An Efficient Attention-Gated Hybrid Transformer-CNN Framework for Plant Disease Segmentation In-the-Wild

वैश्विक कृषि के विशाल, धूप से सराबोर खेतों में, हर साल एक मूक संकट उभरता है। फसल की संभावित उपज का बीस से चालीस प्रतिशत हिस्सा पौधों की बीमारियों के कारण नष्ट हो जाता है, एक ऐसी विफलता जो वैश्विक अर्थव्यवस्था को सालाना अनुमानित 220 अरब डॉलर का नुकसान पहुँचाती है। सदियों से, किसान इन खतरों को पहचानने के लिए मानवीय आँखों पर भरोसा करते आए हैं, लेकिन यह कार्य तेजी से कठिन होता जा रहा है। बीमारियाँ अक्सर छोटे, धुंधले धब्बों या पत्तों की बनावट में सूक्ष्म परिवर्तनों के रूप में शुरू होती हैं, जिन्हें एक मानव पर्यवेक्षक द्वारा आसानी से अनदेखा किया जा सकता है या वास्तविक दुनिया के खेत के अराजक बैकग्राउंड में खोया जा सकता है। जबकि कंप्यूटरों का उपयोग लंबे समय से स्वस्थ पौधों को बीमारों से अलग करने के लिए किया जाता रहा है, अगले चरण के लिए बहुत उच्च स्तर की सटीकता की आवश्यकता है: केवल बीमारी की पहचान करने की ही नहीं, बल्कि उसके सटीक आकार और सीमाओं को व्यक्तिगत पिक्सेल तक मैप करने की क्षमता। यह सिमेंटिक सेगमेंटेशन (semantic segmentation) का क्षेत्र है, एक ऐसी तकनीक जो मशीनों को रोगग्रस्त क्षेत्र के चारों ओर एक सटीक रूपरेखा खींचने की अनुमति देती है, जिससे लक्षित उपचार संभव होता है जो फसलों को बचाता है और व्यापक-स्पेक्ट्रम कीटनाशकों की आवश्यकता को कम करता है।

चुनौती प्रकृति की अव्यवस्थित वास्तविकता में निहित है। एक नियंत्रित प्रयोगशाला परिवेश के विपरीत, एक खेत परिवर्तनशील प्रकाश, जटिल छायाओं और एक-दूसरे को ढकने वाले पत्तों से भरा होता है। पारंपरिक कंप्यूटर विजन उपकरण, जो छोटे, निश्चित पैटर्न को स्कैन करने पर निर्भर करते हैं, अक्सर एक पत्ते पर फैलती बीमारी के बड़े परिप्रेक्ष्य को देखने में संघर्ष करते हैं। इसके विपरीत, लंबी दूरी के संदर्भ (long-range context) को समझने के लिए डिज़ाइन किए गए नए, अधिक शक्तिशाली सिस्टम अक्सर घाव के चारों ओर एक तीखी रेखा खींचने के लिए आवश्यक सूक्ष्म विवरणों को खो देते हैं। इस अंतर को पाटने के लिए, शोधकर्ता सादम हुसैन और उनकी टीम ने पाकिस्तान के फैसालाबाद विश्वविद्यालय में एक नया दृष्टिकोण विकसित किया है जो दो अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस की शक्तियों को जोड़ता है। उनका लक्ष्य एक ऐसा सिस्टम बनाना था जो खेत के जटिल संदर्भ को समझने के लिए पर्याप्त स्मार्ट हो और बीमारी के टेढ़े-मेढ़े, अनियमित किनारों को ट्रेस करने के लिए पर्याप्त सटीक हो, और साथ ही इतना छोटा हो कि ड्रोन या हैंडहेल्ड डिवाइस के सीमित हार्डवेयर पर चल सके।

