Leave-One-Day-Out Cross-Validation of NIR-PLSR Models for Simultaneous Prediction of Eight Banana Quality Attributes during 12-Day Storage
यह अध्ययन प्रदर्शित करता है कि नियर-इन्फ्रारेड स्पेक्ट्रोस्कोपी को आंशिक न्यूनतम वर्ग प्रतिगमन (पार्शियल लीस्ट स्क्वायर्स रिग्रेशन) और लीव-वन-डे-आउट क्रॉस-वैलिडेशन के साथ संयोजित करना 12-दिवसीय भंडारण के दौरान केले के कई गुणवत्ता गुणों के समवर्ती, गैर-विनाशकारी पूर्वानुमान को सक्षम बनाता है, जो यह प्रकट करता है कि जबकि कुल घुलनशील ठोस, मोनोसैकराइड और दृढ़ता के मॉडल अच्छा प्रदर्शन करते हैं, पारंपरिक रैंडम क्रॉस-वैलिडेशन विधियों द्वारा अक्सर टेम्पोरल जनरलाइजेशन (सामयिक सामान्यीकरण) का अतिरंजित अनुमान लगाया जाता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
केले विरोधाभासों का एक अध्ययन हैं। वे बाजार में सख्त, हरे और स्टार्चयुक्त रूप में आते हैं, फिर भी उनके भीतर एक आंतरिक घड़ी होती है जो उन्हें नरम, मीठा और अंततः सड़ने के लिए प्रेरित करती है। यह परिवर्तन केवल दिखावट में बदलाव नहीं है; यह एक जटिल जैव रासायनिक घटना है जहाँ संचित स्टार्च टूटकर शर्करा में बदल जाता है, कोशिका दीवारें घुल जाती हैं, और अम्लता बदल जाती है। किसानों और खुदरा विक्रेताओं के लिए, यह जानना कि केला इस समय रेखा पर कहाँ स्थित है, अत्यंत महत्वपूर्ण है। यदि फल बहुत जल्दी तोड़ा जाता है, तो वह कभी ठीक से पकता नहीं है; यदि इसे बहुत देर से तोड़ा जाता है, तो यह उपभोक्ता तक पहुँचने से पहले ही खराब हो जाता है। पारंपरिक रूप से, केले की आंतरिक स्थिति जानने का एकमात्र तरीका उसे बीच से काटना, उसके गूदे को कुचलना और रासायनिक परीक्षणों से गुजारना था। यह विधि फल को नष्ट कर देती है, जिससे एक ही केले को उसके पकने के दौरान दिन-प्रतिदिन ट्रैक करना असंभव हो जाता है।
इस समस्या को हल करने के लिए, वैज्ञानिक प्रकाश की ओर मुड़े हैं। नियर-इन्फ्रारेड स्पेक्ट्रोस्कोपी एक ऐसी तकनीक है जो बिना छुए फल के भीतर झाँकने के लिए अदृश्य प्रकाश का उपयोग करती है। जब यह प्रकाश केले से टकराता है, तो यह एक पैटर्न में वापस परावर्तित होता है जो इस बात पर निर्भर करता है कि उसके अंदर क्या है—कितना पानी मौजूद है, कितनी चीनी बनी है, और ऊतक (tissue) कितने सख्त बने हुए हैं। इन प्रकाश पैटर्न का विश्लेषण करके, शोधकर्ता एक ऐसा मॉडल बनाने की उम्मीद करते हैं जो फल की गुणवत्ता का तुरंत और गैर-विनाशकारी तरीके से पूर्वानुमान लगा सके। हालाँकि, ऐसा मॉडल बनाना कठिन है क्योंकि केले तेजी से बदलते हैं। कल का केला आज के केले से बहुत अलग दिखता है, और एक मिश्रित दिनों के डेटा पर प्रशिक्षित मॉडल फल के बजाय उसकी तारीख को पहचानने की कोशिश कर सकता है।
