Automated identification of Ichneumonoidea wasps via YOLO-based deep learning: Integrating HiresCam for Explainable AI

कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ जीव जगत का 80% से अधिक हिस्सा अभी भी विज्ञान के लिए एक रहस्य है। यह किसी साइंस-फिक्शन फिल्म का दृश्य नहीं है; यह कीड़ों के मामले में हमारी वास्तविकता है। जबकि हमने लगभग दस लाख प्रजातियों को नाम दिया है, वैज्ञानिकों का अनुमान है कि लाखों और प्रजातियां साक्षात सामने छिपी हुई हैं, जो खोजे जाने की प्रतीक्षा कर रही हैं। कीट हमारे ग्रह के गुमनाम नायक हैं, जो प्रकृति के परागणकर्ता (pollinators), कीट नियंत्रक और पुनर्चक्रणकर्ता (recyclers) के रूप में कार्य करते हैं। उनके बिना, हमारे पारिस्थितिकी तंत्र ढह जाएंगे। लेकिन उन्हें बचाने के लिए, हमें पहले यह जानना होगा कि वे कौन हैं। यहीं पर पेचीदा हिस्सा आता है: एक सूक्ष्म, जटिल कीट को दूसरे से अलग पहचानना वैसा ही है जैसे समान दिखने वाली सुइयों के ढेर में से एक विशिष्ट सुई को ढूंढना। इसके लिए वर्षों के प्रशिक्षण, एक शक्तिशाली सूक्ष्मदर्शी और बहुत धैर्य की आवश्यकता होती है। यह टैक्सोनॉमी (taxonomy) की दुनिया है, जो जीवन को नाम देने और वर्गीकृत करने का विज्ञान है, और यह वर्तमान में एक बड़े संकट (bottleneck) का सामना कर रही है।

अब, कल्पना कीजिए कि यदि आप एक कंप्यूटर को एक सुपर-फास्ट, अथक कीट जासूस बनने के लिए सिखा सकें। यह शोध पत्र बिल्कुल इसी बारे में है। शोधकर्ता इचneumonoidea (Ichneumonoidea) नामक ततैया (wasps) के एक विशिष्ट समूह पर काम कर रहे हैं। ये आपके सामान्य डंक मारने वाले ततैया नहीं हैं; वे प्रकृति के परम बॉडीगार्ड हैं, जो अन्य कीटों के भीतर अपने अंडे देते हैं ताकि कीटों की आबादी को नियंत्रण में रखा जा सके। लेकिन उनकी पहचान करना एक दुस्वप्न है क्योंकि वे बहुत छोटे होते हैं, अविश्वसनीय रूप से समान दिखते हैं, और उनमें ऐसे सूक्ष्म अंतर होते हैं जिन्हें केवल विशेषज्ञ ही पहचान सकते हैं। टीम ने "डीप लर्निंग" नामक आर्टिफिशियल इंटेलिजेंस के एक प्रकार का उपयोग करके एक "डिजिटल मस्तिष्क" बनाया है। इस मस्तिष्क को एक छात्र के रूप में समझें जिसे इन ततैया की लाखों तस्वीरें दिखाई गई हैं। केवल तस्वीरों को याद करने के बजाय, AI इन ततैया के सूक्ष्म, गुप्त संकेतों को पहचानना सीखता है—जैसे कि पंख पर शिराओं (veins) का पैटर्न या एंटीना का आकार—जो एक ततैया परिवार को दूसरे से अलग बताते हैं। यह सुनिश्चित करने के लिए कि AI केवल अनुमान नहीं लगा रहा है या बैकग्राउंड को देखकर धोखाधड़ी नहीं कर रहा है, उन्होंने एक विशेष "फ्लैशलाइट" फीचर जोड़ा है जो यह दिखाता है कि कंप्यूटर फोटो के किस हिस्से को देख रहा है। यह शोध पत्र दिखाता है कि यह डिजिटल जासूस 96% से अधिक सटीकता के साथ हजारों ततैया को छाँट सकता है, जो एक स्मार्ट सहायक के रूप में कार्य करता है ताकि मानव विशेषज्ञ वास्तव में कठिन पहेलियों पर ध्यान केंद्रित कर सकें और उबाऊ छंटाई का काम मशीन कर सके।

