Integrating postharvest quality assessment and deep learning to identify the optimal harvest maturity stage of apricot fruit
यह अध्ययन उत्कृष्ट कटाई के बाद गुणवत्ता प्रतिधारण के आधार पर खुबानी के लिए चरण 3 को इष्टतम कटाई परिपक्वता के रूप में पहचानता है और बेहतर कटाई निर्णय लेने के लिए परिपक्वता चरणों को तेजी से और गैर-विनाशकारी रूप से वर्गीकृत करने हेतु RGB छवियों का उपयोग करके एक हल्का डीप लर्निंग मॉडल विकसित करता 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
हर साल, दुनिया भर के बागों में लाखों खुबानी (एप्रिकॉट) पैदा होती हैं, जो अपने मीठे स्वाद और समृद्ध पोषण के लिए जानी जाती हैं। फिर भी, ये फल समय के विरुद्ध एक निरंतर दौड़ का सामना करते हैं। उन कई फसलों के विपरीत जिन्हें तोड़ा जा सकता है और महीनों तक स्टोर किया जा सकता है, खुबानी नरम, जल्दी खराब होने वाली और पेड़ से अलग होने के बाद तेजी से पकने वाली होती हैं। यदि इन्हें बहुत जल्दी तोड़ा जाए, तो ये सख्त और बेस्वाद रहती हैं; यदि बहुत देर से तोड़ा जाए, तो ये बाजार पहुँचने से पहले ही गलकर खराब हो जाती हैं। इस समस्या को हल करने की कुंजी कटाई के सटीक क्षण को खोजने में निहित है, विकास का वह चरण जहाँ फल स्वाद में अच्छा होता है लेकिन इतना भी नरम नहीं होता कि यात्रा के दौरान खराब हो जाए। दशकों से, किसान इस क्षण का अनुमान लगाने के लिए अपनी आँखों और अनुभव पर भरोसा करते आए हैं, जो कि एक ऐसी विधि है जो अक्सर असंगत और त्रुटियों के प्रति संवेदनशील होती है। अब, एक नया दृष्टिकोण फल के रसायन विज्ञान के सावधानीपूर्वक अध्ययन को उन्नत कंप्यूटर विजन (कंप्यूटर दृष्टि) के साथ जोड़कर एक अधिक विश्वसनीय उत्तर खोजने का प्रयास करता है।
शाहरूद यूनिवर्सिटी ऑफ टेक्नोलॉजी, ईरान के शोधकर्ताओं ने पहले खुबानी के जीव विज्ञान को समझने और फिर एक कंप्यूटर को इसे तोड़ने के सही समय को पहचानने के लिए प्रशिक्षित करके इस पहेली को सुलझाने का प्रयास किया। उन्होंने 'ज़फ़रानी' नामक एक विशिष्ट किस्म पर ध्यान केंद्रित किया, जो शाहरूद क्षेत्र में उगाई जाती है। टीम ने बहुत अपरिपक्व से लेकर पूरी तरह से पके हुए तक, विकास के पांच अलग-अलग चरणों में फल की कटाई की। उन्होंने इन फलों को एक कोल्ड स्टोरेज वातावरण में रखा, जो वाणिज्यिक वितरकों द्वारा उपयोग की जाने वाली स्थितियों की नकल करता है, और तीस-पांच दिनों तक उनके परिवर्तनों का अवलोकन किया। हर सप्ताह, वैज्ञानिकों ने कई गुणों को मापा: फल कितना सख्त था, वाष्पीकरण के कारण इसका वजन कितना कम हुआ, मिठास का स्तर, एसिड की मात्रा और त्वचा का सटीक रंग। वे उस एकल चरण की तलाश में थे जहाँ फल अपना आकार और स्वाद सबसे बेहतर तरीके से बनाए रखता है और समय के साथ होने वाले प्राकृतिक क्षय का विरोध करता है।
इस लंबे अवलोकन के परिणामों ने एक स्पष्ट विजेता का खुलासा किया। परिपक्वता के तीसरे चरण में कटे हुए फल, जो न तो बहुत हरे थे और न ही पूरी तरह से नरम, सबसे लचीले साबित हुए। इन खुराबियों ने पहले या बाद में तोड़े गए फलों की तुलना में अपनी दृढ़ता को बेहतर बनाए रखा। उनका वजन कम हुआ, जिसका अर्थ है कि वे अधिक समय तक भरे हुए और रसीले रहे। उनका रासायनिक संतुलन, जिसमें उनकी मिठास और अम्लता शामिल है, अधिक स्थिर रहा, और उनका रंग अन्य की तुलना में कम नाटकीय रूप से बदला। बहुत जल्दी तोड़े गए फल गुणवत्ता बनाए रखने के लिए संघर्ष करते थे, तेजी से बदलते थे और जल्दी ही अपनी दृढ़ता खो देते थे। जो बहुत देर से तोड़े गए थे, वे भंडारण अवधि का सामना करने के लिए पहले से ही बहुत नरम थे और लगभग तुरंत ही खराब हो गए। अध्ययन ने पुष्टि की कि यह विशिष्ट समय अंतराल सबसे अच्छा समझौता प्रदान करता है, जिससे फल को उन गुणों को खोए बिना हफ्तों तक स्टोर किया जा सकता है जो उसे खाने के लिए वांछनीय बनाते हैं।