शियान जियाओटोंग यूनिवर्सिटी और चीन नेशनल रिसर्च सेंटर फॉर फूड सेफ्टी इंस्पेक्शन एंड टेस्टिंग की एक टीम ने इस विचार का एक कठोर दृष्टिकोण के साथ परीक्षण करने का निर्णय लिया। उन्होंने बहत्तर केले एकत्र किए और उन्हें बारह दिनों तक स्थिर तापमान और आर्द्रता वाले एक नियंत्रित वातावरण में रखा। हर एक दिन, उन्होंने उसी फल को एक नियर-इन्फ्रारेड स्पेक्ट्रोमीटर का उपयोग करके मापा, जो प्रकाश के परावर्तन को कैप्चर करता है, और फिर तुरंत उस विशिष्ट फल को उसके वास्तविक रासायनिक गुणों को मापने के लिए नष्ट कर दिया। उन्होंने आठ अलग-अलग गुणों को ट्रैक किया: तीन प्रकार की शर्करा (फ्रक्टोज, ग्लूकोज और सुक्रोज), स्टार्च, कुल घुलनशील ठोस (मिठास और घुले हुए पदार्थों का एक माप), दृढ़ता (firmness), पीएच (pH), और अम्लता।
शोधकर्ताओं को अपने पूर्वानुमानों के परीक्षण के तरीके में एक विशिष्ट चुनौती का सामना करना पड़ा। कई अध्ययनों में, वैज्ञानिक अपने सभी डेटा को एक साथ मिला देते हैं और उसे प्रशिक्षण और परीक्षण समूहों में बेतरतीब ढंग से विभाजित कर देते हैं। यह विधि अत्यधिक आशावादी परिणाम देती है क्योंकि मॉडल उन नमूनों से सीख सकता है जो लगभग उन्हीं के समान होते हैं जिनका उसे पूर्वानुमान लगाना होता है। इससे बचने के लिए, टीम ने 'लीव-वन-डे-आउट क्रॉस-वैलिडेशन' नामक पद्धति का उपयोग किया। कल्पना कीजिए कि एक मॉडल जिसे भंडारण के ग्यारह दिनों के डेटा पर प्रशिक्षित किया गया है और फिर उससे बारहवें दिन के फल की गुणवत्ता का पूर्वानुमान लगाने के लिए कहा गया है, एक ऐसा दिन जिसे उसने पहले कभी नहीं देखा है। उन्होंने इस प्रक्रिया को प्रत्येक बारह दिनों में से एक-एक दिन को छोड़कर दोहराया, यह देखने के लिए कि क्या मॉडल वास्तव में नए, अनदेखे समय अवधियों के लिए सामान्यीकृत (generalize) हो सकता है।
परिणामों ने एक स्पष्ट विभाजन प्रकट किया कि प्रकाश क्या देख सकता है और क्या नहीं। मॉडल उन गुणों के पूर्वानुमान में उल्लेखनीय रूप से सफल रहा जो पकने के दौरान सबसे नाटकीय रूप से बदलते हैं। यह ग्लूकोज और कुल घुलनशील ठोस के स्तरों की सटीक भविष्यवाणी करने में सक्षम था, जिसका प्रदर्शन इतना मजबूत था कि यह उच्च और निम्न मूल्यों के बीच बड़े सटीक अंतर के साथ अंतर कर सकता था। इसने फ्रक्टोज, स्टार्च और फल की दृढ़ता के लिए भी अच्छा प्रदर्शन किया। ये वे गुण हैं जो एक सख्त, स्टार्चयुक्त हरे केले से एक नरम, मीठे पीले केले में परिवर्तन को परिभाषित करते हैं। प्रकाश के पैटर्न ने शर्करा की मात्रा में बड़े बदलाव और फल की संरचना के टूटने को उच्च विश्वसनीयता के साथ कैप्चर किया।
हालाँकि, मॉडल सूक्ष्म परिवर्तनों के साथ संघर्ष करता रहा। यह सुक्रोज (वह विशिष्ट शर्करा जो अक्सर पकने की प्रक्रिया के मध्य में चरम पर होती है) के लिए केवल अनुमान प्रदान कर सका, और फल की अम्लता और पीएच स्तरों की किसी भी उपयोगी सटीकता के साथ भविष्यवाणी करने में विफल रहा। शोधकर्ताओं ने पाया कि अम्लता में परिवर्तन बहुत छोटे और शोर (noise) युक्त थे जिन्हें प्रकाश सेंसर फल के अन्य गुणों के बैकग्राउंड के विरुद्ध पहचान नहीं सके। यह सुझाव देता है कि जबकि प्रकाश प्रमुख संरचनात्मक और शर्करा परिवर्तनों को ट्रैक करने के लिए उत्कृष्ट है, यह खटास के सूक्ष्म रासायनिक बदलावों को मापने के लिए अभी भी पर्याप्त संवेदनशील नहीं है।