शोधकर्ताओं ने एक हाइब्रिड फ्रेमवर्क बनाया है जो एक दोहरे-परिप्रेक्ष्य वाले पर्यवेक्षक की तरह कार्य करता है। सिस्टम का एक हिस्सा 'कन्वोल्यूशनल न्यूरल नेटवर्क' का उपयोग करता है, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जो पत्ते की बनावट या किसी विशिष्ट धब्बे जैसे स्थानीय विवरणों को पहचानने में उत्कृष्ट है। दूसरा हिस्सा एक 'हाइरार्किकल ट्रांसफार्मर' का उपयोग करता है, जो एक अधिक उन्नत मॉडल है जो व्यापक संदर्भ को समझने में सक्षम है, जैसे कि बीमारी पूरे पौधे में कैसे फैल सकती है या इसका आसपास के वातावरण से क्या संबंध है। इन दोनों प्रणालियों को अलग-थलग काम करने देने के बजाय, टीम ने उनके बीच एक विशेष सेतु बनाया। यह सेतु, जिसे 'एट्रोस स्पेशियल पिरामिड पूलिंग मॉड्यूल' (atrous spatial pyramid pooling module) के रूप में जाना जाता है, सिस्टम को एक साथ कई पैमानों पर छवि को देखने की अनुमति देता है, यह सुनिश्चित करता है कि वह शुरुआती चरण के संक्रमण को न चूक जाए या किसी बड़ी छाया को बीमारी के रूप में गलत न समझ ले।

इन दो अलग-अलग सूचना धाराओं को सहजता से एक साथ काम करने के लिए, टीम ने एक कस्टम 'अटेंशन गेट' पेश किया। इस गेट को एक अत्यधिक चयनात्मक फिल्टर के रूप में समझें जो यह तय करता है कि कौन से विवरण महत्वपूर्ण हैं और कौन से केवल बैकग्राउंड शोर हैं। मिट्टी, खरपतवार और बदलती रोशनी से भरे खेत में, कंप्यूटर आसानी से विचलित हो सकता है। यह गेट गतिशील रूप से अप्रासंगिक बैकग्राउंड को दबा देता है और सिस्टम की ऊर्जा को पूरी तरह से बीमारी के विशिष्ट मार्करों पर केंद्रित करता है। पहले सिस्टम के स्थानीय विवरण, दूसरे सिस्टम के वैश्विक संदर्भ और इस बुद्धिमान फ़िल्टरिंग तंत्र को मिलाकर, मॉडल बीमारी के निशानों को उल्लेखनीय सटीकता के साथ अलग कर सकता है, भले ही घाव धुंधले हों या बैकग्राउंड अव्यवस्थित हो।

टीम ने अपने निर्माण का परीक्षण 'प्लांटसेग' (PlantSeg) डेटासेट पर किया, जो वास्तविक, अनियंत्रित कृषि वातावरण में ली गई 11,000 से अधिक छवियों का संग्रह है। यह डेटासेट विशेष रूप से कठिन है क्योंकि इसमें पौधों की विभिन्न प्रजातियां, स्वस्थ और रोगग्रस्त क्षेत्रों के बीच गंभीर असंतुलन, और बाहरी वातावरण की अप्रत्याशित स्थितियां शामिल हैं। परिणाम उत्साहजनक थे। नए फ्रेमवर्क ने 66.57 प्रतिशत का 'मीन इंटरसेक्शन ओवर यूनियन' (mean intersection over union) स्कोर प्राप्त किया, जो एक मीट्रिक है जो यह मापता है कि कंप्यूटर की रूपरेखा बीमारी के वास्तविक आकार से कितनी करीब से मेल खाती है। यह प्रदर्शन मौजूदा अत्याधुनिक मॉडलों से बेहतर था, जिनमें विशुद्ध रूप से कन्वोल्यूशनल नेटवर्क या विशुद्ध रूप से ट्रांसफॉर्मर पर आधारित मॉडल शामिल थे। वास्तविक दुनिया के अनुप्रयोग के लिए शायद अधिक महत्वपूर्ण बात यह है कि पूरा सिस्टम उल्लेखनीय रूप से संक्षिप्त है, जिसमें केवल 30.37 मिलियन पैरामीटर हैं। इस छोटे आकार का अर्थ है कि मॉडल को चलाने के लिए भारी, ऊर्जा-खपत करने वाले सर्वरों की आवश्यकता नहीं है; यह कृषि ड्रोन्स या रोबोटिक वीडर जैसे संसाधन-सीमित एज डिवाइसेस पर कुशलतापूर्वक संचालित हो सकता है।