इस आदर्श कटाई चरण की पहचान करने के बाद, शोधकर्ताओं ने अपने काम के दूसरे भाग की ओर रुख किया: एक मशीन को इसे खोजने के लिए प्रशिक्षित करना। उन्होंने महसूस किया कि यदि एक कंप्यूटर पेड़ पर लगी खुबानी को देखकर तुरंत जान सके कि क्या वह उस पूर्ण तीसरे चरण पर है, तो किसान बहुत अधिक सटीकता के साथ कटाई कर सकते हैं। ऐसा करने के लिए, उन्होंने प्राकृतिक सूर्य के प्रकाश में बाग में खुबानी के एक हजार से अधिक चित्र लिए, फलों को ठीक उसी तरह कैद किया जैसे वे वास्तविक दुनिया में दिखाई देते हैं, सभी छायाओं और बदलते कोणों के साथ जो एक किसान का सामना करते हैं। उन्होंने विशेष रोशनी या नियंत्रित सेटअप का उपयोग नहीं किया; वे चाहते थे कि यह प्रणाली बाग की वास्तविक परिस्थितियों में काम करे।
इसके बाद टीम ने एक कस्टम कंप्यूटर प्रोग्राम बनाया, जो आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) का एक प्रकार है जिसे 'डीप लर्निंग मॉडल' कहा जाता है, जिसे विशेष रूप से छवियों को वर्गीकृत करने के लिए डिज़ाइन किया गया था। इस प्रोग्राम को चित्रों को देखने और फल को पांच परिपक्वता चरणों में से एक में वर्गीकृत करने के लिए प्रशिक्षित किया गया था। मॉडल को 'लाइटवेट' बनाया गया था, जिसका अर्थ है कि यह भारी कंप्यूटिंग शक्ति की आवश्यकता के बिना मानक उपकरणों पर तेजी से चल सकता है। हजारों छवियों पर प्रशिक्षण के बाद, कंप्यूटर का परीक्षण चित्रों के एक नए सेट पर किया गया जिसे उसने पहले कभी नहीं देखा था। इसने अधिकांश मामलों में सही परिपक्वता चरण को सफलतापूर्वक पहचाना। जब इसने गलतियाँ कीं, तो वे आमतौर पर छोटी त्रुटियाँ थीं, जैसे कि एक ऐसे फल को भ्रमित करना जो बस पूर्ण चरण तक पहुँचने वाला था या जो अभी-अभी उस चरण को पार कर चुका था। इससे पता चला कि कंप्यूटर ने केवल यादृच्छिक पैटर्न को याद करने के बजाय फल के स्वरूप में होने वाले क्रमिक परिवर्तनों को समझा।
इस कार्य का महत्व जैविक विज्ञान और व्यावहारिक खेती के बीच की खाई को पाटने की इसकी क्षमता में निहित है। यह सिद्ध करके कि विकास का कौन सा चरण सबसे लंबी शेल्फ लाइफ (भंडारण अवधि) की ओर ले जाता है, और फिर उस चरण की पहचान करने के लिए एक उपकरण बनाकर, शोधकर्ताओं ने कचरे को कम करने और गुणवत्ता में सुधार करने का मार्ग प्रशт किया है। कंप्यूटर विज़न प्रणाली किसान के ज्ञान को प्रतिस्थापित नहीं करती है बल्कि उसे सशक्त बनाती है, जिससे कटाई के निर्णय लेने के लिए एक वस्तुनिष्ठ और तीव्र तरीका मिलता है। हालांकि यह अध्ययन खुबानी की एक ही किस्म और एक ही स्थान पर किया गया था, लेकिन यह पद्धति कृषि के लिए एक शक्तिशाली भविष्य का सुझाव देती है। यदि इस तकनीक को अन्य फलों और विभिन्न उगाने की स्थितियों के अनुकूल बनाया जा सकता है, तो यह उत्पादन की कटाई के तरीके को बदल सकता है, जिससे यह सुनिश्चित होगा कि उपभोक्ताओं तक पहुँचने वाला फल उतना ही ताजा और स्वादिष्ट हो जितना कि वह तोड़े जाने के दिन था। अध्ययन निष्कर्ष निकालता है कि हालांकि यह उपकरण आशाजनक है, लेकिन वाणिज्यिक स्तर पर इसकी विश्वसनीयता की पुष्टि करने के लिए विभिन्न बागों और मौसमों में और अधिक परीक्षण की आवश्यकता है।
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।