Seeing quality through AI: YOLOv11 for automated grading of dried sea cucumber processing methods

कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ कंप्यूटर की आँखें हैं जो कभी झपकती नहीं, कभी थकती नहीं, और हज़ारों की भीड़ में भी सबसे बारीक विवरण को पहचान सकती हैं। यह कंप्यूटर विज़न (computer vision) का क्षेत्र है, जो आर्टिफिशियल इंटेलिजेंस की एक शाखा है जहाँ मशीनें कैमरे के माध्यम से दुनिया को वैसे ही "देखना" सीखती हैं जैसे हम अपनी आँखों से देखते हैं। लेकिन सिर्फ देखने के बजाय, ये डिजिटल आँखें पलक झपकते ही चीज़ों को माप सकती हैं, गिन सकती हैं और अलग कर सकती हैं। इस क्षेत्र में एक प्रमुख उपकरण ऑब्जेक्ट डिटेक्शन (object detection) है, जो "आई स्पाई" (I Spy) के एक सुपर-पावर्ड खेल की तरह है। यह न केवल आपको यह बताता है कि तस्वीर में क्या है; बल्कि यह हर एक वस्तु के चारों ओर एक बॉक्स बनाता है और उसे नाम देता है, भले ही वे वस्तुएं एक-दूसरे के ऊपर चढ़ी हुई हों या परछाइयों में छिपी हों। यह क्यों मायने रखता है? क्योंकि वास्तविक दुनिया में, फल छाँटने से लेकर कार के पुर्जों की जाँच करने तक, इंसान थक जाते हैं, उनकी आँखें धुंधली हो जाती हैं, और वे जो देखते हैं उस पर असहमत भी हो सकते हैं। हमें गुणवत्ता की जाँच करने के लिए एक ऐसे तरीके की आवश्यकता है जो तेज़ हो, निष्पक्ष हो और जो कभी कॉफी ब्रेक न ले।

यही वह चुनौती थी जिसे शोधकर्ताओं की एक टीम ने एक बहुत ही विशिष्ट, उच्च-मूल्य वाले स्नैक पर केंद्रित एक परियोजना के साथ हल किया: सूखे समुद्री खीरे (dried sea cucumbers)। ये आपके साधारण समुद्री खिलौने नहीं हैं; ये एक बेशकीमती समुद्री वस्तु हैं जिनका वैश्विक स्तर पर व्यापार किया जाता है। लेकिन पेचीदा बात यह है कि इनका मूल्य पूरी तरह से इस बात पर निर्भर करता है कि उन्हें कैसे संसाधित (process) किया गया है। कुछ नमकीन (salted) हैं, कुछ धुएँ वाले (smoked) हैं, और अन्य भुने हुए (roasted) हैं। प्रत्येक विधि समुद्री खीरे की त्वचा पर एक अनूठा "फिंगरप्रिंट" छोड़ती है—रंग, बनावट और इसके सिकुड़ने की मात्रा में बदलाव। पारंपरिक रूप से, इंसानों को इन गीले, सूखे जीवों के ढेर के ऊपर खड़े होकर अनुमान लगाना पड़ता है कि किस विधि का उपयोग किया गया था। यह एक ऐसा काम है जिसके लिए तेज़ नज़र की आवश्यकता होती है, लेकिन यह व्यक्तिपरक, धीमा और निरंतरता बनाए रखने में कठिन भी है। यदि एक निरीक्षक सोचता है कि एक बैच "धुएँ वाला" है और दूसरा सोचता है कि वह "भुना हुआ" है, तो पूरी आपूर्ति श्रृंखला भ्रमित हो जाती है।

