Banana Ripeness Stage Identification Using Transformers
यह अध्ययन डीप लर्निंग मॉडल्स का उपयोग करके एक स्वचालित केला परिपक्वता वर्गीकरण प्रणाली प्रस्तावित करता है, जो विशेष रूप से यह प्रदर्शित करता है कि स्विन ट्रांसफॉर्मर टाइनी (Swin Transformer Tiny) आर्किटेक्चर ने मोइरा केलों को पांच चरणों में वर्गीकृत करने में उच्च सटीकता (86.78%) प्राप्त की है, जबकि भविष्यवाणी की व्याख्यात्मकता सुनिश्चित करने के लिए एक्सप्लेनेबल एआई (Explainable AI) तकनीकों का उपयोग किया गया है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हर दिन, लाखों केले उष्णकटिबंधीय खेतों से किराने की दुकानों के शेल्फ तक यात्रा करते हैं, एक यात्रा जो एक नाजुक जैविक घड़ी द्वारा नियंत्रित होती है। जैसे-जैसे फल परिपक्व होता है, यह एक दृश्य परिवर्तन से गुजरता है: त्वचा हरे से पीले रंग में बदल जाती है, फिर भूरे धब्बे विकसित होते हैं, और अंत में फल के नरम होने और सड़ने के साथ गहरा हो जाता है। यह प्रक्रिया केवल सौंदर्य संबंधी नहीं है; यह फल के मूल्य, उसकी शेल्फ लाइफ और इस बात को निर्धारित करती है कि क्या वह खाने के लिए तैयार है। दशकों से, किसान और वितरक इन फलों का निरीक्षण करने के लिए मानव श्रमिकों पर निर्भर रहे हैं, जो आंखों और स्पर्श से पकने का निर्णय लेते हैं। हालांकि यह अनुभवी तरीका है, लेकिन यह धीमा, व्यक्तिपरक और त्रुटियों के प्रति संवेदनशील है, जिससे अक्सर महत्वपूर्ण बर्बादी होती है जब पूरी तरह से अच्छे फल को फेंक दिया जाता है या जब अत्यधिक पका हुआ फल बाजार तक पहुंच जाता है। इसे हल करने के लिए, शोधकर्ताओं ने कंप्यूटर की ओर रुख किया है, उन्हें वह सिखाने के लिए जो इंसान देखते हैं। चुनौती मशीन को परिवर्तन के सूक्ष्म चरणों के बीच अंतर करना सिखाने में निहित है, जैसे कि एक केला जो अभी पकना शुरू ही हुआ है और एक जो पूरी तरह से तैयार है, या एक फल जो थोड़ा अधिक पका हुआ है और एक जो सड़ रहा है। इसके लिए एक ऐसी प्रणाली की आवश्यकता है जो मानव आंखों के समान नहीं, बल्कि उससे कहीं अधिक निरंतरता के साथ रंग, बनावट और पैटर्न का विश्लेषण कर सके।
भारत के अगनेलल इंस्टीट्यूट ऑफ टेक्नोलॉजी एंड डिजाइन के शोधकर्ताओं की एक टीम ने इस ग्रेडिंग प्रक्रिया को स्वचालित करने के लिए एक नई प्रणाली विकसित की है, जो पारंपरिक तरीकों से आगे बढ़कर 'विज़न ट्रांसफॉर्मर' नामक एक अत्याधुनिक दृष्टिकोण का परीक्षण करती है। पुराने कंप्यूटर विजन सिस्टम के विपरीत जो एक छवि को छोटे, स्थानीय पैच में स्कैन करते हैं और विशिष्ट किनारों या आकारों की तलाश करते हैं, यह नया दृष्टिकोण पूरी छवि को एक साथ देखता है, यह समझते हुए कि फल के विभिन्न हिस्से एक-दूसरे से कैसे संबंधित हैं। शोधकर्ताओं ने विशेष रूप से केले की 'मोइरा' किस्म पर ध्यान केंद्रित किया, जो उनके क्षेत्र में एक सामान्य प्रकार है, और 4,500 उच्च-रिज़ॉल्यूशन वाली तस्वीरों का एक विशाल पुस्तकालय बनाया। उन्होंने इन छवियों को पांच अलग-अलग श्रेणियों में व्यवस्थित किया: कच्चा (unripe), आधा पका (mid-ripe), पका हुआ (ripe), अत्यधिक पका (overripe), और सड़ा हुआ (rotten), यह सुनिश्चित करने के लिए कि कंप्यूटर किसी एक प्रकार की ओर झुकाव न रखे। कंप्यूटर के सीखने से पहले, शोधकर्ताओं ने छवियों को साफ किया, बैकग्राउंड को हटा दिया ताकि सिस्टम केवल फल पर ध्यान केंद्रित करे, और आकार एवं प्रकाश व्यवस्था को समायोजित किया ताकि प्रत्येक तस्वीर के साथ समान व्यवहार किया जा सके।
