A Knowledge-Guided Multi-Task Framework for Robust and Interpretable Rice Disease Diagnosis in Open-Field Scenarios

कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन अपराध स्थल के बजाय, आप चावल के एक खेत को देख रहे हैं। सदियों से, किसानों को खुद जासूस बनना पड़ा है, पत्तों को गौर से देखना पड़ता है ताकि वे छोटे धब्बों या अजीब रंगों को पहचान सकें जो किसी पौधे के बीमार होने का संकेत देते हैं। यह कठिन काम है, और यदि आप थक जाते हैं या विशेषज्ञ नहीं हैं, तो आप सुराग चूक सकते हैं या किसी छाया को बीमारी समझ सकते हैं। हाल के वर्षों में, वैज्ञानिकों ने कंप्यूटर को "डीप लर्निंग" का उपयोग करके बेहतर जासूस बनने के लिए प्रशिक्षित करने की कोशिश की है। इसे एक सुपर-स्मार्ट रोबोट मस्तिष्क के रूप में समझें जो हजारों तस्वीरों को देखता है और पैटर्न को पहचानना सीखता है, ठीक वैसे ही जैसे आप भीड़ में अपने सबसे अच्छे दोस्त के चेहरे को पहचानना सीखते हैं। हालाँकि, इन रोबोट मस्तिष्क के साथ एक समस्या है: वे अक्सर "ब्लैक बॉक्स" होते हैं। वे आपको एक उत्तर देते हैं, लेकिन वे यह नहीं समझा सकते कि उन्हें क्यों लगता है कि एक पत्ता बीमार है, और वे उन चीजों से आसानी से भ्रमित हो जाते हैं जो चावल जैसी दिखती हैं लेकिन चावल नहीं हैं, जैसे कि एक आवारा कुत्ता या एक ग्रे रंग का पत्थर। यह शोध पत्र इस अव्यवस्थायुक्त, वास्तविक दुनिया के खेत में एक स्मार्ट, अधिक ईमानदार जासूस बनाने के लिए कदम बढ़ाता है जो केवल अनुमान नहीं लगाता, बल्कि वास्तव में खेल के नियमों को समझता है।

इस अध्ययन के पीछे के शोधकर्ताओं, शियांग ल्यू, यू यू और लुमिन लियू ने MTRNet (नॉलेज-गाइडेड मल्टी-टास्क राइस नेटवर्क) नामक एक नई प्रणाली बनाई है। उनका लक्ष्य एक ऐसा कंप्यूटर प्रोग्राम बनाना था जो उच्च सटीकता के साथ चावल की बीमारियों का निदान कर सके और साथ ही अपने तर्क की व्याख्या भी कर सके और उन चीजों को अनदेखा कर सके जो बिल्कुल भी चावल नहीं हैं। उन्होंने पाया कि कंप्यूटर को उन विशिष्ट "सुरागों" को खोजने के लिए सिखाकर जिनका उपयोग मानव विशेषज्ञ करते हैं—जैसे कि धब्बे का आकार, उसका रंग और पत्ती पर उसकी स्थिति—कंप्यूटर अपने काम में बहुत बेहतर हो जाता है। अपने परीक्षणों में, इस नई प्रणाली ने 99.83% मामलों में चावल की बीमारियों की सही पहचान की (595 छवियों में से 594 को सही पहचाना)। इससे भी अधिक प्रभावशाली बात यह है कि जब उन्होंने इसके सामने 1,000 पेचीदा, गैर-चावल वाली छवियां (जैसे जानवरों या मिट्टी की तस्वीरें) फेंकीं, तो सिस्टम ने 81.80% मामलों में सफलतापूर्वक कहा, "रुको, यह बीमार चावल का पत्ता नहीं है!", जिससे गलत अलार्म बजने से बच गया।

"ब्लैक बॉक्स" जासूसों के साथ समस्या

यह समझने के लिए कि यह नई प्रणाली क्यों विशेष है, हमें यह देखना होगा कि पिछले कंप्यूटर प्रोग्राम कैसे काम करते थे। अधिकांश पुराने AI मॉडल उस छात्र की तरह हैं जिसने उत्तर कुंजी रट ली है लेकिन गणित नहीं समझा है। यदि आप उन्हें एक बीमार चावल के पत्ते की तस्वीर दिखाते हैं, तो वे कह सकते हैं, "यह लीफ ब्लास्ट है!" क्योंकि उन्होंने प्रशिक्षण तस्वीरों में एक पैटर्न देखा था। लेकिन यदि आप उन्हें एक ग्रे फूलदान दिखाते हैं जो थोड़ा बीमार पत्ते जैसा दिखता है, तो वे आत्मविश्वास से कह सकते हैं, "यह लीफ ब्लास्ट है!" क्योंकि उन्हें अपनी सूची से एक उत्तर चुनने के लिए मजबूर किया जाता है। उनमें "व्याख्यात्मकता" (interpretability) की कमी है, जिसका अर्थ है कि वे आपको यह नहीं बता सकते कि उन्होंने वह विकल्प क्यों चुना। वे नहीं जानते कि लीफ ब्लास्ट आमतौर पर स्पिंडल (तर्कु) के आकार का होता है, जबकि दूसरी बीमारी गोल धब्बे जैसी दिखती है। वे केवल वही अनुमान लगाते हैं जो उन्होंने पहले देखा है।