शोधकर्ताओं ने एक सरल लेकिन साहसी सवाल पूछा: क्या एक AI केवल एक फोटो देखकर नमकीन, धुएँ वाले और भुने हुए समुद्री खीरे के बीच अंतर करना सीख सकता है? इसका उत्तर देने के लिए, उन्होंने किसी भी साधारण AI का उपयोग नहीं किया; उन्होंने YOLO11n नामक एक अत्याधुनिक मॉडल का उपयोग किया। YOLO (जिसका अर्थ है "You Only Look Once") को एक बिजली की गति से काम करने वाले जासूस के रूप में समझें जो एक छवि को स्कैन करता है और तुरंत उसमें मौजूद हर चीज़ को पहचान लेता है। "n" का अर्थ है "नैनो" (nano), जिसका अर्थ है कि यह जासूस छोटा और हल्का है, जो छोटे, सस्ते कंप्यूटरों पर चलाने के लिए एकदम सही है।

इस AI जासूस को सिखाने के लिए, टीम ने 1,450 तस्वीरों का एक विशाल संग्रह इकट्ठा किया जो उत्तरी सुलावेसी, इंडोनेशिया के वास्तविक समुद्री खीरा प्रसंस्करण स्थलों से ली गई थीं। ये कोई साफ-सुथरी, सफेद मेज पर रखे एकल समुद्री खीरे की अलग-थलग तस्वीरें नहीं थीं। ये वास्तविक कारखाने में दिखने वाले भीड़भाड़ वाले ट्रे के अस्त-व्यस्त, वास्तविक शॉट थे जहाँ समुद्री खीरे एक के ऊपर एक, ओवरलैप होते हुए और उलझे हुए थे। टीम ने तस्वीरों में हर एक समुद्री खीरे के चारों ओर सावधानीपूर्वक बॉक्स बनाए और उन्हें "नमकीन", "धुएँ वाले" या "भुने हुए" के रूप में लेबल किया। यह AI के लिए प्रशिक्षण मैनुअल बन गया।

फिर उन्होंने AI का परीक्षण किया। परिणाम शानदार थे। YOLO11n मॉडल, 320 × 320 पिक्सेल आकार की छवियों पर 100 राउंड (epochs) के प्रशिक्षण के बाद, अपने काम में माहिर हो गया। इसने 99.73% की सटीकता (precision) हासिल की, जिसका अर्थ है कि जब इसने कहा, "यह एक धुएँ वाला समुद्री खीरा है," तो वह लगभग हमेशा सही था। इसकी रिकॉल (recall) दर 99.87% थी, जिसका अर्थ है कि इसने लगभग कुछ भी नहीं छोड़ा; इसने ढेर में मौजूद लगभग हर एक समुद्री खीरे को खोज निकाला। AI ग्रेडिंग की दुनिया में, ये संख्याएँ कमरे के दूसरी ओर से डार्टबोर्ड पर निशाना लगाने के समान हैं।

लेकिन शोधकर्ता केवल "यह काम करता है" पर नहीं रुके। वे जानना चाहते थे कि क्यों यह इतना अच्छा काम कर रहा है और क्या वे इसे और भी बेहतर बना सकते हैं। उन्होंने मानक AI मॉडल में तीन चतुर अपग्रेड पेश किए:

1. एक "आकार बदलने वाला" लेंस (DMSAM): सूखे समुद्री खीरे अजीब आकार के होते हैं। वे झुर्रीदार, सिकुड़े हुए और मुड़े हुए होते हैं। मानक AI निश्चित, चौकोर बॉक्स में चीजों को देखता है, जिससे विवरण छूट सकते हैं। शोधकर्ताओं ने एक विशेष मॉड्यूल जोड़ा जो AI के "लेंस" को समुद्री खीरों के अजीब, अनियमित आकारों में मुड़ने और फैलने की अनुमति देता है, ठीक वैसे ही जैसे एक लचीला दस्ताना हाथ के आकार में ढल जाता है।
2. एक "निष्पक्षता" शिक्षक (AFL-LS): उनके फोटो संग्रह में, नमकीन या धुएँ वाले की तुलना में भुने हुए समुद्री खीरों की संख्या कम थी। आमतौर पर, AI इस कारण से भ्रमित हो जाता है और दुर्लभ चीज़ों को अनदेखा कर देता है। टीम ने एक विशेष स्कोरिंग नियम जोड़ा जिसने AI को कम सामान्य प्रकारों पर अतिरिक्त ध्यान देने के लिए मजबूर किया, यह सुनिश्चित करते हुए कि वह केवल आसान चीज़ों को ही न सीखे।
3. एक "आत्मविश्वास की जाँच" (Ensemble Uncertainty): कभी-कभी, एक स्मार्ट AI भी सुनिश्चित नहीं होता है। टीम ने एक प्रणाली बनाई जहाँ AI अपने उत्तर पर कई बार "वोट" देता है। यदि सभी वोट सहमत हैं, तो AI आश्वस्त है। यदि वे असहमत हैं, तो सिस्टम इसे "अनिश्चित" के रूप में चिह्नित करता है, और मानव कार्यकर्ता को बताता है, "हे, मैं इस बारे में 100% निश्चित नहीं हूँ, इस पर एक नज़र डाल लें।"

