A Physics-Inspired Lightweight Multimodal Network for Robust Winter Wheat LAI Estimation under Spectral Saturation Conditions

विशाल, शांत खेतों में जहाँ शीतकालीन गेहूं उगता है, किसान और वैज्ञानिक एक निरंतर चुनौती का सामना करते हैं: यह सटीक रूप से जानना कि पौधों ने कितनी हरी पत्तीदार सामग्री उत्पादित की है। इस माप को, जिसे लीफ एरिया इंडेक्स (पत्ती क्षेत्र सूचकांक) कहा जाता है, फसल के स्वास्थ्य का एक महत्वपूर्ण संकेत माना जाता है। यह हमें बताता है कि पौधे भोजन बनाने के लिए कितनी धूप पकड़ रहे हैं, उन्हें कितने पानी की आवश्यकता हो सकती है, और उनकी उपज कितनी होने की संभावना है। दशकों तक, इस संख्या की जांच करने का अर्थ था लोगों को हाथ में उपकरण लेकर खेतों में भेजना, जो एक धीमी और उबाऊ प्रक्रिया थी जो एक समय में एक खेत के बहुत छोटे हिस्से को ही पकड़ सकती थी। आज, ड्रोन एक तेज़ तरीका प्रदान करते हैं, जो ऊपर से उड़कर ऐसी तस्वीरें लेते हैं जिन्हें फसल की वृद्धि के मानचित्रों में बदला जा सकता है। हालाँकि, इन कैमरों में एक अंधा धब्बा (ब्लाइंड स्पॉट) होता है। जब गेहूं लंबा और घना होकर एक घनी हरी छत बनाता है, तो लाइट सेंसर अक्सर भ्रमित हो जाते हैं। लाल प्रकाश, जो आमतौर पर स्वस्थ पत्तियों के बीच अंतर करने में मदद करता है, इतनी पूरी तरह से घने कैनोपी (छत्र) द्वारा अवशोषित हो जाता है कि कैमरा एक सपाट, अपरिवर्तित सिग्नल देखता है, जिससे वह एक बहुत भरे हुए खेत और उससे भी अधिक भरे हुए खेत के बीच अंतर करने में असमर्थ हो जाता है। यह "सैचुरेशन" (संतृप्ति) प्रभाव हमारे ज्ञान में एक ऐसा अंतराल छोड़ देता है जिसकी किसानों को सबसे अधिक आवश्यकता होती है।

चीन के फुयांग नॉर्मल यूनिवर्सिटी और जियांग्सू यूनिवर्सिटी के शोधकर्ताओं ने इस भ्रम के पार देखने का एक नया तरीका विकसित किया है। उन्होंने एक स्मार्ट कंप्यूटर प्रोग्राम बनाया है जिसे ड्रोन पर उड़ाने और शीतकालीन गेहूं के लीफ एरिया इंडेक्स का अनुमान लगाने के लिए डिज़ाइन किया गया है, भले ही फसल अपने सबसे घने रूप में हो। केवल एक प्रकार के कैमरे या एक सरल सूत्र पर निर्भर रहने के बजाय, उनकी प्रणाली एक 'ड्यूल-सेंस ऑब्जर्वर' (दोहरी संवेदी पर्यवेक्षक) की तरह कार्य करती है। यह क्षेत्र को एक साथ दो अलग-अलग लेंसों के माध्यम से देखती है: एक जो उच्च-रिज़ॉल्यूशन रंग में पत्तियों की बनावट (टेक्सचर) और संरचना को कैप्चर करता है, और दूसरा जो प्रकाश के उन विशिष्ट रंगों को मापता है जो पौधों के स्वास्थ्य को प्रकट करने के लिए जाने जाते हैं। उनकी सफलता की कुंजी केवल दो दृश्य होना नहीं है, बल्कि कंप्यूटर को उन्हें इस तरह से संयोजित करने के लिए सिखाना है जो इस बात की नकल करता है कि प्रकृति में प्रकाश और संरचना कैसे परस्पर क्रिया करते हैं। इन दो सूचना धाराओं को आपस में जोड़कर, प्रणाली फसल में उन सूक्ष्म परिवर्तनों का पता लगा सकती है जिन्हें एक मानक कैमरा मिस कर देता है, जिससे उस सैचुरेशन समस्या को प्रभावी ढंग से दूर किया जा सकता है जिसने पिछली विधियों को परेशान किया था।

टीम ने अपने सिस्टम का परीक्षण, जिसे उन्होंने HFI-Net नाम दिया, जियांग्सू प्रांत के एक बड़े प्रायोगिक फार्म पर किया। उन्होंने शीतकालीन गेहूं की इक्कीस विभिन्न किस्मों को उनके विकास के सात अलग-अलग चरणों में, सर्दियों में उभरने वाली पहली हरी कोपलों से लेकर कटाई के लिए तैयार भारी अनाज के सिरों तक, ड्रोन से उड़ाया। कुल मिलाकर, उन्होंने 637 युग्मित नमूने एकत्र किए, जिसमें ड्रोन की हवाई छवियों को जमीन पर हाथ से लिए गए सटीक मापों के साथ मिलाया गया। परिणाम आश्चर्यजनक थे। नए सिस्टम ने लीफ एरिया इंडेक्स की भविष्यवाणी सटीकता के उस स्तर के साथ की जो पुराने सांख्यिकीय तरीकों और बहुत बड़े, अधिक जटिल कंप्यूटर मॉडलों दोनों से बेहतर थी। जबकि सबसे उन्नत पारंपरिक मॉडल तब संघर्ष करते थे जब गेहूं सबसे घना होता था, और अक्सर बहुत घनी फसलों के बीच अंतर करने में विफल रहते थे, इस नए हल्के नेटवर्क ने अपनी सटीकता बनाए रखी। इसने एक ऐसी सफलता दर हासिल की जिसने फसल की वृद्धि के 90 प्रतिशत से अधिक बदलावों की व्याख्या की, जो प्रतिस्पर्धा की तुलना में एक महत्वपूर्ण सुधार है।

