PR-CNN: A Multiscale Attention Relation Network for Accurate Bean Leaf Disease Image Recognition

कल्पना कीजिए कि आप एक जासूस हैं जो किसी रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन आप किसी अपराध स्थल को नहीं, बल्कि एक पत्ते को देख रहे हैं। स्मार्ट फार्मिंग की दुनिया में, कंप्यूटरों को यह जासूसी खेल खेलने के लिए सिखाया जा रहा है। वे "डीप लर्निंग" नामक आर्टिफिशियल इंटेलिजेंस की एक शाखा का उपयोग करते हैं, जो एक डिजिटल मस्तिष्क की तरह है जो हजारों तस्वीरों को देखकर सीखता है। आमतौर पर, ये डिजिटल मस्तिष्क विशालकाय दिग्गजों की तरह होते हैं; उन्हें यह सीखने के लिए कि एक बीमार पत्ते और एक स्वस्थ पत्ते के बीच अंतर कैसे किया जाए, लाखों तस्वीरों को "खाने" की आवश्यकता होती है। लेकिन वास्तविक दुनिया में, किसानों के पास अक्सर लाखों तस्वीरें नहीं होती हैं। उनके पास किसी नए रोग के उभरने की केवल कुछ ही झलकियाँ हो सकती हैं। यहीं पर "फ्यू-शॉट लर्निंग" (few-shot learning) नामक एक विशेष तकनीक काम आती है। यह एक जासूस को केवल एक या दो मग्शॉट्स (mugshots) देखकर एक नए अपराधी को पहचानने के लिए सिखाने जैसा है, बजाय इसके कि उसे संदिग्धों की पूरी वार्षिक निर्देशिका की आवश्यकता हो। लक्ष्य एक ऐसा सिस्टम बनाना है जो पौधों के रोगों को तेजी से और सटीक रूप से पहचान सके, भले ही उसने उस विशिष्ट बीमारी को हजार बार न देखा हो, क्योंकि फसलों को बीमारी से बचाना मतलब भोजन और पैसा बचाना है।

अब, इस शहर के नए जासूस से मिलिए: PR-CNN नामक एक प्रणाली। इस अध्ययन के पीछे के शोधकर्ताओं ने एक पेचीदा समस्या को हल करना चाहा: बीन्स (फलियों) के पत्ते। बीन्स के पत्ते पेचीदा होते क्योंकि जब वे बीमार होते हैं, तो उनके धब्बे एक-दूसरे के बहुत समान दिख सकते हैं, या वे मिट्टी या अन्य पौधों जैसे अव्यवस्थपूर्ण बैकग्राउंड के पीछे छिपे हो सकते हैं। टीम ने एक नया डिजिटल मस्तिष्क बनाया जो विशेष रूप से इन बीन्स के पत्तों के रहस्यों को संभालने के लिए डिज़ाइन किया गया है। उन्होंने एक शक्तिशाली जासूस बनाने के लिए तीन शक्तिशाली उपकरणों को एक साथ जोड़ा। सबसे पहले, उन्होंने एक मानक "कन्वोल्यूशनल न्यूरल नेटवर्क" का उपयोग किया, जो वह बुनियादी इंजन है जो तस्वीर को देखता है। दूसरा, उन्होंने "पिरामिड स्प्लिट अटेंशन" (pyramid split attention) जोड़ा। इसे एक जासूस को अलग-अलग आवर्धक लेंस (magnifying glasses) देने के रूप में सोचें। कुछ लेंस सूक्ष्म कणों को देखने के लिए बहुत करीब से ज़ूम करते हैं, जबकि अन्य पूरे पत्ते के आकार को देखने के लिए ज़ूम आउट करते हैं। यह कंप्यूटर को महत्वपूर्ण बीमार धब्बों पर ध्यान केंद्रित करने और उबाऊ बैकग्राउंड के शोर को अनदेखा करने में मदद करता है। तीसरा, उन्होंने एक "रिलेशन नेटवर्क" (relation network) का उपयोग किया। केवल यह याद करने के बजाय कि एक बीमार पत्ता कैसा दिखता है, इस मस्तिष्क का हिस्सा दो तस्वीरों की आपस में तुलना करना सीखता है। यह पूछता है, "यह नया पत्ता उन बीमार पत्तों के समान कितना है जिन्हें मैंने पहले देखा है?" और उस संबंध के आधार पर एक स्कोर देता है।

