FitoView: A Decision Support Application Integrating Weather Forecasts and CNNs for Plant Disease Classification and Severity Assessment - Case Study on Cercospora Leaf Spot in Chili Pepper

उन नम, धूप से सराबोर खेतों में जहाँ भोजन उगाया जाता है, फसलों और सूक्ष्म हमलावरों के बीच एक निरंतर मौन युद्ध लड़ा जाता है। पौधों की बीमारियाँ वैश्विक खाद्य उत्पादन के लिए एक निरंतर खतरा हैं, जो फसल के एक बड़े हिस्से को नष्ट करने में सक्षम हैं और किसानों को खाली जेब और खाली पेट छोड़ सकती हैं। पीढ़ियों से, इसका समाधान एक कुंद हथियार रहा है: रोगजनकों को मारने के लिए खेतों पर रसायनों का छिड़काव करना। हालांकि यह प्रभावी है, लेकिन यह दृष्टिकोण अक्सर पर्यावरण को नुकसान पहुँचाता है और यह बर्बादी भी हो सकती है, क्योंकि यह स्वस्थ पौधों के साथ भी उतना ही कठोर व्यवहार करता है जितना कि बीमार पौधों के साथ। आधुनिक कृषि के लिए चुनौती यह है कि समस्या को स्पष्ट रूप से देखने और केवल आवश्यकता होने पर ही कार्य करने का तरीका खोजा जाए। इसके लिए दो चीजों का सामंजस्य में काम करना आवश्यक है: बीमारी को जल्दी और सटीक रूप से पहचानने की क्षमता, और यह जानने का ज्ञान कि क्या मौसम उस बीमारी को और बदतर बनाने वाला है। जब इन दो सूचनाओं को मिला दिया जाता है, तो किसान सटीक निर्णय ले सकते हैं, जिससे संसाधनों का अत्यधिक उपयोग किए बिना उनकी फसलों की रक्षा होती है।

हाल ही में एक अध्ययन में, शोधकर्ताओं ने एक नया उपकरण पेश किया जिसे ब्राजील के छोटे किसानों तक इस तरह की सटीकता पहुँचाने के लिए डिज़ाइन किया गया है। उन्होंने 'फाइटोव्यू' (FitoView) नामक एक मोबाइल एप्लिकेशन बनाया, जो मिर्च उगाने के लिए एक डिजिटल सहायक के रूप में कार्य करता है। यह प्रणाली दो शक्तिशाली तकनीकों को जोड़ती है: एक प्रकार का कृत्रिम बुद्धिमत्ता (AI) जो एक तस्वीर में बीमारी को "देख" सकता है, और एक डिजिटल मौसम सेवा जो अगले दो दिनों में स्थितियाँ कैसे बदलेंगी, इसका पूर्वानुमान लगाती है। शोधकर्ताओं ने इस उपकरण का परीक्षण विशेष रूप से 'सर्कोस्पोरा लीफ स्पॉट' (Cercospora leaf spot) नामक एक सामान्य और विनाशकारी कवक रोग के विरुद्ध किया, जो मिर्च की पत्तियों पर गोलाकार, भूरे रंग के घाव पैदा करता है और पैदावार में महत्वपूर्ण कमी ला सकता है। कैमरा-आधारित निदान को तापमान और आर्द्रता के पूर्वानुमान के साथ जोड़कर, इस एप्लिकेशन का लक्ष्य किसान को न केवल यह बताना है कि पौधा बीमार है, बल्कि यह भी कि उसे क्या करना चाहिए और कब करना चाहिए।

इस प्रणाली का मूल आधार एक कस्टम-प्रशिक्षित कृत्रिम बुद्धिमत्ता मॉडल है जो एक अत्यधिक प्रशिक्षित आँख की तरह कार्य करता है। जब कोई किसान अपने फोन से मिर्च के पत्ते की तस्वीर लेता है, तो सॉफ्टवेयर छवि का विश्लेषण करता है ताकि यह निर्धारित किया जा सके कि पौधा स्वस्थ है या किसी विशिष्ट बीमारी से पीड़ित है। सर्कोस्पोरा लीफ स्पॉट के मामले में, परीक्षण के दौरान मॉडल असाधारण रूप से सटीक साबित हुआ, जिसने अध्ययन के टेस्ट सेट में सामना की गई हर एक स्थिति में बीमारी की सही पहचान की। केवल समस्या का नाम बताने के अलावा, यह प्रणाली यह भी माप सकती है कि संक्रमण कितना गंभीर है। यह गणना करती है कि पत्ते की सतह का कितना प्रतिशत बीमारी से ढका हुआ है, जिससे एक अस्पष्ट दृश्य धारणा को एक ठोस संख्या में बदल दिया जाता है। विवरण का यह स्तर प्रणाली को एक मामूली, प्रबंधनीय समस्या और एक संकट के बीच अंतर करने की अनुमति देता है जिसके लिए तत्काल कार्रवाई की आवश्यकता होती है।