कंप्यूटर को सिखाने का सबसे अच्छा तरीका खोजने के लिए, टीम ने स्थापित मॉडलों और नए, अधिक जटिल डिजाइनों सहित पांच अलग-अलग डिजिटल आर्किटेक्चर का परीक्षण किया। उन्होंने मॉडलों को केवल एक बार प्रशिक्षित करके विजेता घोषित नहीं किया; इसके बजाय, उन्होंने एक कठोर परीक्षण पद्धति का उपयोग किया जहाँ डेटा को पांच समूहों में विभाजित किया गया, और मॉडलों को इन समूहों के विभिन्न संयोजनों पर बार-बार प्रशिक्षित और परीक्षित किया गया। इसने यह सुनिश्चित किया कि परिणाम केवल एक भाग्यशाली संयोग नहीं थे बल्कि प्रदर्शन का एक विश्वसनीय माप थे। अध्ययन में पाया गया कि 'स्विन ट्रांसफॉर्मर' (Swin Transformer) नामक एक विशिष्ट आर्किटेक्चर ने अन्य सभी को पीछे छोड़ दिया। इस मॉडल ने विभिन्न परीक्षणों में लगभग 87.4 प्रतिशत की औसत सटीकता प्राप्त की, जो अधिकांश मामलों में केले के पकने के चरण की सही पहचान करता है। यह अन्य मॉडलों की तुलना में अधिक स्थिर और सुसंगत साबित हुआ, जिनमें वे पुराने, प्रसिद्ध सिस्टम भी शामिल हैं जो सरल स्कैनिंग विधियों पर निर्भर करते हैं। शोधकर्ताओं ने पुष्टि की कि यह सफलता तब भी बनी रही जब मॉडल का परीक्षण छवियों के एक पूरी तरह से नए सेट पर किया गया जिसे उसने पहले कभी नहीं देखा था, जहाँ इसने 86.8 प्रतिशत की सटीकता बनाए रखी।
इस खोज को जो बात विशेष रूप से मूल्यवान बनाती है वह केवल उच्च स्कोर नहीं है, बल्कि उन गलतियों की प्रकृति है जो कंप्यूटर ने कीं। जब सिस्टम गलत हुआ, तो इसने लगभग हमेशा फल को उसकी पकने की प्रक्रिया के ठीक बगल वाले चरण के साथ भ्रमित किया, जैसे कि एक पके हुए फल को अत्यधिक पके हुए फल के रूप में समझना, बजाय इसके कि एक हरे केले को सड़े हुए केले के रूप में भ्रमित करे। गुणवत्ता नियंत्रण के लिए यह एक महत्वपूर्ण अंतर है, क्योंकि निर्णय में एक छोटी सी त्रुटि एक बड़ी त्रुटि की तुलना में बहुत कम नुकसानदेह होती है। यह सुनिश्चित करने के लिए कि कंप्यूटर केवल यादृच्छिक पैटर्न के आधार पर अनुमान नहीं लगा रहा था, शोधकर्ताओं ने एक तकनीक का उपयोग किया जिससे यह देखा जा सके कि मॉडल निर्णय लेने के समय वास्तव में किस चीज़ को देख रहा था। इन विजुअल मैप्स ने दिखाया कि सिस्टम सही ढंग से वास्तविक फल पर, विशेष रूप से छिलके के रंग और भूरे धब्बों की उपस्थिति पर ध्यान केंद्रित कर रहा था, न कि बैकग्राउंड या छाया से विचलित हो रहा था। कंप्यूटर प्रभावी रूप से उन्हीं जैविक संकेतों को सीख रहा था जिनका उपयोग एक मानव विशेषज्ञ करता, लेकिन एक ऐसे स्तर की सटीकता और गति के साथ जिसे मनुष्य बनाए नहीं रख सकते।
शोधकर्ताओं ने प्रयोगशाला के परिणामों तक ही सीमित नहीं रहना चाहा; उन्होंने यह प्रदर्शित करने के लिए एक कामकाजी वेब एप्लिकेशन बनाया कि इस तकनीक का वास्तविक दुनिया में कैसे उपयोग किया जा सकता है। इस प्रणाली में, एक उपयोगकर्ता एक केले की फोटो अपलोड कर सकता है, और एप्लिकेशन पहले यह जांचता है कि क्या छवि में वास्तव में एक केला है, बैकग्राउंड को हटा देता है और फिर इमेज को प्रशिक्षित मॉडल के माध्यम से चलाता है। इसके बाद सिस्टम पकने के चरण के बारे में एक स्पष्ट उत्तर प्रदान करता है, साथ ही एक कॉन्फिडेंस स्कोर और एक विजुअल हाईलाइट भी देता है जो दिखाता कि किन हिस्सों ने निर्णय को प्रभावित किया। यह एंड-टू-एंड समाधान सिद्ध करता है कि यह तकनीक अनुसंधान प्रयोग से एक व्यावहारिक उपकरण बनने के लिए तैयार है। इस ग्रेडिंग प्रक्रिया को स्वचालित करके, यह प्रणाली कचरे को कम करने, आपूर्ति श्रृंखला की दक्षता में सुधार करने और यह सुनिश्चित करने का एक तरीका प्रदान करती है कि उपभोक्ताओं को पकने के सही चरण का फल मिले, और साथ ही यह महत्वपूर्ण निर्णयों के लिए एक पारदर्शी और विश्वसनीय तरीका भी प्रदान करती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।