MatchPlant: An Open-Source Pipeline for UAV-Based Single-Plant Detection and Data Extraction

कल्पना कीजिए कि आप एक विशाल, फैले हुए बगीचे में रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं। लेकिन पौधों की पंक्तियों के बीच चलने के बजाय, आप एक छोटे, हाई-टेक ड्रोन को पौधों के ऊपर उड़ा रहे हैं, जो हजारों तस्वीरें खींच रहा है। यह UAV फेनोटाइपिंग (phenotyping) की दुनिया है: फसलों की तस्वीरें लेने के लिए ड्रोन का उपयोग करना ताकि वैज्ञानिक यह माप सकें कि वे कितनी अच्छी तरह बढ़ रही हैं। लक्ष्य उन "सुपर पौधों" को खोजना है जो सबसे अधिक भोजन पैदा करते हैं या सबसे अच्छी तरह जीवित रहते हैं, जिससे किसानों को दुनिया को अधिक कुशलता से खिलाने में मदद मिल सके।

हालाँकि, एक खेत की विशाल फोटो को देखना रेत के ढेर में एक विशिष्ट चींटी को खोजने जैसा है। पौधे बहुत छोटे होते हैं, वे एक जैसे दिखते हैं, और वे एक-दूसरे से सटकर लगे होते हैं। इसे हल करने के लिए, वैज्ञानिक ऑब्जेक्ट डिटेक्शन (Object Detection) का उपयोग करते हैं, जो आर्टिफिशियल इंटेलिजेंस (AI) द्वारा संचालित कंप्यूटर की "आंखों" का एक प्रकार है। इस AI को एक अत्यंत चौकस रोबोट के रूप में सोचें जो एक तस्वीर को देख सकता है और हर एक पौधे के चारों ओर एक बॉक्स बना सकता है, यह कहते हुए, "यह एक मक्का का पौधा है!" और "यह एक और है!" लेकिन पेचीदा हिस्सा यह है कि ड्रोन एक कोण (angle) से तस्वीरें लेता है, और जब आप उन्हें एक विशाल मानचित्र (जिसे ऑर्थोमोज़ेक/orthomosaic कहा जाता है) में जोड़ते हैं, तो पौधे खिंचे हुए या दबे हुए हो सकते हैं, जिससे रोबोट भ्रमित हो जाता है। यदि रोबोट भ्रमित हो जाता है, तो वह किसानों की मदद नहीं कर सकता।

यहीं पर मैचप्लांट (MatchPlant) नामक एक नया टूल आता है। यह एक चतुर, ओपन-सोर्स निर्देश पुस्तिका और टूलबॉक्स की तरह है जो वैज्ञानिकों को अपने रोबोट को पौधों को स्पष्ट रूप से देखना सिखाने में मदद करता है, भले ही मानचित्र कठिन हो। मैचप्लांट के पीछे के शोधकर्ताओं चाहते थे कि वे एक ऐसा सिस्टम बनाएं जिसे कोई भी उपयोग कर सके, न कि केवल कंप्यूटर विशेषज्ञ, ताकि व्यक्तिगत पौधों को खोजा जा सके और उनकी ऊंचाई और स्वास्थ्य को स्वचालित रूप से मापा जा सके।

मैचप्लांट पाइपलाइन: बगीचे के लिए एक रोबोट की मार्गदर्शिका

यह शोध पत्र मैचप्लांट को पेश करता है, जो एक मुफ्त, मॉड्यूलर सॉफ्टवेयर पाइपलाइन है जिसे ड्रोन की तस्वीरों को व्यक्तिगत पौधों के सटीक डेटा में बदलने के लिए डिज़ाइन किया गया है। लेखकों ने, मक्के (मेज़) के साथ काम करते हुए, इस सिस्टम को उच्च-तकनीकी ड्रोन फोटोग्राफी और खेती की वास्तविक जटिलताओं के बीच के अंतर को पाटने के लिए बनाया। उन्होंने केवल एक प्रोग्राम नहीं बनाया; उन्होंने एक फैक्ट्री लाइन बनाई जिसमें अलग-अलग स्टेशन हैं, जिनमें से प्रत्येक एक विशिष्ट कार्य करता है, ताकि उपयोगकर्ता अपनी आवश्यकतानुसार उपकरणों को चुन सकें।

