Cost-Effective Smartphone-Based Computer Vision Pipeline for Actinidia Phenological Stage Mapping
यह अध्ययन मोबाइल फेनोलॉजिकल मैपिंग (MPM) ढांचे को प्रस्तुत करता है, जो एक लागत प्रभावी स्मार्टफोन-आधारित कंप्यूटर विजन प्रणाली है जो कीवी फल के बागों के लिए भौगोलिक रूप से संदर्भित फेनोलॉजिकल मानचित्र तैयार करती है, जिससे श्रम समय और लागत में भारी कमी आती है और फूलों के खिलने की विषमता (flowering asynchrony) को दूर करने के लिए लक्षित परागण हस्तक्षेप सक्षम होता 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
एक बाग के शांत लय में, नर और मादा पौधों के बीच अक्सर एक मौन दौड़ चलती है। कई फलदार पेड़, जिनमें कीवी भी शामिल है, द्विलिंगी (dioecious) होते हैं, जिसका अर्थ है कि पराग उत्पन्न करने वाले नर फूल और उसे प्राप्त करने वाले मादा फूल पूरी तरह से अलग-अलग पौधों पर उगते हैं। एक सफल फसल के लिए, इन दोनों समूहों को बिल्कुल एक ही समय में खिलना चाहिए। यदि नर पेड़ मादा फूलों के तैयार होने से पहले अपना पराग छोड़ देते हैं, या यदि वे बहुत देर से खिलते हैं, तो फल बस नहीं बन पाते। यह समयबद्धता केवल भाग्य का मामला नहीं है; यह एक सटीक जैविक खिड़की है जो फसल के आकार, रूप और गुणवत्ता को निर्धारित करती है। हालाँकि, जैसे-जैसे जलवायु बदल रही है, यह प्राकृतिक तालमेल तेजी से अविश्वसनीय होता जा रहा है, जिससे किसानों के सामने एक कठिन समस्या खड़ी हो गई है: उन्हें ठीक से पता होना चाहिए कि उनके पौधे कब और कहाँ परागण के लिए तैयार हैं, लेकिन पूरे खेत में हर एक बेल की हाथ से जाँच करना एक ऐसा कार्य है जो बहुत धीमा और महंगा है।
शोधकर्ताओं की एक टीम ने इस समस्या को हल करने का एक नया तरीका विकसित किया है, जिसमें एक मानक स्मार्टफोन को बाग के जीवन चक्र का मानचित्र बनाने वाले एक शक्तिशाली उपकरण में बदल दिया गया है। बेलों की पंक्तियों में चलकर एक-एक करके फूलों को गिनने के लिए श्रमिकों पर निर्भर रहने के बजाय, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो वीडियो और आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करके बाग की खिलने की स्थिति का एक विस्तृत मानचित्र बनाती है। यह प्रणाली काम करती है क्योंकि यह बेलों का वीडियो रिकॉर्ड करती है जबकि व्यक्ति पंक्तियों के नीचे चल रहा होता है, ठीक वैसे ही जैसे एक किसान फसल का निरीक्षण करता है, लेकिन इस वीडियो को सैटेलाइट नेविगेशन सिस्टम से प्राप्त सटीक स्थान डेटा के साथ जोड़ा जाता है। जैसे ही वीडियो चलता है, एक कंप्यूटर प्रोग्राम स्वचालित रूप से व्यक्तिगत फूलों की पहचान करता है, यह निर्धारित करता है कि वे नर हैं या मादा, और यह वर्गीकृत करता है कि वे अपने विकास के किस चरण में हैं। यह प्रक्रिया घंटों के शारीरिक श्रम को कुछ मिनटों के काम में बदल देती है, जिससे एक दृश्य मानचित्र तैयार होता है जो किसान को ठीक से दिखाता है कि खेत के कौन से हिस्से परागण के लिए तैयार हैं और कौन से नहीं।
शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण उत्तरी पुर्तगाल के वाणिज्यिक कीवी बागों में किया, जिसमें मुख्य रूप से उन मादा फूलों पर ध्यान केंद्रित किया गया जिन्हें फल उत्पादन के लिए परागण की आवश्यकता होती है। उन्होंने बेलों का हाई-डेफिनिशन वीडियो रिकॉर्ड किया, जिसमें वास्तविक दुनिया की खेती की सभी चुनौतियों, जैसे कि बदलती रोशनी और हलचल के साथ प्राकृतिक वातावरण में फूलों को कैद किया गया। उनके द्वारा बनाया गया कंप्यूटर सिस्टम एक तीन-चरणीय फिल्टर की तरह काम करता है। सबसे पहले, यह किसी भी फूल या कली को खोजने के लिए वीडियो को स्कैन करता है। दूसरा, यह उन फूलों को देखता है कि वे नर हैं या मादा। अंत में, मादा फूलों के लिए, यह उन्हें विकास के एक विशिष्ट चरण में असाइन करता है, जो एक तंग कली से लेकर पराग के लिए पूरी तरह से खुले फूल तक होता है। यह चरण-दर-चरण विधि महत्वपूर्ण है क्योंकि एक ही चरण में फूल की पहचान करने की कोशिश करने से अक्सर भ्रम होता है; कार्य को विभाजित करके, सिस्टम बहुत अधिक विश्वसनीय हो जाता है।