इस उपलब्धि को विशेष रूप से उल्लेखनीय बनाने वाली चीज़ इसकी समाधान की दक्षता है। छवि विश्लेषण के लिए उपयोग किए जाने वाले कई शक्तिशाली कंप्यूटर मॉडल विशाल होते हैं, जिन्हें चलाने के लिए सुपरकंप्यूटर या भारी हार्डवेयर की आवश्यकता होती है। वे अक्सर इतने भारी होते हैं कि उन्हें एक छोटे ड्रोन पर ले जाना या खेत में वास्तविक समय में डेटा प्रोसेस करना कठिन होता है। चीनी शोधकर्ताओं द्वारा विकसित मॉडल अविश्वसनीय रूप से छोटा है, जिसमें केवल 0.40 मिलियन पैरामीटर हैं। इसे समझने के लिए, यह ResNet50 जैसे एक मानक, भारी-भरकम मॉडल के आकार का लगभग एक-सत्तावनवाँ हिस्सा है, फिर भी इसने सटीकता में उस बड़े मॉडल को पछाड़ दिया। इस अत्यधिक हल्केपन का अर्थ है कि सॉफ्टवेयर संभावित रूप से सीधे ड्रोन पर ही चल सकता है, जिससे डेटा को दूर स्थित सर्वर पर भेजने के बजाय तत्काल विश्लेषण संभव हो जाता है। शोधकर्ताओं ने प्रदर्शित किया कि विभिन्न प्रकार के डेटा के बीच कैसे परस्पर क्रिया होती है—विशेष रूप से कैसे पत्तियों की भौतिक संरचना प्रकाश के परावर्तन के तरीके को प्रभावित करती है—इस पर ध्यान केंद्रित करके, वे एक ऐसा सिस्टम बना सकते हैं जो अपने पूर्ववर्तियों की तुलना में अधिक स्मार्ट और हल्का है।

अध्ययन ने यह भी खुलासा किया कि कठिन परिस्थितियों में यह नया दृष्टिकोण इतना अच्छा क्यों काम करता है। जब गेहूं की कैनोपी घनी होती है, तो सामान्य रंग-आधारित संकेत अविश्वसनीय हो जाते हैं क्योंकि लाल प्रकाश पूरी तरह से अवशोषित हो जाता है। हालांकि, कैनोपी की बनावट (टेक्सचर), जो उच्च-रिज़ॉल्यूशन रंग छवियों में दिखाई देती है, अभी भी बदलती रहती है क्योंकि पत्तियां बढ़ती और एक-दूसरे के ऊपर आती हैं। नया सिस्टम रंग के डेटा को टेक्सचर डेटा के साथ संयोजित करने के लिए एक विशेष गणितीय अंतःक्रिया का उपयोग करता है। यह केवल दो सूचनाओं को एक साथ जोड़ने का काम नहीं करता है; इसके बजाय, यह उन्हें गुणा करता है, जिससे टेक्सचर की जानकारी रंग की जानकारी की व्याख्या करने में मार्गदर्शन करती है। यह कंप्यूटर को यह समझने में मदद करता है कि भले ही रंग का सिग्नल सपाट हो, पत्तियों की बदलती संरचना अभी भी विकास की कहानी बताती है। यह विधि विभिन्न गेहूं की किस्मों और मिट्टी की स्थितियों में मजबूत साबित हुई, जो यह सुझाव देती है कि यह एक वास्तविक खेत के जटिल, परिवर्तनशील वातावरण के लिए एक विश्वसनीय उपकरण है।

आगे देखते हुए, शोधकर्ता स्वीकार करते हैं कि उनका काम एक कदम вперед है, अंतिम मंजिल नहीं। सिस्टम का परीक्षण एक ही स्थान पर एक बढ़ते मौसम के दौरान किया गया था, और भविष्य के अध्ययनों को यह पुष्टि करने की आवश्यकता होगी कि क्या यह विभिन्न जलवायु, विभिन्न फसलों और कई वर्षों में समान रूप से काम करता है। वे यह भी नोट करते हैं कि हालांकि उनका मॉडल इस बात से प्रेरित है कि प्रकाश पौधों के साथ कैसे क्रिया करता है, यह अभी भी प्रकाश परिवहन के जटिल भौतिक नियमों का पूर्ण रूप से अनुकरण नहीं करता है। अनुसंधान के अगले चरण में वास्तविक दुनिया के तैनाती की गति और ऊर्जा बाधाओं को संभालने के लिए वास्तविक ड्रोन हार्डवेयर पर सॉफ्टवेयर का परीक्षण करना शामिल होगा। इन भविष्य के कदमों के बावजूद, वर्तमान निष्कर्ष सटीक कृषि की ओर एक स्पष्ट मार्ग प्रदान करते हैं। स्पेक्ट्रल सैचुरेशन की समस्या को एक हल्के, कुशल उपकरण के माध्यम से हल करके, यह शोध किसानों को उनकी फसलों की अधिक सटीक रूप से निगरानी करने का एक तरीका प्रदान करता है, जिससे संभावित रूप से पानी और उर्वरक का बेहतर उपयोग और अधिक विश्वसनीय फसल प्राप्त हो सकती है। घनी हरी कैनोपी के माध्यम से स्पष्ट रूप से देखने की क्षमता दुनिया के बढ़ने के तरीके को देखने के नजरिए में एक शांत लेकिन महत्वपूर्ण बदलाव का प्रतिनिधित्व करती है।