Adaptive Gated DenseNet121 for Paddy Disease Classification: Performance Gains and Limits of Sparsity-Based Pruning

चावल अरबों लोगों का पेट भरता है, फिर भी एक अकेला पत्ता आपदा की कहानी कह सकता है। जब कीट या कवक फसलों पर हमला करते हैं, तो एक पूर्ण फसल और एक भूखे गाँव के बीच का अंतर अक्सर इस बात पर निर्भर करता है कि एक किसान कितनी जल्दी समस्या को पहचान पाता है। पीढ़ियों से, इस निदान के लिए मानव विशेषज्ञों पर निर्भर रहना पड़ता था जो खेतों में घूमते थे, एक ऐसी विधि जो धीमी है और जिसे बड़े पैमाने पर लागू करना कठिन है। हाल के वर्षों में, वैज्ञानिकों ने कंप्यूटर विजन की ओर रुख किया है, मशीनों को पत्ते पर बीमारी के विशिष्ट पैटर्न को पहचानने के लिए प्रशिक्षित किया है, ठीक वैसे ही जैसे एक मानवीय आँख करती है। इस काम के लिए सबसे सफल उपकरण 'डीप न्यूरल नेटवर्क' हैं, जो मानव मस्तिष्क से प्रेरित जटिल प्रणालियाँ हैं जो कई परतों के माध्यम से छवियों को संसाधित करके विशेषताओं को पहचानना सीखती हैं। इनमें से, 'डेंसनेट121' (DenseNet121) नामक एक विशिष्ट आर्किटेक्चर विशेष रूप से प्रभावी साबित हुआ है क्योंकि यह सूचना को परतों के बीच स्वतंत्र रूप से बहने देता है, जिससे कंप्यूटर अपने विश्लेषण की शुरुआत से अंत तक विवरणों को याद रखने और पुन: उपयोग करने में सक्षम होता है। हालाँकि, इस शक्ति के साथ एक कीमत भी आती है: नेटवर्क लगभग हर कनेक्शन को सक्रिय रखता है, जिससे यह उन छोटे, बैटरी से चलने वाले उपकरणों के लिए भारी और धीमा हो जाता है जिन्हें वास्तव में किसान खेत में साथ लेकर चलते हैं।

क्वामे नक्रूमा यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने इस तनाव को हल करने का प्रयास किया। उन्होंने सवाल किया कि क्या वे कंप्यूटर को अधिक चयनात्मक बनाना सिखा सकते हैं, यानी यह सिखा सकते हैं कि उसकी अपनी स्मृति के कौन से हिस्से आवश्यक हैं और किन्हें बीमारी के निदान की क्षमता को नुकसान पहुँचाए बिना बंद किया जा सकता है। इसका परीक्षण करने के लिए, उन्होंने दस हजार चावल के पत्तों की छवियों के एक विशाल संग्रह के साथ काम किया, जिसमें बैक्टीरियल ब्लाइट और ब्लास्ट से लेकर सामान्य, स्वस्थ पत्तों तक दस अलग-अलग स्थितियाँ शामिल थीं। उन्होंने एक मानक, शक्तिशाली डेंसनेट121 मॉडल से शुरुआत की और फिर इसमें एक सरल, सीखने योग्य स्विच जोड़कर इसे संशोधित किया जो नेटवर्क के भीतर प्रत्येक प्रमुख कनेक्शन बिंदु पर लगा था। ये स्विच, या गेट्स, प्रशिक्षण के दौरान खुद को समायोजित कर सकते थे ताकि यह तय किया जा सके कि एक परत से अगली परत तक कितनी जानकारी जानी चाहिए। लक्ष्य दोहरा था: यह देखना कि क्या यह लचीलापन निदान की सटीकता में सुधार करता है, और यह देखना कि क्या स्विच स्वाभाविक रूप से एक ऐसे पैटर्न में स्थिर होंगे जो उन्हें अनावश्यक कनेक्शनों को हटाने की अनुमति दे सके, जिससे प्रभावी रूप से मोबाइल उपयोग के लिए मॉडल छोटा हो सके।

