Potential of UAV-derived RGB spectral indices for the early selection of cotton genotypes based on fiber quality traits

कपास दुनिया का सबसे महत्वपूर्ण प्राकृतिक रेशे का स्रोत है, एक ऐसा पदार्थ जो पौधे पर एक फूले हुए बोल (boll) के रूप में शुरू होता है और हमारे कपड़ों के कपड़े के रूप में समाप्त होता है। कपड़ा उद्योग के लिए, इस फसल का मूल्य पूरी तरह से इसके रेशों की गुणवत्ता पर निर्भर करता है: वे कितने लंबे हैं, कितने मजबूत हैं, और वे कितनी एकरूपता से एक साथ जुड़े हुए हैं। पारंपरिक रूप से, नई कपास की किस्में विकसित करने वाले प्रजनकों (breeders) को यह जानने के लिए कि कोई नई किस्म कितनी अच्छी है, पौधों के पूरी तरह से बढ़ने और बोल्स की कटाई होने तक प्रतीक्षा करनी पड़ती थी। वे लिंट (lint) का एक नमूना लेते हैं, उसे एक विशेष लैब में भेजते हैं, और इसे एक मशीन के माध्यम से गुजारते हैं जो इन तकनीकी गुणों को मापता है। यह प्रक्रिया सटीक तो है लेकिन धीमी, महंगी और इसमें बड़ी मात्रा में पादप सामग्री की आवश्यकता होती है, जिसका अर्थ है कि प्रजनक अक्सर नई किस्मों का परीक्षण तब तक नहीं कर पाते जब तक कि वे उनके विकास में काफी उन्नत न हो जाएं।

हाल के वर्षों में, इस प्रक्रिया को तेज करने के लिए एक नया दृष्टिकोण उभरा है: आसमान से फसलों की तस्वीरें लेने के लिए ड्रोन का उपयोग करना। ये मानव रहित हवाई वाहन, या UAVs, मिनटों में खेत की विस्तृत छवियां कैप्चर कर सकते हैं। इन छवियों में रंगों का विश्लेषण करके, वैज्ञानिक उन नंबरों की गणना कर सकते हैं जो पौधों के स्वास्थ्य और जीवंतता का वर्णन करते हैं। विचार यह है कि ऊपर से दिखने वाला पौधा—उसका रंग और चमक—हमें उस फाइबर की गुणवत्ता के बारे में कुछ बता सकता है जो बोल के अंदर पैदा होगा, कटाई से बहुत पहले। यदि यह संबंध मजबूत है, तो प्रजनक मौसम के शुरुआती चरण में हजारों पौधों की जांच कर सकते हैं, केवल सबसे अच्छे पौधों को ही आगे बढ़ाने के लिए चुन सकते हैं, जिससे समय और धन की बचत होगी।

ब्राजील में शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए हाथ आजमाया कि क्या यह विचार कपास के फाइबर की गुणवत्ता के लिए काम करता है। उन्होंने उन्नीस अलग-अलग व्यावसायिक कपास किस्मों के साथ काम किया, जिन्हें फेडरल यूनिवर्सिटी ऑफ उबेरलैंडिया में एक खेत में लगाया गया था। जैसे-जैसे पौधे बढ़े, शोधकर्ताओं ने तब तक इंतजार किया जब जब खेत पूर्ण प्रस्फुटन (full bloom) की अवस्था में थे, एक ऐसी अवस्था जहाँ पौधे खुले फूलों से ढके होते हैं। इस विशिष्ट क्षण पर, उन्होंने खेत के ऊपर एक ड्रोन उड़ाया ताकि उच्च-रिज़ॉल्यूशन वाली लाल, हरी और नीली छवियां कैप्चर की जा सकें। इन तस्वीरों से, उन्होंने चार अलग-अलग रंग-आधारित नंबरों की गणना की, जिन्हें स्पेक्ट्रल इंडेक्स (spectral indices) कहा जाता है, जो पौधे के हरेपन और रंग संतृप्ति (color saturation) के सारांश के रूप में कार्य करते हैं। बाद में, जब कपास की कटाई की गई, तो उन्होंने प्रत्येक किस्म से नमूने लिए और मानक प्रयोगशाला मशीन का उपयोग करके उनके फाइबर की गुणवत्ता को मापा, जिसने फाइबर की लंबाई, मजबूती और स्पिनिंग कंसिस्टेंसी इंडेक्स (Spinning Consistency Index) नामक एक मिश्रित स्कोर को निर्धारित किया, जो यह भविष्यवाणी करता है कि फाइबर धागे के रूप में कितनी अच्छी तरह से स्पिन होगा।