"फ्लैट" मानचित्रों के साथ समस्या
आमतौर पर, जब वैज्ञानिक ड्रोन तस्वीरों का उपयोग करते हैं, तो वे पहले उन्हें एक फ्लैट, ऊपर से नीचे की ओर दिखने वाले मानचित्र में बदलते हैं जिसे ऑर्थोमोज़ेक कहा जाता है। कल्पना कीजिए कि आप एक खिलौना कार की फोटो एक कोण से लेते हैं, और फिर उस फोटो को कागज पर चपटा करने की कोशिश करते हैं। पहिए दबे हुए लग सकते हैं, या कार खिंची हुई लग सकती है। शोध पत्र तर्क देता है कि इन "चपटे" मानचित्रों पर पौधों को पहचानना कंप्यूटर को सिखाना एक बुरा विचार है क्योंकि विकृति (distortion) पौधों को अजीब बना देती है।

मैचप्लांट समाधान: "रॉ" दृश्य पर प्रशिक्षण दें
मैचप्लांट एक अलग दृष्टिकोण अपनाता है। कंप्यूटर को चपटे, दबे हुए मानचित्र पर पौधों को पहचानना सिखाने के बजाय, यह कंप्यूटर को उनके अविकृत (undistorted) अवस्था में पौधों को पहचानना सिखाता है—ठीक वैसे ही जैसे वे मूल, रॉ ड्रोन तस्वीरों में दिखाई देते हैं।

1. सेटअप: सिस्टम कच्चे ड्रोन फोटो लेता है और एक टूल जिसका नाम ओपनड्रोनमैप (OpenDroneMap) है, का उपयोग करके दो चीजें बनाता है: एक फ्लैट मानचित्र (अंतिम स्थान के लिए) और "अविकृत" छवियों का एक सेट (कंप्यूटर को सिखाने के लिए)।
2. शिक्षक: सिस्टम फास्टर R-CNN (Faster R-CNN) नामक एक स्मार्ट AI मॉडल का उपयोग करता है। इस मॉडल को एक छात्र के रूप में सोचें। शोधकर्ता इसे हजारों मक्का के पौधों के उदाहरण "दिखाते" हैं, उनके चारों ओर बॉक्स बनाकर यह कहते हैं, "यह एक पौधा है।"
3. जादुई ट्रिक: एक बार जब AI सीख जाता है कि रॉ फोटो में पौधा कैसा दिखता है, तो मैचप्लांट एक चतुर ट्रिक करता है। यह AI के निष्कर्षों को लेता है और उन्हें फ्लैट, ऊपर से नीचे वाले मानचित्र पर प्रोजेक्ट (project) करता है। यह ठीक वैसा ही है जैसे रोबोट द्वारा कच्ची फोटो पर लगाए गए स्टिकर को सावधानीपूर्वक फ्लैट मानचित्र पर उसी सटीक स्थान पर ले जाना, जिससे खिंचाव और दबे होने के प्रभाव को सुधारा जा सके। यह सुनिश्चित करता है कि जमीन पर पौधे का स्थान सटीक हो।

यह कितना प्रभावी रहा?
शोधकर्ताओं ने इसका परीक्षण मिसूरी में मक्के के एक खेत पर किया। उन्होंने ड्रोन को खेत के ऊपर तब उड़ाया जब मक्का छोटा था (बुवाई के तीन और चार सप्ताह बाद)।