परिणामों ने दिखाया कि संशोधित प्रणाली वास्तव में एक बेहतर डॉक्टर बनने में सफल रही। दो हजार से अधिक छवियों पर परीक्षण करने पर, मानक मॉडल ने लगभग 97 प्रतिशत मामलों में बीमारी की सही पहचान की। नए, अनुकूलित संस्करण ने उस संख्या को थोड़ा और बढ़ाकर 97.21 प्रतिशत की सटीकता तक पहुँचा दिया। यह सुधार महत्वपूर्ण था क्योंकि यह एक ऐसे मॉडल से आया था जिसने केवल पैटर्न को याद करने के बजाय अपने आंतरिक संकेतों को नियंत्रित करना सीखा था। सिस्टम बीमारियों के बीच सूक्ष्म अंतर करने में थोड़ा बेहतर हो गया, जैसे कि पत्तों के धब्बों या ब्लाइट के विभिन्न प्रकार, जिससे पता चलता है कि विभिन्न विशेषताओं के महत्व को तौलने की क्षमता ने इसे बारीक अंतर करने में मदद की। शोधकर्ताओं ने पाया कि गेट्स केवल एक लाइट स्विच की तरह चालू या बंद नहीं हुए; इसके बजाय, वे एक ऐसी स्थिति में स्थिर हो गए जहाँ उन्होंने कुछ कनेक्शनों की शक्ति को थोड़ा कम कर दिया, जो सूचना के प्रवाह को पूरी तरह से काटने के बजाय उसे नरम करने वाले 'डिमर स्विच' की तरह कार्य करते हैं।

हालाँकि, प्रयोग के दूसरे भाग ने मॉडल को कितना संकुचित किया जा सकता है, इसकी एक स्पष्ट सीमा को उजागर किया। शोधकर्ताओं ने नेटवर्क को छोटा करने के लिए एक सख्त थ्रेशोल्ड (सीमा) निर्धारित करके प्रयास किया: यदि कोई गेट एक निश्चित मान से नीचे था, तो वे उस कनेक्शन को स्थायी रूप रूप से हटा देंगे। उन्होंने पाया कि एक बहुत ही संकीर्ण खिड़की थी जहाँ यह काम कर सका। एक विशिष्ट सेटिंग पर, वे कुछ मापदंडों (पैरामीटर्स) को हटाकर मॉडल को लगभग सात मिलियन कनेक्शनों से घटाकर लगभग 6.84 मिलियन तक छोटा करने में सफल रहे, जबकि सटीकता को उच्च बनाए रखा। लेकिन जैसे ही उन्होंने अधिक आक्रामक होने की कोशिश की और थोड़ा सा भी अधिक हिस्सा काटा, पूरा सिस्टम ढह गया। सटीकता तेजी से गिर गई, और मॉडल उन बीमारियों को पहचानने में असमर्थ हो गया जिन्हें उसने अभी-अभी महारत हासिल की थी। यह सुझाव देता है कि हालांकि नेटवर्क ने सूचना को प्राथमिकता देना सीखा, लेकिन इसने एक ऐसा मजबूत ढांचा विकसित नहीं किया जहाँ मस्तिष्क के बड़े हिस्सों को सुरक्षित रूप से हटाया जा सके। कनेक्शन बहुत अधिक आपस में जुड़े हुए थे; मॉडल कुछ प्रमुख योगदानों के बजाय कई छोटे योगदानों के नाजुक संतुलन पर निर्भर था।

अंततः, यह अध्ययन कृषि प्रौद्योगिकी के क्षेत्र में प्रगति और बाधा दोनों की एक स्पष्ट तस्वीर पेश करता है। अनुकूलित गेटिंग पद्धति ने सिद्ध किया कि एक मानक, भारी न्यूरल नेटवर्क को बेहतर प्रदर्शन करने के लिए प्रेरित किया जा सकता है और अपनी धार खोए बिना इसे थोड़ा छोटा किया जा सकता है। फिर भी, मॉडल को किसान के फोन के लिए आसान बनाने हेतु छोटा करने का प्रयास विफल रहा। शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि तकनीक ने वर्गीकरण में सुधार किया, लेकिन यह अभी तक उस प्रकार का मजबूत, भारी-भरकम संपीड़न (कंप्रेशन) प्रदान नहीं करती है जिसकी वास्तविक दुनिया के मोबाइल अनुप्रयोगों के लिए आवश्यकता है। नेटवर्क अपनी पूरी जटिलता के बिना जीवित रहने के लिए बहुत अधिक निर्भर रहा। यह निष्कर्ष अपने आप में मूल्यवान है, क्योंकि यह चेतावनी देता है कि यह मान लेना गलत है कि मॉडल को "स्पार्स" (विरल) या "प्रूनड" (छँटाई किया हुआ) बनाने से हमेशा हल्का और तेज़ संस्करण प्राप्त होगा। कभी-कभी, आगे बढ़ने का सबसे कुशल मार्ग कटौती करना नहीं, बल्कि यह स्वीकार करना है कि आवश्यक सटीकता के साथ समस्या को हल करने के लिए वर्तमान स्तर की जटिलता आवश्यक है। यह कार्य भविष्य के उन तरीकों के लिए द्वार खुला छोड़ता है जो शायद अनिवार्य और अनावश्यक के बीच वास्तविक अंतर करने का तरीका खोज सकें, लेकिन फिलहाल, चावल की बीमारी के निदान के लिए सबसे विश्वसनीय उपकरण पूर्ण, बिना छँटाई वाला नेटवर्क ही बना हुआ है।