Fourier-Guided Multi-Scale Vision Transformer for Object-Independent Detection and Severity Grading of Rain-Induced Cracking in Sweet Cherry

मीठी चेरी अपने गहरे रंग, सख्त बनावट और अल्पकालिक मौसम के कारण एक बेशकीमती व्यंजन मानी जाती है, लेकिन इसकी व्यावसायिक सफलता एक नाजुक संतुलन पर टिकी होती है। कटाई के समय के पास एक ही भारी बारिश फसल को प्रीमियम से नुकसान में बदल सकती है। जब पानी फल की त्वचा पर ठहरता है, तो यह फल की सुरक्षात्मक बाहरी परत में सूक्ष्म दरारें पैदा कर सकता है, जिससे ऐसे क्रैक्स बन सकते हैं जो शुरू में हानिरहित लग सकते हैं लेकिन जल्दी ही सड़न और पानी के नुकसान को आमंत्रित करते हैं। दशकों से, किसान और पैकर्स इन फलों को छांटने के लिए मानवीय आंखों पर निर्भर रहे हैं, जो कि एक धीमा, व्यक्तिपरक कार्य है और अक्सर उन सबसे सूक्ष्म दरारों को भी नहीं देख पाता जो सबसे अधिक महत्वपूर्ण होती हैं। ये अदृश्य खामियां ही उस फल और उस फल के बीच का अंतर हैं जो दूर के बाजार तक अच्छी तरह यात्रा कर सकता है और उसे जिसे फेंक दिया जाना चाहिए या प्रसंस्करण (प्रोसेसिंग) के लिए बेच दिया जाना चाहिए। चुनौती केवल क्षति को देखने की नहीं है, बल्कि यह समझने की है कि एक दरार कोई एक चीज़ नहीं है; यह एक हेयरलाइन फ्रैक्चर से लेकर एक गहरे विदर (स्प्लिट) तक का एक क्रमिक विकास है, और फल पर इसका स्थान यह तय करता है कि वह कितना खतरनाक है।

इसे हल करने के लिए, शोधकर्ताओं ने एक नए प्रकार के कंप्यूटर विजन की ओर रुख किया है जो इस बात की नकल करता है कि मानव मस्तिष्क कैसे एक ही समय में दो अलग-अलग कोणों से किसी समस्या को देख सकता है। केवल एक मानक फोटोग्राफ की तरह इमेज में पैटर्न पहचानने के बजाय, यह नया दृष्टिकोण मशीन को यह भी सिखाता है कि वह उस तस्वीर के भीतर छिपी गणितीय आवृत्तियों (फ्रीक्वेंसी) को कैसे "सुन" सके। छवियों की दुनिया में, चमकदार चेरी की त्वचा जैसे चिकने क्षेत्र कम-आवृत्ति वाले पैटर्न होते हैं, जबकि तीखे किनारे, महीन रेखाएं और छोटी दरारें उच्च-आवृत्ति वाले संकेत बनाती हैं। एक मानक दृश्य विश्लेषण के साथ इस फ्रीक्वेंसी-आधारित "सुनने" की क्षमता को जोड़कर, वैज्ञानिकों ने एक ऐसा सिस्टम बनाया है जो आंखों से दिखने से पहले ही परेशानी के सबसे हल्के संकेतों को पहचान सकता है। इस पद्धति का हाल ही में मीठी चेरी पर परीक्षण किया गया था ताकि यह देखा जा सके कि क्या यह बारिश के नुकसान की गंभीरता को विश्वसनीय रूप से ग्रेड कर सकता है और दरारें वास्तव में कहाँ हैं, इसका सटीक मानचित्र बना सकता है, जो एक ऐसे भविष्य की संभावना देता है जहाँ प्रत्येक फल का निरीक्षण पूर्ण निरंतरता के साथ किया जा सके।

शोधकर्ताओं की एक टीम द्वारा संचालित इस अध्ययन ने एक ऐसा उपकरण बनाने पर ध्यान केंद्रित किया जो वास्तविक दुनिया के फल की जटिलताओं को संभाल सके। उन्होंने चार अलग-अलग बागानों में उगाई गई चार विभिन्न वाणिज्यिक किस्मों से 960 चेरी एकत्र कीं। यह सुनिश्चित करने के लिए कि सिस्टम का परीक्षण निष्पक्ष रूप से किया जाए, उन्होंने केवल यादृच्छिक तस्वीरें नहीं लीं; उन्होंने हर एक फल के चार अलग-अलग दृश्य कैप्चर किए, जिससे सभी तरफ से दृश्य दिखाई दे सके। इनमें से कुछ चेरी बारिश के बाद स्वाभाविक रूप से फटी हुई थीं, जबकि अन्य को नियंत्रित वातावरण में पानी में भिगोकर सावधानीपूर्वक तैयार किया गया था ताकि क्षति की एक विस्तृत श्रृंखला बनाई जा सके, जिसमें सूक्ष्म, लगभग अदृश्य दरारों से लेकर गहरे, खुले घाव तक शामिल थे। इसके बाद प्रत्येक फल की एक शक्तिशाली सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे जांच की गई ताकि हर दरार की सटीक लंबाई और चौड़ाई को मापा जा सके, जिससे एक सख्त "गोल्ड स्टैंडर्ड" सत्य का निर्माण हुआ जिसके विरुद्ध कंप्यूटर के अनुमानों को मापा जा सके। शोधकर्ताओं ने क्षति के चार स्तर निर्धारित किए: अखंड (इन्टेक्ट), माइक्रोक्रैक, मध्यम, और गंभीर, जो इस आधार पर थे कि त्वचा कितनी टूटी है और फल की सतह का कितना हिस्सा प्रभावित हुआ है।

