध असूनही) ८६.४३% अचूकता साधू शकले नाहीत.

प्रा. दुर्भा यांनी सांगितले, “ड्रोन मध्ये बसवलेल्या लायडार उपकरणातच लायडार सी एस नेट चा वापर करता आला तर, लायडार संवेदकाने गोळा केलेला माहितीसाठा तिथल्या तिथे संक्षिप्त करता येईल. असे करणे खूपच उपयुक्त ठरेल कारण मोठ्या प्रमाणात मिळालेली लायडार माहिती अख्खीच्या अख्खी साठवणे किंवा त्यावर काम करावे लागणे टळू शकेल. त्या त्या यंत्रणेच्या आवश्यकतेनुसार ठराविक मोजके नमुने वापरून काम करता येऊ शकेल.”

संशोधकांना विश्वास वाटतो की त्यांचा अभ्यास लायडार पद्धतीवर चालणाऱ्या विविध यंत्रणांना लागणारा वेळ आणि खर्च यांचे इष्टतमीकरण करायला आणि कितपत संक्षिप्त माहितीसाठा वापरावा ते ठरवायला लाभदायक ठरेल. जमिनीच्या वापरातील बदल आणि कॉम्पुटर व्हिजन संबंधित लायडार प्रणाली यांना हव्या त्या परिसराची थ्री-डी मॉडेल्स बनवायला याचा विशेष उपयोग होईल. “इतरांना सहज वापरता येईल अशा सोप्या स्वरूपात लायडार सी एस नेट सॉफ्टवेअर उपलब्ध करण्यासाठी आमचे प्रयत्न चालू आहेत. ते साधल्यावर लायडार सी एस नेट सर्वांना वापरायला खुले करता येईल, “ असे श्री. शिंदे यांनी सांगितले.