डिजिटल जासूस और नन्हे ततैया

शोध पत्र में, लेखक एक नई प्रणाली का वर्णन करते हैं जिसे Ichneumonoidea ततैया की पहचान को स्वचालित करने के लिए डिज़ाइन किया गया है। ये ततैया एक सुपरफैमिली का हिस्सा हैं जिसमें दो मुख्य परिवार शामिल हैं: Ichneumonidae (जिन्हें अक्सर डार्विन वास्प कहा जाता है) और Braconidae। हालांकि वे अन्य कीटों पर परजीवी बनकर पारिस्थितिकी तंत्र को संतुलित रखने के लिए महत्वपूर्ण हैं, लेकिन उन्हें एक-दूसरे से अलग पहचानना बेहद कठिन है। वे छोटे होते हैं, और उनके बीच के अंतर अक्सर सूक्ष्मदर्शी स्तर के होते हैं। पारंपरिक रूप से, एक मानव टैक्सोनोमिस्ट को इन ततैया को सूक्ष्मदर्शी के नीचे देखना पड़ता है, और एक "डाइकोटॉमस की" (dichotomous key) का उपयोग करना पड़ता है—जो मूल रूप से प्रश्नों का एक फ्लोचार्ट है जैसे "क्या इसमें यह शिरा है?" या "क्या यह पैर चिकना है?"—यह पता लगाने के लिए कि वह क्या है। यह प्रक्रिया धीमी, श्रम-साध्य है और इसमें विशेषज्ञता के उस स्तर की आवश्यकता होती है जो अब दुर्लभ होता जा रहा है।

शोधकर्ताओं ने एक समाधान प्रस्तावित किया: YOLO (You Only Look Once) नामक आर्किटेक्चर पर आधारित एक डीप लर्निंग फ्रेमवर्क। यदि आपने कभी कोई वीडियो गेम खेला है जहाँ आपको दुश्मनों को जल्दी से पहचानना होता है, तो आप YOLO का अंदाज़ा लगा सकते हैं। इसे छवियों में वस्तुओं को तेजी से और सटीक रूप से पहचानने के लिए डिज़ाइन किया गया है। टीम ने इस AI को DAPWH नामक एक विशाल डेटासेट का उपयोग करके प्रशिक्षित किया, जिसमें ततैया की 3,556 उच्च-रिज़ॉल्यूशन वाली छवियां शामिल हैं। यह डेटासेट केवल दो लक्षित परिवारों तक सीमित नहीं था; इसमें अन्य ततैया और मधुमक्खियां (जैसे Apidae और Vespidae) भी शामिल थीं ताकि AI को यह सिखाया जा सके कि "अच्छे लड़कों" (परजीवी) को "दिखने में समान" जीवों से कैसे अलग किया जाए।

इनका मुख्य नवाचार केवल यह नहीं है कि AI ततैया का नाम बता सकता है; बल्कि यह है कि उन्होंने AI को "खुद को समझाने" के योग्य बनाया। उन्होंने HiResCAM (High-Resolution Class Activation Mapping) नामक तकनीक का उपयोग किया। कल्पना कीजिए कि AI एक परीक्षा दे रहा छात्र है। आमतौर पर, आपको केवल ग्रेड मिलता है। लेकिन HiResCAM के साथ, आपको छात्र के द्वारा पाठ्यपुस्तक पर लगाए गए हाइलाइटर के निशान देखने को मिलते हैं। यह सिस्टम ततैया की छवि पर एक 'हीट मैप' बनाता है, जो उस विशिष्ट क्षेत्र को रोशन करता है जिसका उपयोग कंप्यूटर ने अपने निर्णय के लिए किया था। यह महत्वपूर्ण है क्योंकि यह साबित करता है कि AI उस मेज के रंग को देखकर धोखाधड़ी नहीं कर रहा है जिस पर ततैया बैठा था; बल्कि यह वास्तव में उन जैविक विशेषताओं को देख रहा है, जैसे पंखों की शिराएं या शरीर के खंड, जिनका वास्तविक वैज्ञानिक उपयोग करते हैं।

टीम ने अपने सिस्टम का परीक्षण किया, और परिणाम प्रभावशाली थे। उन्होंने अपने AI मॉडल के दो संस्करणों की तुलना की, YOLOv12 और YOLOv26। नया मॉडल, YOLOv26, मुख्य आकर्षण रहा। इसने 96.14% की 'टॉप-1 सटीकता' (Top-1 Accuracy) प्राप्त की। इसे समझने के लिए, यदि आप इसे 100 ततैया दिखाते हैं, तो यह बिना गलती किए लगभग 96 बार ततैया के परिवार की सही पहचान करेगा। पुराना मॉडल, YOLOv12, भी अच्छा था, जिसने 94.85% सटीकता हासिल की, लेकिन नया वाला जटिल विवरणों को संभालने में थोड़ा बेहतर था।