अध्ययन के परिणाम दर्शाते हैं कि यह विधि न केवल तेज़ है, बल्कि वास्तविक दुनिया के कृषि निर्णयों के लिए पर्याप्त सटीक भी है। जब शोधकर्ताओं ने कंप्यूटर की गणना की तुलना हाथ से गिनी गई फूलों की वास्तविक संख्या से की, तो सिस्टम ने अधिकांश फूलों की सही पहचान की। हालांकि इसमें कुछ छोटी त्रुटियां थीं, जैसे कि कभी-कभी बहुत शुरुआती फूल को थोड़ा उन्नत चरण के फूल के रूप में गलत समझना, लेकिन समग्र पैटर्न स्पष्ट था। सिस्टम ने सफलतापूर्वक बाग का मानचित्रण किया, जिससे पता चला कि एक ही खेत के विभिन्न हिस्से खिलने के अलग-अलग चरणों में थे। यह स्थानिक विवरण पारंपरिक स्पॉट-चेकिंग विधियों में पूरी तरह से छूट जाता है, क्योंकि वे आमतौर पर केवल कुछ छोटे क्षेत्रों को देखते हैं और मान लेते हैं कि पूरा खेत एक जैसा है। पूरे चित्र को कैप्चर करके, यह सिस्टम किसानों को उनके परागण प्रयासों को सटीक रूप से वहीं लक्षित करने की अनुमति देता है जहाँ उनकी आवश्यकता है, बजाय इसके कि वे पूरे बाग को एक एकल इकाई के रूप में मानें।
श्रम और लागत पर इसका प्रभाव नाटकीय है। परीक्षण किए गए क्षेत्रों में, फूलों को गिनने की मैन्युअल प्रक्रिया को केवल एक हेक्टेयर के एक छोटे से हिस्से को कवर करने में ग्यारह घंटे से अधिक समय लगा। स्मार्टफोन-आधारित सिस्टम ने वही कार्य दो घंटे से भी कम समय में पूरा कर लिया। जब इसे श्रम की लागत में बदला जाता है, तो यह लागत में भारी कमी को दर्शाता है, जो प्रति हेक्टेयर दो हजार यूरो से अधिक से घटकर केवल उनतीस यूरो रह जाती है। यह बचत कोना काटने से नहीं, बल्कि एक धीमी, दोहराव वाली मानवीय कार्य को एक तेज़, स्वचालित कार्य से बदलने से आती है। वीडियो अधिग्रहण स्वयं लगभग कोई अतिरिक्त लागत नहीं जोड़ता है, क्योंकि इसे किसान द्वारा अन्य नियमित जांचों के लिए बाग में चलते समय ही किया जा सकता है। इस प्रणाली के लिए महंगे ड्रोन या विशेष रोबोट की आवश्यकता नहीं है; यह एक ऐसे उपकरण का उपयोग करता है जो अधिकांश किसानों के पास पहले से ही होता है।
हालांकि यह तकनीक आशाजनक है, शोधकर्ता इसकी वर्तमान सीमाओं के बारे में सावधान रहने को कहते हैं। यह प्रणाली बाग में खिलने के सामान्य प्रवाह की पहचान करने में सबसे अच्छा काम करती है, लेकिन यह कभी-कभी विकास के बहुत समान, आसन्न चरणों के बीच अंतर करने में संघर्ष कर सकती है। उदाहरण के लिए, एक ऐसे फूल के बीच अंतर करना जो अभी-अभी खुला है और एक जो थोड़ा पुराना है, कंप्यूटर के लिए भी कठिन हो सकता है, क्योंकि दृश्य परिवर्तन सूक्ष्म होते हैं। हालांकि, परागण प्रबंधन के उद्देश्य से, यह जानना कि सामान्य रुझान क्या है, अक्सर किसी फूल के खुलने के सटीक सेकंड को जानने की तुलना में अधिक मूल्यवान होता है। अध्ययन पुष्टि करता है कि यह दृष्टिकोण सरल फूल पहचान और जटिल, स्थानिक रूप से जागरूक मानचित्रों के बीच के अंतर को पाट सकता है जिसकी आधुनिक खेती को आवश्यकता है। स्मार्टफोन वीडियो को एक विस्तृत फेनोलॉजिकल (phenological) मानचित्र में बदलकर, शोधकर्ताओं ने एक व्यावहारिक उपकरण प्रदान किया है जो किसानों को जलवायु परिवर्तन की जटिलताओं को समझने और यह सुनिश्चित करने में मदद करता है कि उनके फसल का परागण सही समय पर हो।
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।