उन्होंने जो कंप्यूटर मॉडल विकसित किया है, जिसे वे 'फूरियर-गाइडेड मल्टी-स्केल विजन ट्रांसफार्मर' कहते हैं, वह फल को दो अलग-अलग तरीकों से देखकर काम करता है। पहला, यह सामान्य रूप से छवि का विश्लेषण करता है, फल के आकार, डंठल की स्थिति और समग्र रंग को समझने के लिए इसे छोटे पैच में तोड़ता है। यह "स्थानिक" (स्पेशियल) दृश्य है, जो कंप्यूटर को बताता है कि चीजें कहाँ हैं। दूसरा, यह छवि को लेता है और उसे एक फ्रीक्वेंसी मैप में बदल देता है, जो एक गणितीय प्रतिनिधित्व है जो चमक और बनावट में बदलाव को उजागर करता है। यह दूसरा दृश्य विशेष रूप से दरार की तीखी, टेढ़ी-मेढ़ी रेखाओं को पहचानने में सक्षम है, भले ही वे बहुत हल्की हों या चमक (ग्लेयर) के कारण छिपी हुई हों। मॉडल फिर एक विशेष 'अटेंशन मैकेनिज्म' का उपयोग करता है ताकि फ्रीक्वेंसी की जानकारी स्थानिक दृश्य का मार्गदर्शन कर सके। यह ऐसा है जैसे कंप्यूटर के पास एक दूसरा जोड़ा आंखें हैं जो दरार के अदृश्य कंपन को देख सकती हैं, और वह उस जानकारी का उपयोग यह बताने के लिए करती है कि पहली आंखों को कहाँ अधिक ध्यान से देखना चाहिए। यह सिस्टम को उन सूक्ष्म विवरणों पर ध्यान केंद्रित करने की अनुमति देता है जो आमतौर पर एक कंप्यूटर द्वारा छवि को सरल बनाने के दौरान खो जाते हैं।

इस दोहरे दृष्टिकोण के परिणाम आश्चर्यजनक थे। सिस्टम ने 93.8% फलों पर क्षति की गंभीरता की सही पहचान की, जो केवल दृश्य रूप से देखने वाले मॉडलों की तुलना में एक महत्वपूर्ण सुधार है। इससे भी महत्वपूर्ण बात यह है कि यह माइक्रोक्रैक खोजने में उत्कृष्ट रहा, जो वे सूक्ष्म दरारें हैं जिन्हें देखना मनुष्यों के लिए सबसे कठिन है लेकिन फल के भविष्य के लिए सबसे खतरनाक हैं। जब शोधकर्ताओं ने सिस्टम की यह क्षमता का परीक्षण किया कि वह दरार के सटीक स्थान का नक्शा बना सके, तो इसने उच्च स्तर की सटीकता हासिल की, और क्षतिग्रस्त क्षेत्रों को सफलतापूर्वक रेखांकित किया, भले ही वे कुल फल की सतह के एक प्रतिशत के एक अंश से भी कम हों। मॉडल मजबूत भी था; इसने तब भी अच्छा प्रदर्शन किया जब फल का डंठल उसे आंशिक रूप से छिपा रहा हो, जब तेज रोशनी ने भ्रमित करने वाले प्रतिबिंब बनाए हों, या जब छवि थोड़ी धुंधली हो। वास्तव में, कठिन प्रकाश व्यवस्था की स्थिति में, नए मॉडल ने पुराने तरीकों पर स्पष्ट बढ़त बनाए रखी, जिससे साबित हुआ कि फ्रीक्वेंसी-आधारित "सुनने" की क्षमता ने दृश्य शोर (विजुअल नॉइज़) के पार देखने में मदद की।