शोध पत्र स्पष्ट रूप रूप से इस विचार को खारिज करता है कि AI केवल तस्वीरों को याद कर रहा है। HiResCAM विज़ुअलाइज़ेशन ने दिखाया कि मॉडल ठीक उन्हीं शारीरिक विशेषताओं पर ध्यान केंद्रित कर रहा था जिन पर मानव टैक्सोनोमिस्ट भरोसा करते हैं। Ichneumonidae परिवार के लिए, AI ने पंख में "दूसरी आवर्ती शिरा" (2m-cu) पर ध्यान केंद्रित किया, जो इस समूह की एक प्रमुख पहचान है। Braconidae परिवार के लिए, AI ने उस शिरा को सही ढंग से अनदेखा कर दिया (क्योंकि उनमें यह आमतौर पर नहीं होती है) और इसके बजाय ततैया के पेट के जुड़े हुए खंडों और जबड़ों के आकार पर ध्यान केंद्रित किया। इसने पैरों और एंटीना को भी देखा, ठीक वैसे ही जैसे एक मानव विशेषज्ञ करेगा।

लेखक बहुत स्पष्ट हैं कि यह सिस्टम क्या करता है और क्या नहीं करता है। वे कहते हैं कि यह पूरी तरह से मानव टैक्सोनोमिस्ट को बदलने का उपकरण नहीं है। इसके बजाय, यह एक "स्वचालित छंटाई" (automated triage) उपकरण के रूप में कार्य करता है। इसे डाकघर में एक स्मार्ट सॉर्टिंग मशीन की तरह समझें। जब मेल का एक बड़ा बैग (या इस मामले में, हजारों ततैया की एक बाल्टी) आता है, तो मशीन उन्हें जल्दी से ढेर में छाँट देती है: "यह ढेर Ichneumonidae है," "यह ढेर Braconidae है," और "यह ढेर कुछ और है।" फिर यह विशिष्ट ढेरों को उन मानव विशेषज्ञों को भेज देती है जो उन परिवारों में विशेषज्ञ हैं। इससे विशेषज्ञों को उन ततैया को खोजने के लिए हर एक को देखने से मुक्ति मिलती है जिन्हें उन्हें अध्ययन करने की आवश्यकता है।

शोध पत्र सुझाव देता है कि यह दृष्टिकोण जैव विविधता की निगरानी करने के तरीके में क्रांति ला सकता है। प्रारंभिक छंटाई को स्वचालित करके, हम बल्क नमूनों को बहुत तेज़ी से संसाधित कर सकते हैं, जिससे वैज्ञानिकों को कीट आबादी और हमारे पारिस्थितिकी तंत्र के स्वास्थ्य को तेज़ी से समझने में मदद मिल सकती है। लेखक यह भी नोट करते हैं कि हालांकि उनका वर्तमान सिस्टम परिवार के स्तर पर बेहतरीन है, अगला कदम इसे विशिष्ट प्रजातियों या उप-परिवारों की पहचान करने के लिए प्रशिक्षित करना होगा, जो कि एक और भी कठिन चुनौती है। वे यह भी उल्लेख करते हैं कि डेटासेट और कोड सार्वजनिक रूप से उपलब्ध हैं, जो अन्य वैज्ञानिकों को उनके काम को आगे बढ़ाने के लिए आमंत्रित करते हैं।

अंत में, यह शोध पत्र जीव विज्ञान और प्रौद्योगिकी के बीच एक शक्तिशाली साझेदारी प्रस्तुत करता है। यह दिखाता है कि डीप लर्निंग कीट शरीर रचना की सूक्ष्म भाषा को केवल अनुमान लगाकर नहीं, बल्कि उन संकेतों को "देखकर" सीख सकता है जिनका अध्ययन मनुष्यों ने सदियों से किया है। एक अथक प्रथम-प्रतिक्रियाकर्ता (first responder) के रूप में कार्य करके, यह AI सिस्टम मानव विशेषज्ञों के लिए गहन, विस्तृत खोज का मार्ग प्रशस्त करने में मदद करता है, जिससे संभावित रूप से उन लाखों कीट प्रजातियों को उजागर करने में मदद मिल सकती है जो अभी भी नाम मिलने की प्रतीक्षा कर रही हैं।