अध्ययन से पता चला कि इन अपग्रेड्स ने AI को और भी तेज़ बना दिया। आकार बदलने वाले लेंस और निष्पक्षता शिक्षक के संयोजन ने बुनियादी संस्करण की तुलना में मॉडल की सटीकता को महत्वपूर्ण रूप से बढ़ाया। हालाँकि, शोधकर्ताओं ने अपनी सीमाओं के बारे में ईमानदारी बरती। जबकि AI समुद्री खीरे के प्रकार की पहचान करने में अद्भुत था (लगतः पूर्ण), यह उनके चारों ओर सटीक रूपरेखा खींचने में थोड़ा कम सटीक था, विशेष रूप से जब वे एक-दूसरे के ऊपर चढ़े हुए थे। यह ऐसा है जैसे AI जानता है कि फल क्या है, लेकिन कभी-कभी उसके चारों ओर बनाया गया बॉक्स थोड़ा बड़ा या छोटा होता है। जैविक, नरम चीज़ों के साथ काम करते समय, जिनमें सीधी रेखाएँ नहीं होतीं, यह एक आम चुनौती है।

यह पेपर स्पष्ट करता है कि यह हर समस्या को हल करने वाला जादू का डंडा नहीं है। AI को इंडोनेशिया के एक विशिष्ट क्षेत्र की तस्वीरों पर प्रशिक्षित किया गया था। शोधकर्ता स्पष्ट रूप से कहते हैं कि इससे पहले कि इस प्रणाली का उपयोग दुनिया भर की फैक्ट्रियों में किया जा सके, इसे विभिन्न स्थानों, विभिन्न कैमरों और विभिन्न प्रकाश स्थितियों वाली तस्वीरों पर परीक्षण करने की आवश्यकता है। उन्होंने यह भी दावा नहीं किया कि यह अब तक का सबसे अच्छा AI मॉडल है; उन्होंने केवल यह दिखाया कि यह विशिष्ट संस्करण (YOLO11n) इस विशिष्ट कार्य के लिए अविश्वसनीय रूप से अच्छा काम करता है। उन्होंने सुझाव दिया कि भविष्य के अध्ययनों को अन्य शक्तिशाली AI मॉडलों के साथ आमने-सामने तुलना करनी चाहिए कि वास्तव में कौन जीतता है।

अंत में, यह पेपर एक कंप्यूटर को समुद्री खीरे को सुखाने की सूक्ष्म कला को समझने की क्षमता देने की कहानी है। यह दिखाता है कि सही प्रशिक्षण और कुछ चतुर युक्तियों के साथ, एक AI एक नमकीन स्वाद और एक धुएँ वाले स्वाद के बीच अंतर करना सीख सकता है, यहाँ तक कि एक अव्यवस्थित ढेर में भी। यह अंततः मछुआरों और प्रोसेसरों को अपने माल को तेज़ी से और अधिक निष्पक्षता से छाँटने में मदद कर सकता है, जिससे एक ऐसा काम जो पहले मानवीय अनुमान पर निर्भर था, एक सटीक, स्वचालित विज्ञान में बदल सकता है। यह समुद्री खीरे के लिए एक छोटा कदम है, लेकिन स्मार्ट मत्स्य पालन के लिए एक बड़ी छलांग है।