शोधकर्ताओं ने प्रशिक्षण स्थिरता की समस्या का भी समाधान किया। चूंकि रोगग्रस्त क्षेत्र अक्सर एक छवि के बहुत छोटे हिस्से में होते हैं, इसलिए मानक प्रशिक्षण विधियां कंप्यूटर को बीमारी को पूरी तरह से अनदेखा करने और केवल स्वस्थ बैकग्राउंड पर ध्यान केंद्रित करने के लिए मजबूर कर सकती हैं। इससे निपटने के लिए, टीम ने एक 'डायनामिक लॉस फंक्शन' का उपयोग किया जो प्रशिक्षण प्रक्रिया के दौरान अपना ध्यान बदलता है। शुरुआती चरणों में, सिस्टम बीमारी की सामान्य संभावना को पहचानना सीखता है। जैसे-जैसे प्रशिक्षण आगे बढ़ता है, यह सबसे कठिन-से-पहचानने योग्य उदाहरणों को खोजने और सीमाओं को परिष्कृत करने में अधिक आक्रामक हो जाता है। अनुकूलन का यह चरण-दर-चरण तरीका यह सुनिश्चित करता है कि मॉडल स्थानीय न्यूनतम (local minimum) में न फंसे और प्रकृति में पाए जाने वाले अत्यधिक क्लास असंतुलन को संभालना सीखे।

पांच-चरणीय क्रॉस-वैलिडेशन सहित कठोर परीक्षण के माध्यम से, सिस्टम ने निरंतर स्थिरता प्रदर्शित की, जिससे यह सुनिश्चित हुआ कि परिणाम कोई संयोग नहीं थे। मॉडल 100 प्रशिक्षण युगों (epochs) में सुचारू रूप से अभिसरित (converged) हुआ, जिसमें ओवरफिटिंग के कोई लक्षण नहीं दिखे, जो वह स्थिति है जब एक सिस्टम प्रशिक्षण डेटा को याद कर लेता है लेकिन नई छवियों पर विफल हो जाता है। दृश्य परिणामों ने पुष्टि की कि सिस्टम जटिल रोग ज्यामिति के चारोंก็ตาม चिकनी, सटीक सीमाएं बना सकता है, जो उन बेसलाइन मॉडलों से बेहतर प्रदर्शन करता है जो या तो ओवर-सेगमेंटेशन (गलत और टेढ़े-मेढ़े आकार बनाना) या अंडर-सेगमेंटेशन (संक्रमण के हिस्सों को छोड़ देना) की प्रवृत्ति रखते हैं। अध्ययन निष्कर्ष निकालता है कि यह कुशल, अटेंशन-गेटेड हाइब्रिड फ्रेमवर्क सटीक कृषि के लिए एक महत्वपूर्ण कदम है। यह जंगली वातावरण में मजबूत, स्वचालित रोग पहचान को तैनात करने के लिए एक व्यवहार्य मार्ग प्रदान करता है, जिससे किसानों को फसलों के साथ व्यापक रासायनिक अनुप्रयोग के बजाय सर्जिकल सटीकता के साथ उपचार करने के उपकरण मिलते हैं। लेखक का सुझाव है कि भविष्य का कार्य मॉडल को अल्ट्रा-लो-पावर डिवाइस के लिए और अधिक संकुचित करने और समय के साथ रोगों की प्रगति को ट्रैक करने के लिए सिस्टम का विस्तार करने पर केंद्रित होगा, लेकिन फिलहाल, यह फ्रेमवर्क एक महत्वपूर्ण कृषि चुनौती के लिए एक सिद्ध, कुशल समाधान के रूप में खड़ा है।