Double Transfer Learning-Based Capsule Network for Multi-Crop Plant Disease Classification Using Heterogeneous Leaf Image Datasets

तकनीकी सारांश: बहु-फसल पौधों के रोग वर्गीकरण के लिए डबल ट्रांसफर लर्निंग-आधारित कैप्सूल नेटवर्क

समस्या विवरण
पौधों की बीमारियाँ वैश्विक खाद्य सुरक्षा और कृषि उत्पादकता के लिए एक महत्वपूर्ण खतरा पैदा करती हैं, जो अक्सर फसल की उपज और गुणवत्ता को कम कर देती हैं। पारंपरिक निदान विधियाँ विशेषज्ञों द्वारा दृश्य निरीक्षण पर निर्भर करती हैं, जो समय लेने वाली, व्यक्तिपरक और मानवीय त्रुटियों के प्रति संवेदनशील होती हैं। जबकि कनवल्शनल न्यूरल नेटवर्क (CNNs) ने स्वचालित पहचान में सुधार किया है, वे रोग के लक्षणों के बीच स्थानिक संबंधों (spatial relationships) को बनाए रखने में सीमाओं का सामना करते हैं, जिससे समान दृश्य विशेषताओं वाले लक्षणों के मामले में गलत वर्गीकरण होता है। इसके अलावा, मौजूदा डीप लर्निंग मॉडल अक्सर एकल-फसल डेटासेट के लिए तैयार किए जाते हैं, जिनमें विविध कृषि वातावरणों में सामान्यीकरण (generalization) की कमी होती है। इसके अतिरिक्त, उभरते हुए ट्रांसफार्मर-आधारित मॉडल, जो वैश्विक संदर्भ (global context) को पकड़ने में प्रभावी हैं, अत्यधिक गणनात्मक रूप से महंगे हैं और उन्हें विशाल एनोटेटेड डेटासेट की आवश्यकता होती है, जिससे वे संसाधन-सीमित कृषि सेटिंग्स के लिए कम उपयुक्त हो जाते हैं।

कार्यप्रणाली: DTL-CapsNet ढांचा
लेखक एक नवीन ढांचे, डबल ट्रांसफर लर्निंग-आधारित कैप्सूल नेटवर्क (DTL-CapsNet) का प्रस्ताव करते हैं, जिसे विषम लीफ इमेज डेटासेट्स का उपयोग करके कई फसल प्रजातियों में रोगों को वर्गीकृत करने के लिए डिज़ाइन किया गया है। यह कार्यप्रणाली चार प्राथमिक चरणों को एकीकृत करती है:

1. प्रीप्रोसेसिंग और सेगमेंटेशन: इनपुट लीफ इमेजेस को 224 × 224 × 3 पिक्सल में रीसाइज किया जाता है। एक प्रीप्रोसेसिंग पाइपलाइन नॉर्मलाइजेशन, नॉइज़ रिमूवल और कंट्रास्ट एन्हांसमेंट लागू करती है। महत्वपूर्ण रूप से, एक सेगमेंटेशन चरण पृष्ठभूमि से लीफ एरिया को अलग करता है ताकि फीचर एक्सट्रैक्शन का ध्यान अप्रासंगिक बैकग्राउंड नॉइज़ के बजाय रोग के लक्षणों (घाव, धब्बे, विवर्णता) पर केंद्रित किया जा सके।
2. डबल ट्रांसफर लर्निंग: ढांचा विशिष्ट अंतरपूर्ण विशेषताओं (discriminative features) को निकालने के लिए दो-चरणीय ट्रांसफर लर्निंग प्रक्रिया का उपयोग करता है:
   • चरण 1: एक प्री-ट्रेन्ड डीप लर्निंग मॉडल सेगमेंटेड इमेजेस से जेनेरिक हाई-लेवल विजुअल फीचर्स (किनारे, बनावट, आकार) निकालता है।
   • चरण 2: इन फीचर्स को विशिष्ट प्लांट डिजीज डेटासेट्स का उपयोग करके फाइन-ट्यून किया जाता है ताकि रोग-विशिष्ट निरूपण (representations) सीखा जा सके। यह मॉडल को सामान्य दृश्य ज्ञान का लाभ उठाने और विशिष्ट फसल विकृतियों के अनुकूल होने की अनुमति देता है।
3. कैप्सूल नेटवर्क (CapsNet) एकीकरण: निकाले गए फीचर्स को क्लासिफायर में भेजने के बजाय, उन्हें कैप्सूल नेटवर्क में फीड किया जाता है। CNNs के विपरीत, CapsNets फीचर्स को वेक्टर्स के रूप में प्रस्तुत करते हैं और रोग के लक्षणों एवं पत्ती की संरचनाओं के बीच पदानुक्रमित भाग-पूर्ण संबंधों (hierarchical part-whole relationships) और स्थानिक निर्भरताओं को बनाए रखने के लिए डायनेमिक रूटिंग का उपयोग करते हैं। यह तंत्र पोज और ओरिएंटेशन के विविध बदलावों के प्रति मजबूती बढ़ाता है, जो दृश्य रूप से समान रोगों के बीच अंतर करने के लिए महत्वपूर्ण है।
4. वर्गीकरण (Classification): कैप्सूल नेटवर्क के आउटपुट को संभाव्यता वितरण (probability distribution) निर्धारित करने के लिए सॉफ्टमैक्स क्लासिफायर के माध्यम से प्रोसेस किया जाता है (जैसे, स्वस्थ, अर्ली ब्लाइट, ब्लैक रॉट)। मॉडल को एडम ऑप्टिमाइज़र और कैटेगोरिकल क्रॉस-एन्ट्रॉपी लॉस का उपयोग करके अनुकूलित किया जाता है।