हालाँकि, फसल की वर्तमान स्थिति को जानना कहानी का केवल आधा हिस्सा है। दूसरा आधा हिस्सा मौसम है। सर्कोस्पोरा लीफ स्पॉट पैदा करने वाला कवक विशिष्ट स्थितियों में पनपता है: गर्म तापमान और उच्च आर्द्रता। यदि मौसम ठंडा या शुष्क है, तो बीमारी मौजूद होने पर भी वह नहीं फैलेगी। फाइटोव्यू एप्लिकेशन स्थानीय मौसम के जोखिम का पूर्वानुमान लगाने के लिए एक वैश्विक पूर्वानुमान सेवा से वास्तविक समय का डेटा प्राप्त करता है। यह तापमान और आर्द्रता के पूर्वानुमान की जाँच करता है, और उनकी तुलना कवक की ज्ञात प्राथमिकताओं से करता है। यदि पूर्वानुमान गर्म और आर्द्र मौसम के दौर की भविष्यवाणी करता है, तो बीमारी के तेजी से फैलने का जोखिम अधिक होता है। यदि पूर्वानुमान शुष्क या ठंडे मौसम का संकेत देता है, तो जोखिम कम होता है। यह मौसम डेटा केवल एक सामान्य रिपोर्ट नहीं है; शोधकर्ताओं ने सत्यापित किया कि उपयोग किए गए विशिष्ट पूर्वानुमान उस क्षेत्र के लिए अत्यधिक सटीक थे जहाँ अध्ययन किया गया था, जो स्थानीय जमीनी मापों के साथ उच्च विश्वसनीयता के साथ मेल खाते थे।

इस परियोजना का वास्तविक नवाचार इन दो सूचना धाराओं—पौधे के एआई निदान और मौसम के पूर्वानुमान—को एक एकल, स्पष्ट अनुशंसा में संयोजित करने में निहित है। एप्लिकेशन केवल "अभी छिड़काव करें" या "प्रतीक्षा करें" नहीं कहता है। इसके बजाय, यह एक 'डिसीजन मैट्रिक्स' (निर्णय तालिका) का उपयोग करता है जो बीमारी की गंभीरता और आगामी मौसम के जोखिम दोनों पर विचार करता है। यदि किसी किसान को बीमारी मिलती है लेकिन मौसम शुष्क और ठंडा है, तो सिस्टम एक सप्ताह प्रतीक्षा करने और फिर से जाँच करने का सुझाव दे सकता है, जिससे पैसा और प्रयास बचता है। यदि बीमारी गंभीर है और मौसम गर्म और आर्द्र होने वाला है, तो सिस्टम तत्काल कार्रवाई की सिफारिश करता है, संभवतः एक विशिष्ट प्रकार के उपचार का सुझाव देता है और किसान को तीन दिनों में स्थिति का पुनर्मूल्यांकन करने की सलाह देता है। यह गतिशील दृष्टिकोण यह सुनिश्चित करता है कि प्रबंधन रणनीतियाँ एक कठोर, 'एक-आकार-सभी-के-लिए-उपयुक्त' (one-size-fits-all) कार्यक्रम के बजाय खेत की विशिष्ट, बदलती वास्तविकता के अनुरूप हों।