इस कार्य का सबसे मूल्यवान पहलू यह है कि कंप्यूटर केवल अंतिम ग्रेड नहीं देता है; यह दरार का एक दृश्य मानचित्र भी बनाता है। इसका मतलब है कि एक मानव ऑपरेटर कंप्यूटर के निर्णय को देख सकता है और देख सकता है कि फल के किस हिस्से ने उस निष्कर्ष की ओर ले जाने के लिए प्रेरित किया। यदि सिस्टम किसी फल को क्षतिग्रस्त घोषित करता है, तो ऑपरेटर स्क्रीन पर हाइलाइट की गई दरार को देख सकता है, जिससे प्रक्रिया पारदर्शी और भरोसेमंद बनती है। अध्ययन में पाया गया कि कंप्यूटर शायद ही कभी बड़ी गलतियाँ करता था; जब वह गलत होता था, तो वह आमतौर पर एक "मध्यम" दरार को "गंभीर" के रूप में, या एक "माइक्रोक्रैक" को "मध्यम" के रूप में भ्रमित करता था, न कि एक स्वस्थ फल को टूटा हुआ या एक टूटे हुए फल को स्वस्थ बताता था। यह सुझाव देता है कि सिस्टम केवल श्रेणियों का अनुमान लगाने के बजाय क्षति के निरंतर प्रवाह (कंटीनम) को समझता है। शोधकर्ताओं ने यह भी नोट किया कि सिस्टम ने फल के रंग या बैकग्राउंड जैसे अप्रासंगिक फीचर्स को अनदेखा करना सीख लिया, और पूरी तरह से संरचनात्मक क्षति पर ध्यान केंद्रित किया, जो कि एक ऐसा उपकरण बनाने के लिए आवश्यक है जिसे चेरी की विभिन्न किस्मों पर काम करना है।

हालांकि यह सिस्टम बहुत आशाजनक है, शोधकर्ता इसकी वर्तमान सीमाओं के प्रति भी सावधान हैं। परीक्षण एक नियंत्रित वातावरण में विशिष्ट कैमरों और लाइटिंग के साथ किए गए थे, और फलों की जांच आदर्श स्थितियों में की गई थी। वास्तविक दुनिया की पैकिंग लाइनें बहुत तेजी से चलती हैं, और फल गीले, गंदे या ऐसे तरीके से हिलते हुए हो सकते हैं जिन्हें कैप्चर करना कठिन हो। अध्ययन में प्राकृतिक रूप से फटी हुई और कृत्रिम रूप से भिगोई गई चेरी दोनों का मिश्रण उपयोग किया गया था, और हालांकि इसने क्षति की एक विस्तृत श्रृंखला प्रदान की, दोनों प्रकार के स्वरूप सूक्ष्म विवरणों में थोड़े भिन्न हो सकते हैं। इसके अलावा, सिस्टम को चार विशिष्ट चेरी किस्मों पर प्रशिक्षित किया गया था, और यह देखना अभी बाकी है कि यह फलों के नए, अनदेखे प्रकारों पर कैसा प्रदर्शन करेगा। शोधकर्ता इस बात पर जोर देते हैं कि इस तकनीक को वाणिज्यिक पैकिंग हाउस में उपयोग करने से पहले, इसे अलग-अलग उपकरणों और एक व्यस्त फैक्ट्री फ्लोर की अराजक स्थितियों के तहत बड़े पैमाने पर परीक्षण करने की आवश्यकता है।

इन बाधाओं के बावजूद, यह अध्ययन फल निरीक्षण के भविष्य के लिए एक स्पष्ट मार्ग प्रदान करता है। बड़ी तस्वीर को देखने की क्षमता को बारीक विवरणों को सुनने की क्षमता के साथ जोड़कर, यह नया दृष्टिकोण चेरी को छांटने का एक तरीका प्रदान करता है जो तेज़ और अविश्वसनीय रूप से सटीक है। यह केवल गिनती या रंग छांटने से आगे बढ़कर फल की भौतिक अखंडता की गहरी समझ की ओर बढ़ता है। उत्पादकों के लिए, इसका अर्थ कम बर्बादी और शेल्फ तक उच्च गुणवत्ता वाले फल पहुंचना हो सकता है। वैज्ञानिकों के लिए, यह विभिन्न चेरी किस्मों की बारिश के प्रति प्रतिक्रिया का अध्ययन करने का एक नया तरीका प्रदान करता है, जिससे भविष्य के लिए अधिक मजबूत फसलें उगाने में मदद मिल सकती है। यह कार्य दर्शाता है कि जब हम मशीनों को दुनिया को एक से अधिक तरीके से देखना सिखाते हैं, तो हम उन सत्यों को उजागर कर सकते हैं जो पहले अदृश्य थे, जिससे एक साधारण चेरी की छवि को उसके स्वास्थ्य और लचीलेपन की एक विस्तृत कहानी में बदला जा सकता है।