इसके अलावा, ये मॉडल आमतौर पर मानते हैं कि दुनिया एक "बंद बॉक्स" है। वे सोचते हैं, "यदि मैं एक तस्वीर देखता हूँ, तो यह अनिवार्य रूप से उन चार बीमारियों में से एक होनी चाहिए जिन्हें मैंने सीखा है।" उनके पास यह कहने का कोई तरीका नहीं है कि, "मुझे नहीं पता कि यह क्या है," या "यह पौधा भी नहीं है।" वास्तविक दुनिया में, जहाँ कैमरे गलती से चलते हुए बिल्ली या मिट्टी के टुकड़े की फोटो खींच सकते हैं, इससे बहुत सारी गलतियाँ होती हैं।

नया दृष्टिकोण: कंप्यूटर को एक किसान की तरह सोचना सिखाना

लेखकों ने इसे कंप्यूटर को विशेषज्ञ ज्ञान पर आधारित एक "चीट शीट" देकर ठीक करने का निर्णय लिया। उन्होंने केवल कंप्यूटर को अनुमान लगाने के लिए नहीं छोड़ा; उन्होंने एक ऐसी प्रणाली बनाई जो एक मानव पादप डॉक्टर (plant doctor) के सोचने के तरीके की नकल करती है।

1. मल्टी-टास्क जासूस
केवल कंप्यूटर से यह पूछने के बजाय कि, "यह कौन सी बीमारी है?", उन्होंने उससे एक साथ तीन अतिरिक्त प्रश्न पूछे:

• आकार क्या है? (क्या यह स्पिंडल है, गोल धब्बा है, या एक रेखा है?)
• रंग क्या है? (क्या यह ग्रे-ब्राउन है, गहरा भूरा है, या पीला है?)
• स्थान कहाँ है? (क्या यह पत्ती के सिरे से शुरू हुआ, या यह पूरी पत्ती पर है?)

उन्होंने एक "फाइटोपैथोलॉजिकल मैट्रिक्स" बनाया, जो केवल एक फैंसी नियम पुस्तिका है। उदाहरण के लिए, नियम पुस्तिका कहती है: "यदि यह राइस लीफ ब्लास्ट है, तो यह अनिवार्य रूप से स्पिंडल के आकार का और ग्रे/ब्राउन होना चाहिए।" कंप्यूटर को इन नियमों की जाँच करने के लिए प्रशिक्षित किया जाता है। यदि वह "लीफ ब्लास्ट" लेबल देखता है लेकिन आकार गोल है, तो वह जानता है कि कुछ गलत है। यह कंप्यूटर को बीमारी की वास्तविक विशेषताओं को सीखने के लिए मजबूर करता है, न कि केवल यादृच्छिक बैकग्राउंड शोर को। यह एक छात्र को केवल उत्तर ही नहीं, बल्कि वहां तक पहुँचने के चरणों को सिखाने जैसा है।

2. दो-चरणीय सुरक्षा गार्ड
"ओपन-फील्ड" समस्या (जहाँ जानवर या चट्टानें जैसी अजीब चीजें दिखाई दे सकती हैं) को संभालने के लिए, शोधकर्ताओं ने कैस्केड इन्फरेंस सिस्टम (CIS) नामक एक सुरक्षा प्रणाली जोड़ी। यह प्रणाली एक क्लब के बाउंसर की तरह दो जाँचों के साथ काम करती है:

• चरण 1: जैविक फिल्टर। सिस्टम पहले तस्वीर में रंगों को देखता है। असली चावल के पत्तों के विशिष्ट हरे और पीले शेड्स होते हैं। यदि तस्वीर ज्यादातर ग्रे (जैसे चट्टान) या भूरी (जैसे मिट्टी) है, तो सिस्टम तुरंत कहता है, "नहीं, यह पौधा नहीं है," और उसे खारिज कर देता है। उन्होंने वास्तविक चावल के पिक्सेल को पकड़ने के लिए इस फिल्टर को अपने प्रशिक्षण सेट के डेटा का उपयोग करके ट्यून किया, जबकि बाकी को अनदेखा कर दिया।
• चरण 2: लॉजिक चेक। यदि तस्वीर रंग परीक्षण पास कर लेती है (शायद यह एक बिल्ली है जो चावल के खेत में बैठी है, इसलिए वहां काफी हरा रंग है), तो सिस्टम दूसरे चेक पर जाता है। यह कंप्यूटर के "मल्टी-टास्क" उत्तरों को देखता है। यदि कंप्यूटर सोचता है कि बीमारी "लीफ ब्लास्ट" है लेकिन आकार "अनियमित" है और स्थान "रैंडम" है (जो लीफ ब्लास्ट के नियम पुस्तिका से मेल नहीं खाता), तो सिस्टम इसे "अनिश्चित" के रूप में चिह्नित करता है और खारिज कर देता है।

उन्होंने क्या पाया

टीम ने अपने नए MTRNet सिस्टम का परीक्षण 5,932 वास्तविक चावल की छवियों के डेटासेट पर किया, जिसमें चार प्रमुख बीमारियाँ शामिल थीं: राइस लीफ ब्लास्ट, ब्राउन स्पॉट, बैक्टीरियल लीफ ब्लाइट और टुंग्रो।

• सटीकता: सिस्टम अविश्वसनीय रूप से सटीक था, जिसने 99.83% की नैदानिक सटीकता प्राप्त की। इसने 595 परीक्षण छवियों में से केवल एक गलती की, और वह गलती एक बहुत ही पेचीदा छवि पर हुई जहाँ दो बीमारियाँ लगभग एक जैसी दिख रही थीं।
• मजबूती (Robustness): जब उन्होंने इसे 1,000 "शोर" वाली छवियों (जो चावल की बीमारियाँ नहीं हैं) के विरुद्ध परखा, तो सिस्टम ने 818 को खारिज कर दिया, जिसके परिणामस्वरूप 81.80% की रिजेक्शन दर रही। इस प्रणाली के बिना, एक मानक कंप्यूटर मॉडल लगभग उन सभी पर निदान लगाने की कोशिश करता, जिससे 100% गलत अलार्म की दर होती।
• व्याख्यात्मकता (Interpretability): सिस्टम ने विशेषताओं को अलग करने में सफलता प्राप्त की। जब इसने किसी बीमारी का निदान किया, तो इसने आकार, रंग और स्थान की भी उच्च विश्वास के साथ भविष्यवाणी की, जिससे सिद्ध हुआ कि यह केवल अनुमान नहीं लगा रहा था।

यह क्यों महत्वपूर्ण है

लेखक सुझाव देते हैं कि यह दृष्टिकोण कंप्यूटर लैब की स्वच्छ, आदर्श दुनिया और वास्तविक खेतों की अव्यवस्थित, अप्रत्याशित दुनिया के बीच के अंतर को पाटता है। डीप लर्निंग को विशेषज्ञ नियमों के साथ जोड़कर, उन्होंने एक ऐसा उपकरण बनाया है जो न केवल सटीक है बल्कि भरोसेमंद भी है। यह केवल एक उत्तर नहीं देता; यह एक कारण देता है।

हालाँकि, पेपर सावधानीपूर्वक यह नोट करता है कि यह हर समस्या के लिए जादू की छड़ी नहीं है। यह प्रणाली मानक रेड-ग्रीन-ब्लू (RGB) फोटो पर निर्भर करती है। यह अभी भी एक वायरल बीमारी (जैसे टुंग्रो) और एक ऐसे पौधे के बीच अंतर करने में संघर्ष कर सकती है जो केवल पोषक तत्वों की कमी के कारण पीला हो गया है, क्योंकि दोनों ही पत्तों को पीला बना सकते हैं। लेखक सुझाव देते हैं कि भविष्य में, इस प्रणाली का उपयोग एक "विजुअल ट्राइएज" टूल के रूप में किया जाना चाहिए—संभावित समस्याओं को पहचानने के लिए पहली रक्षा पंक्ति के रूप में—न कि अंतिम चिकित्सा निदान के रूप में। यह एक किसान को यह बताने का एक अत्यधिक कुशल तरीका है कि, "हे, इस पत्ते को यहाँ देखो," लेकिन इसमें सटीक रूप से क्या गलत है, इसकी पुष्टि करने के लिए अभी भी मानव या मृदा सेंसर की आवश्यकता हो सकती है।

संक्षेप में, MTRNet कृषि में AI को एक रहस्यमय ब्लैक बॉक्स से कम और एक पारदर्शी, नियम का पालन करने वाले सहायक में बदलने की दिशा में एक कदम है, जो जानता है कि कब कहना है, "मुझे नहीं पता," और कब आत्मविश्वास के साथ एक बीमार पौधे की ओर इशारा करना है।