टीम ने अपने नए जासूस का परीक्षण हेनान, चीन के एक खेत से एकत्र किए गए बीन्स के पत्तों के डेटासेट और कुछ ओपन-सोर्स डेटा पर किया। उनके पास कुल 11,903 नमूने थे, जो चार प्रकार के रोगों को कवर करते थे: रस्ट (rust), मोज़ेक (mosaic), लीफ मोल्ड (leaf mold), और व्हाइट स्पॉट (white spot), साथ ही स्वस्थ पत्ते। जब उन्होंने PR-CNN को परीक्षण के घेरे में डाला, तो इसने अविश्वसनीय रूप से अच्छा प्रदर्शन किया। अपने मुख्य प्रयोग में, सिस्टम ने 99.24% बार सही उत्तर दिया। इसे समझने के लिए, उन्होंने इसकी तुलना डीप लर्निंग की दुनिया के कुछ सबसे प्रसिद्ध "दिग्गजों" जैसे ResNet50, DenseNet, Inception v4, और EfficientNet B7 से की। नए PR-CNN सिस्टम ने उन सभी को पछाड़ दिया, जिससे यह सिद्ध हुआ कि उसके विशेष आवर्धक लेंसों और तुलना कौशल का मिश्रण मानक तरीकों की तुलना में बेहतर काम करता है। शोधकर्ताओं ने इसे चार अन्य सार्वजनिक प्लांट डिजीज डेटासेट्स पर भी परखा, और इसने अपना धैर्य बनाए रखा, पूरे क्षेत्र में 99.84% की औसत सटीकता हासिल की।

हालाँकि, लेखक इस बात का दावा करने में सावधान हैं कि यह हर समस्या के लिए अंतिम, पूर्ण समाधान नहीं है। वे बताते हैं कि उनका सिस्टम वर्तमान में एक विशेषज्ञ है; यह केवल उन चार विशिष्ट बीन्स रोगों को पहचानता है। यदि कोई किसान उसे किसी नए प्रकार की बीन्स की बीमारी या टमाटर के पौधे की बीमारी दिखाता है, तो सिस्टम को नहीं पता कि क्या करना है। वास्तविक दुनिया की अराजकता के मामले में भी इसकी कुछ सीमाएँ हैं। एक आदर्श लैब फोटो में, पत्ता स्पष्ट और अच्छी रोशनी वाला होता है, लेकिन एक वास्तविक खेत में, पत्ते धुंधले, मिट्टी से ढके हुए, या अन्य पौधों के पीछे छिपे हो सकते हैं। पेपर सुझाव देता है कि हालांकि यह सिस्टम एक बड़ी प्रगति है, फिर भी इसे उन अव्यवस्थपूर्ण, वास्तविक परिस्थितियों में परीक्षण करने की आवश्यकता है। टीम यह भी नोट करती है कि उनका वर्तमान सिस्टम केवल स्थिर चित्रों (still pictures) को देखता है, वीडियो को नहीं, और यह अभी तक किसान को यह नहीं बताता कि बीमारी कितनी गंभीर है, बल्कि केवल यह बताता है कि वह क्या है।

इन सीमाओं के बावजूद, परिणाम एक मजबूत सुझाव हैं कि यह नया दृष्टिकोण काम करता है। विभिन्न पैमानों पर विवरण देखने की क्षमता को तुलना करने के कौशल के साथ जोड़कर, PR-CNN दिखाता है कि हम खेती के लिए अधिक स्मार्ट, अनुकूलनीय उपकरण बना सकते हैं। शोधकर्ताओं का मानना है कि भविष्य में, इस तकनीक को मोबाइल फोन में स्थानांतरित किया जा सकता है ताकि किसान खेत में पत्ते की तस्वीर लेकर तुरंत निदान प्राप्त कर सकें। फिलहाल के लिए, PR-CNN एक अत्यधिक सटीक, विशिष्ट जासूस के रूप में खड़ा है जो यह साबित करता है कि ध्यान और तुलना के सही मिश्रण के साथ, कंप्यूटर हमें अपनी फसलें बचाने के लिए सिखा सकते हैं, भले ही उन्होंने दुश्मन को दस लाख बार न देखा हो।