प्रमुख योगदान

• नवीन आर्किटेक्चर: बहु-फसल रोग पहचान में स्थानिक पदानुक्रम (spatial hierarchies) को बनाए रखने की चुनौती को हल करने के लिए कैप्सूल नेटवर्क्स के साथ डबल ट्रांसफर लर्निंग का एकीकरण।
• बहु-फसल सामान्यीकरण: इस ढांचे को सेब, मिर्च, कपास, मक्का और आलू सहित पांच अलग-अलग फसलों के 21,927 लीफ इमेजेस के विषम डेटासेट पर सत्यापित किया गया है, जिसमें 17 विभिन्न स्वस्थ और रोगग्रस्त वर्ग शामिल हैं।
• मजबूत फीचर रिप्रेजेंटेशन: वेक्टर-आधारित निरूपण और डायनेमिक रूटिंग का उपयोग करके, मॉडल उन स्थानिक संबंधों को प्रभावी ढंग से कैप्चर करता है जिन्हें पारंपरिक CNNs अक्सर छोड़ देते हैं, जिससे समान दृश्य पैटर्न वाले रोगों के लिए वर्गीकरण सटीकता में सुधार होता है।

प्रायोगिक परिणाम
प्रस्तावित DTL-CapsNet का मूल्यांकन मानक CNN, ResNet50, EfficientNet और सिंगल ट्रांसफर लर्निंग CNN सहित बेसलाइन मॉडलों के विरुद्ध किया गया था। प्रयोग 30 ट्रेनिंग एपोक्स (epochs) के दौरान आयोजित किए गए थे। परिणाम दर्शाते हैं कि DTL-CapsNet ने सभी पांच फसल डेटासेट्स में सभी बेसलाइन मॉडलों को लगातार पछाड़ दिया:

• सेब (Apple): 96.92% सटीकता प्राप्त की (95.87% ट्रांसफर लर्निंग CNN के मुकाबले)।
• मिर्च (Chilli): 95.80% सटीकता प्राप्त की (95.87% ट्रांसफर लर्निंग CNN के मुकाबले)।
• कपास (Cotton): 96.10% सटीकता प्राप्त की (95.87% ट्रांसफर लर्निंग CNN के मुकाबले)।
• मक्का (Corn): 97.20% सटीकता प्राप्त की (95.87% ट्रांसफर लर्निंग CNN के मुकाबले)।
• आलू (Potato): 94.80% सटीकता प्राप्त की (95.87% ट्रांसफर लर्निंग CNN के मुकाबले)।

अध्ययन नोट करता है कि हालांकि आलू के डेटासेट पर मॉडल ने प्रदर्शन में मामूली उतार-चढ़ाव दिखाया (संभवतः अर्ली और लेट ब्लाइट के बीच दृश्य समानता के कारण), फिर भी इसने पारंपरिक आर्किटेक्चर की तुलना में बेहतर समग्र प्रदर्शन बनाए रखा।

महत्व और दावे
पेपर का दावा है कि DTL-CapsNet ढांचा बुद्धिमान पौधों के रोग निदान के लिए एक कुशल और स्केलेबल समाधान प्रदान करता है। ट्रांसफर लर्निंग की फीचर एक्सट्रैक्शन शक्ति को कैप्सूल नेटवर्क्स की स्थानिक तर्क क्षमताओं (spatial reasoning capabilities) के साथ जोड़कर, यह दृष्टिकोण ट्रांसफार्मर-आधारित मॉडलों से जुड़ी अत्यधिक गणनात्मक ओवरहेड के बिना उच्च वर्गीकरण सटीकता प्राप्त करता है। लेखक का कहना है कि यह विधि प्रिसिजन एग्रीकल्चर (सटीक कृषि) और रियल-टाइम क्रॉप मॉनिटरिंग के लिए विशेष रूप से महत्वपूर्ण है, क्योंकि यह विविध फसल प्रकारों और जटिल पर्यावरणीय स्थितियों को संभाल सकती है। इस ढांचे को स्मार्ट फार्मिंग अनुप्रयोगों में रोग नियंत्रण और उत्पादकता बढ़ाने के लिए एक विश्वसनीय उपकरण के रूप में प्रस्तुत किया गया है।

भविष्य का दायरा
लेखक सुझाव देते हैं कि इस ढांचे को बड़े और अधिक विविध डेटासेट्स को शामिल करने के लिए विस्तारित किया जा सकता है। वे वास्तविक समय के निर्णय लेने के लिए इंटरनेट ऑफ थिंग्स (IoT) उपकरणों, क्लाउड कंप्यूटिंग और मोबाइल एप्लिकेशन के साथ संभावित एकीकरण का प्रस्ताव करते हैं। इसके अलावा, वे बड़े पैमाने पर निगरानी के लिए एज सिस्टम्स और अनमैन्ड एरियल व्हीकल्स (UAVs) पर मॉडल को तैनात करने के साथ-साथ, मॉडल की व्याख्यात्मकता (interpretability) और उपयोगकर्ता विश्वास को बेहतर बनाने के लिए एक्सप्लेनेबल एआई (XAI) को शामिल करने के अवसरों की पहचान करते हैं।