अध्ययन का एक प्रमुख निष्कर्ष यह था कि डेटा का परीक्षण करने का तरीका तकनीक से अधिक महत्वपूर्ण है। जब शोधकर्ताओं ने अपने सख्त "लीव-वन-डे-आउट" पद्धति की तुलना मानक "रैंडम-स्प्लिट" पद्धति से की, तो उन्होंने पाया कि रैंडम पद्धति ने मॉडलों के काम करने के तरीके का अत्यधिक आकलन किया। रैंडम पद्धति ने मॉडलों को वास्तव में जितना वे थे उससे बेहतर दिखाया क्योंकि इसने मॉडल को अन्य दिनों के समान डेटा तक पहुँच प्रदान की। सख्त समय-आधारित परीक्षण ने दिखाया कि हालांकि मॉडल आशाजनक हैं, लेकिन वे पूर्ण नहीं हैं, और भविष्य की भविष्यवाणी करने की उनकी क्षमता उनके सत्यापन (validation) पर बहुत निर्भर करती है।
इस तकनीक को अधिक व्यावहारिक बनाने के लिए, टीम ने यह भी देखा कि क्या वे सेंसरों को सरल बना सकते हैं। प्रकाश की पूरी तरंग दैर्ध्य (wavelength) रेंज का उपयोग करने के बजाय, उन्होंने विशिष्ट प्रकाश बैंडों की पहचान की जो सबसे महत्वपूर्ण जानकारी रखते थे। उन्होंने पाया कि केवल इन प्रमुख तरंग दैर्ध्यों पर ध्यान केंद्रित करके, वे बिना बहुत अधिक पूर्वानुमान शक्ति खोए, सिस्टम की जटिलता को आधे से अधिक कम कर सकते हैं। इसका अर्थ यह है कि भविष्य में, प्रकाश के कुछ विशिष्ट रंगों का उपयोग करने वाला एक सरल, कम लागत वाला उपकरण कन्वेयर बेल्ट पर केलों को छाँटने के लिए उपयोग किया जा सकता है, जो श्रमिकों को ठीक से बता सकता है कि कौन से फल खाने के लिए तैयार हैं और किन्हें अधिक समय चाहिए, और यह सब बिना एक भी फल को काटे किया जा सकता है।
अध्ययन यह निष्कर्ष निकालता है कि जबकि नियर-इन्फ्रारेड प्रकाश केलों के पकने की निगरानी के लिए एक शक्तिशाली उपकरण है, यह हर समस्या का समाधान करने वाली कोई जादुई छड़ी नहीं है। यह शर्करा और बनावट में बड़े बदलावों को ट्रैक करने में उत्कृष्ट है लेकिन अम्लता के मामले में इसकी सीमाएं हैं। यह शोध वैज्ञानिक समुदाय के लिए एक चेतावनी के रूप में भी कार्य करता है: जब आप समय के साथ बदलने वाली चीजों, जैसे फल के पकने का अध्ययन कर रहे हों, तो आप रैंडम परीक्षण विधियों पर भरोसा नहीं कर सकते। आपको अपने मॉडलों का परीक्षण उस भविष्य के विरुद्ध करना चाहिए जिसकी उन्हें भविष्यवाणी करनी है। ऐसा करके, शोधकर्ताओं ने गैर-विनाशकारी उपकरणों को विकसित करने के लिए एक यथार्थवादी रोडमैप प्रदान किया है जो खाद्य अपशिष्ट को कम करने और यह सुनिश्चित करने में मदद कर सकते हैं कि हम जो केले खाते हैं वे अपने सर्वोत्तम स्तर पर हों।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।