• स्कोर: AI पौधों को खोजने में बहुत अच्छा था। उन छवियों के टेस्ट सेट पर जिन्हें उसने पहले कभी नहीं देखा था, उसने 85.9% की औसत सटीकता (Average Precision - AP) के साथ पौधों की सही पहचान की। इसका मतलब है कि वह ज्यादातर समय सही था।
• मैप मैच: जब उन्होंने AI के निष्कर्षों को फ्लैट मैप पर प्रोजेक्ट किया, तो 89.8% पौधों को सफलतापूर्वक मानचित्र पर रखा गया। इससे भी बेहतर, उन प्लेसमेंटों में से 87.5% इतने सटीक थे कि वे मानव विशेषज्ञों द्वारा बनाए गए बॉक्स के साथ लगभग पूरी तरह से मेल खाते थे (एक स्कोर जिसे इंटरसेक्शन ओवर यूनियन (IoU), या 0.5 से अधिक कहा जाता है)।
• विकास का मापन: सिस्टम ने केवल पौधों को खोजा ही नहीं; इसने उन्हें मापा भी। AI के बॉक्स के भीतर के क्षेत्र को देखकर, इसने पौधे की ऊंचाई और नॉर्मलाइज्ड डिफरेंस वेजिटेशन इंडेक्स (NDVI) की गणना की, जो कि इस बात का माप है कि पौधा कितना हरा और स्वस्थ है। कंप्यूटर द्वारा प्राप्त आंकड़े मानव द्वारा मैन्युअल रूप से मापे गए आंकड़ों से बहुत करीब से मेल खाते थे, जिसका सहसंबंध स्कोर (r) 0.87 और 0.97 के बीच था। यह एक बहुत मजबूत मिलान है, जो बताता है कि कंप्यूटर मापने वाले टेप के साथ इंसान जितना ही विश्वसनीय है।

यह क्यों महत्वपूर्ण है
मैचप्लांट की सबसे बड़ी जीत यह है कि यह समय बचाता है। अध्ययन में, शोधकर्ताओं ने पाया कि एक बार जब उनके पास पहले सप्ताह के पौधों के स्थान आ गए, तो वे उन्हीं स्थानों का उपयोग दूसरे सप्ताह के लिए भी कर सकते थे। उन्हें बढ़ते हुए हर पौधे के चारों ओर नए बॉक्स बनाने की आवश्यकता नहीं थी; सिस्टम बस माप को अपडेट करता था। इस "टाइम-ट्रैवल" क्षमता का अर्थ है कि वैज्ञानिक बिना घंटों के दोहराव वाले ड्राइंग कार्य के, समय के साथ पौधों के विकास को ट्रैक कर सकते हैं।

सीमाएं और भविष्य
लेखक सावधानीपूर्वक नोट करते हैं कि हालांकि यह सिस्टम युवा मक्के के लिए बहुत अच्छा काम करता है, लेकिन यह बहुत छोटे पौधों (छवि में 32x32 पिक्सल से कम) के लिए या यदि जमीन बहुत ऊबड़-खाबड़ है, तो संघर्ष कर सकता है। वे यह भी बताते हैं कि वर्तमान में सॉफ्टवेयर को सेटअप करने के लिए कुछ तकनीकी जानकारी की आवश्यकता होती है, जैसे विशिष्ट कंप्यूटर प्रोग्राम इंस्टॉल करना। वे भविष्य में इसे उपयोग में और भी आसान बनाने की आशा करते हैं, शायद इसे एक सरल ऐप में पैक करके जिसे कोई भी बस क्लिक करके चला सके।

संक्षेप में, मैचप्लांट एक नया, ओपन-सोर्स टूलकिट है जो वैज्ञानिकों को उच्च सटीकता के साथ व्यक्तिगत पौधों को गिनने और मापने के लिए ड्रोन का उपयोग करने में मदद करता है। कच्चे फोटो पर AI को प्रशिक्षित करके और फिर सावधानीपूर्वक परिणामों को एक फ्लैट मैप पर ले जाकर, यह उन विकृतियों से बचता है जो आमतौर पर कंप्यूटर विजन को भ्रमित करती हैं। यह एक ऐसे भविष्य का सुझाव देता है जहाँ किसान और शोधकर्ता खेत में हर एक पौधे के विकास को स्वचालित रूप से ट्रैक कर सकते हैं, जिससे दुनिया को खिलाने के काम को थोड़ा अधिक कुशल और बहुत कम मैनुअल बनाया जा सके।