शोधकर्ताओं ने पाया कि वास्तव में जो ड्रोन ने देखा और जो लैब ने मापा, उसके बीच एक सार्थक संबंध था। उन्होंने पाया कि दो रंग-आधारित नंबर विशेष रूप से उपयोगी थे। एक, जिसने पत्तियों के हरेपन को मापा, ने स्पिनिंग कंसिस्टेंसी इंडेक्स के साथ एक मजबूत संबंध दिखाया। दूसरा, जिसने हरी रोशनी की मात्रा की तुलना लाल रोशनी से की, वह फाइबर की लंबाई की एकरूपता से निकटता से जुड़ा हुआ था। सरल शब्दों में, जो पौधे ड्रोन के दृष्टिकोण से अधिक हरे और जीवंत दिखते थे, वे उच्च गुणवत्ता वाली स्पिनिंग के लिए बेहतर रेशे पैदा करने की प्रवृत्ति रखते थे। टीम ने यह देखने के लिए सांख्यिकीय मॉडल का उपयोग किया कि क्या वे केवल इन ड्रोन नंबरों को देखकर फाइबर की गुणवत्ता की भविष्यवाणी कर सकते हैं। मॉडल उन अंतरों का लगभग एक-तिहाई हिस्सा समझाने में सक्षम थे जो उन्होंने किस्मों के बीच देखे थे। हालांकि यह एक पूर्ण भविष्यवाणी नहीं है, लेकिन यह एक महत्वपूर्ण कदम है, जो सुझाव देता है कि मौसम के शुरुआती दौर में ली गई एक ड्रोन छवि कपास की अंतिम गुणवत्ता के बारे में एक विश्वसनीय संकेत दे सकती है।

हालांकि, अध्ययन ने यह भी स्पष्ट किया कि यह तकनीक पारंपरिक लैब परीक्षणों का विकल्प नहीं है। ड्रोन छवियां फाइबर की गुणवत्ता के हर विवरण की भविष्यवाणी नहीं कर सकती थीं, और कुछ किस्में जो आसमान से समान दिखती थीं, उनके फाइबर के गुण अलग निकले। शोधकर्ताओं ने नोट किया कि उनके अध्ययन में सबसे अच्छा प्रदर्शन करने वाली किस्म, जिसे DP 2077 प्रकार कहा जाता है, में उत्कृष्ट फाइबर गुणवत्ता थी लेकिन उसने ड्रोन छवियों में औसत रंग स्कोर ही दिखाया। यह हमें बताता है कि जबकि ड्रोन सामान्य रुझानों को पहचान सकता है, यह अभी भी अपने आप में पूरी तस्वीर नहीं देख सकता। पत्तियों का रंग कई कारकों से प्रभावित होता है, जिसमें सूर्य का प्रकाश और पानी की उपलब्धता शामिल है, जो कभी-कभी फाइबर गुणवत्ता की आनुवंशिक क्षमता को छिपा सकते हैं।

इस कार्य का मूल्य एक 'फिल्टर' के रूप में कार्य करने की इसकी क्षमता में निहित है। प्रजनकों को अक्सर हजारों पौधों का प्रबंधन करना पड़ता है, और प्रत्येक का लैब में परीक्षण करना बहुत महंगा और धीमा होता है। यदि एक ड्रोन खेत के ऊपर उड़ सकता है और तेजी से उन पौधों की पहचान कर सकता है जिनमें खराब फाइबर गुणवत्ता होने की संभावना है, तो उन पौधों को प्रजनन कार्यक्रम से जल्दी हटाया जा सकता है। यह प्रजनकों को अपने संसाधनों को सबसे आशाजनक उम्मीदवारों पर केंद्रित करने की अनुमति देता है। शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि ड्रोन-व्युत्पन्न नंबर एक जादुई समाधान नहीं हैं जो लैब के काम की आवश्यकता को समाप्त कर देते हैं, वे इसके साथ उपयोग किए जाने वाले एक शक्तिशाली उपकरण हैं। हवाई इमेजिंग की गति को पारंपरिक परीक्षण की सटीकता के साथ जोड़कर, कपास प्रजनक तेजी से स्मार्ट निर्णय ले सकते हैं, जिससे संभावित रूप से किसानों और कपड़ा मिलों तक बेहतर कपास किस्में जल्द पहुंच सकती हैं। अध्ययन सुझाव देता है कि जैसे-जैसे विभिन्न वातावरणों और अधिक विविध पौधों के प्रकारों से डेटा के साथ इन मॉडलों को परिष्कृत किया जाएगा, कपास की फसल की भविष्य की गुणवत्ता की भविष्यवाणी करने की उनकी क्षमता में सुधार होगा।