यह सुनिश्चित करने के लिए कि उपकरण वास्तविक दुनिया में काम करे, शोधकर्ताओं ने इसका परीक्षण ब्राजील के लागर्टो (Lagarto) में मिर्च के एक खेत में किया। वे फसलों के बीच से गुजरे, बीमारी की पहचान करने के लिए ऐप का उपयोग किया, और सिस्टम के मार्गदर्शन का पालन किया। एप्लिकेशन ने उच्च विश्वास के साथ कवक की उपस्थिति का सफलतापूर्वक पता लगाया, संक्रमण की गंभीरता की गणना की, और स्थानीय मौसम के पूर्वानुमान का विश्लेषण किया। बीमारी के मध्यम स्तर और प्रसार के उच्च जोखिम वाले पूर्वानुमान के संयोजन के आधार पर, सिस्टम ने एक मानक रासायनिक कवकनाशी के बजाय बोडो (Bordeaux) मिश्रण के रूप में जाने जाने वाले एक पारंपरिक मिश्रण का उपयोग करते हुए वैकल्पिक उपचार की सिफारिश की। इसने किसान को तीन से चार दिनों में फसलों की दोबारा जाँच करने की भी सलाह दी। फोटोग्राफी से लेकर विस्तृत प्रबंधन योजना प्राप्त करने तक की पूरी प्रक्रिया में केवल कुछ मिनट लगे, जो यह दर्शाता है कि जटिल वैज्ञानिक विश्लेषण को रोजमर्रा की खेती के लिए सुलभ और व्यावहारिक बनाया जा सकता है।

शोधकर्ताओं ने इस तरह की प्रणाली चलाने की लागत पर भी विचार किया। क्योंकि एप्लिकेशन क्लाउड कंप्यूटिंग पर आधारित है, इसलिए इसे खेत में महंगे हार्डवेयर की आवश्यकता नहीं है; यह इंटरनेट से जुड़े एक मानक स्मार्टफोन पर चलता है। अध्ययन ने अनुमान लगाया कि यदि छोटे किसानों का एक समूह इस प्रणाली को साझा करता है, तो लागत बहुत कम होगी, जो उनके खेत के आकार और कितने लोग सेवा का उपयोग करते हैं, इस आधार पर लगभग बारह से बासठ ब्राजीलियाई रियाल प्रति किसान प्रति वर्ष होगी। इस तरह की आर्थिक व्यवहार्यता को अपनाना महत्वपूर्ण है, क्योंकि इसका अर्थ है कि तकनीक उन छोटे किसानों की पहुँच में है जिनके पास अक्सर उन्नत कृषि उपकरणों तक पहुँच नहीं होती है। यह प्रणाली एक 'प्रोग्रेसिव वेब एप्लीकेशन' के रूप में डिज़ाइन की गई है, जिसका अर्थ है कि यह किसी अलग प्रोग्राम को डाउनलोड या इंस्टॉल करने की आवश्यकता के बिना सीधे मोबाइल वेब ब्राउज़र में काम करती है, जिससे प्रवेश की बाधा और कम हो जाती है।

हालाँकि परिणाम उत्साहजनक हैं, लेखक उनके कार्यों की सीमाओं को सावधानी से नोट करते हैं। वर्तमान में प्रणाली को मौसम का डेटा प्राप्त करने और छवियों को संसाधित करने के लिए इंटरनेट कनेक्शन पर निर्भर रहना पड़ता है, जो उन दूरदराज के ग्रामीण क्षेत्रों में एक बाधा हो सकती है जहाँ कनेक्टिविटी कमज़ोर है। इसके अतिरिक्त, कृत्रिम बुद्धिमत्ता मॉडल को छवियों के एक विशिष्ट सेट पर प्रशिक्षित किया गया था, और हालांकि इसने टेस्ट डेटा पर उत्कृष्ट प्रदर्शन किया, भविष्य के संस्करणों को विभिन्न क्षेत्रों की और भी विविध छवियों पर प्रशिक्षित करने की आवश्यकता होगी ताकि यह हर जगह काम कर सके। शोधकर्ता यह भी बताते हैं कि इस परियोजना की दीर्घकालिक स्थिरता क्लाउड सर्वर की चल रही लागतों को कवर करने के लिए धन सुरक्षित करने पर निर्भर करती है। इन चुनौतियों के बावजूद, यह अध्ययन एक व्यवहार्य मार्ग प्रदर्शित करता है। कृत्रिम बुद्धिमत्ता को मौसम के पूर्वानुमान के साथ एकीकृत करके, फाइटोव्यू पौधों की बीमारियों को अधिक बुद्धिमानी से प्रबंधित करने का एक तरीका प्रदान करता है, जिससे अनावश्यक रासायनिक छिड़काव की आवश्यकता कम होती है और किसानों को अधिक सटीकता और कम बर्बादी के साथ अपनी फसलों की रक्षा करने में मदद मिलती है।