Research Evolution and Emerging Trends in Fruit and Vegetable Quality Assessment and Sorting: A Bibliometric Analysis of Analytical and Intelligent Sensing Technologies
2000 से 2025 तक के 1,387 प्रकाशनों का यह बिब्लियोमेट्रिक विश्लेषण फल और सब्जी छंटाई अनुसंधान के विकास को दर्शाता है, जो पारंपरिक बाहरी दिखावट ग्रेडिंग से व्यापक गुणवत्ता मूल्यांकन के लिए उन्नत सेंसिंग प्रौद्योगिकियों और डीप लर्निंग एल्गोरिदम को एकीकृत करने वाले इंटेलिजेंट, मल्टीमॉडल सिस्टम की ओर एक वैश्विक बदलाव को प्रकट 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, अरबों टन फल और सब्जियां खेतों से बाजारों तक पहुंचती हैं, एक ऐसा सफर जहां इस उपज को बिना खरोंच या सड़े हुए, हैंडलिंग, परिवहन और भंडारण का सामना करना पड़ता है। लंबे समय तक, इस उपज की छंटनी काफी हद तक मानवीय आंखों और हाथों पर निर्भर थी, एक ऐसी प्रक्रिया जो धीमी, असंगत और अक्सर पतली त्वचा वाले टमाटर या नरम आड़ू जैसी नाजुक चीजों के लिए बहुत कठोर होती थी। जैसे-जैसे उच्च गुणवत्ता वाले भोजन की वैश्विक मांग बढ़ी है, कृषि उद्योग ने ऐसी मशीनों की ओर रुख किया है जो कन्वेयर बेल्ट की गति और एक वैज्ञानिक की सटीकता के साथ फलों और सब्जियों का निरीक्षण और निर्णय ले सकें। ये मशीनें रंग और आकार देखने के लिए कैमरों का उपयोग करती हैं, और विशेष सेंसरों का उपयोग करती हैं जो फल को बिना काटे उसके अंदर की चीनी की मात्रा या दृढ़ता की जांच कर सकते हैं। लक्ष्य सरल लेकिन कठिन है: प्रति घंटे हजारों वस्तुओं की छंटनी करना, यह सुनिश्चित करना कि केवल सर्वोत्तम उत्पाद ही उपभोक्ता तक पहुंचें जबकि बर्बादी और नुकसान को कम किया जा सके।
चीन के गुइझोउ नॉर्मल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने हाल ही में इस तकनीकी बदलाव के पूरे इतिहास को समझने के लिए एक कदम पीछे हटकर देखा। एक नई मशीन बनाने या किसी विशिष्ट फल का परीक्षण करने के बजाय, उन्होंने यह समझने के लिए कि यह क्षेत्र कैसे विकसित हुआ है, 2000 से 2025 के बीच प्रकाशित हजारों वैज्ञानिक शोध पत्रों का विश्लेषण किया। इन लेखों के पैटर्न का अध्ययन करके, उन्होंने यह मानचित्रित किया कि कैसे वैज्ञानिक सरल यांत्रिक छंटनी से जटिल, बुद्धिमान प्रणालियों की ओर बढ़े हैं जो जो वे देखते हैं उसके बारे में "सोच" सकती हैं। उनका कार्य प्रगति की एक स्पष्ट कहानी प्रकट करता है: बुनियादी अवलोकन से लेकर परिष्कृत, स्वचालित निर्णय लेने की एक यात्रा, जो दुनिया की खाद्य आपूर्ति को संभालने के हमारे तरीके को नया आकार दे रही है।
शोधकर्ताओं ने वैज्ञानिक ज्ञान के दो विशाल पुस्तकालयों से डेटा एकत्र किया: एक जिसमें दुनिया भर के अंग्रेजी भाषा के अध्ययन शामिल थे, और दूसरा जिसमें चीनी भाषा के अध्ययन शामिल थे। उन्होंने सबसे महत्वपूर्ण रुझानों को खोजने के लिए 1,300 से अधिक प्रकाशनों को छाना। उन्होंने पाया कि यह एक ऐसा क्षेत्र है जो पिछले दो दशकों में लगातार बढ़ा है, जिसमें 2021 के बाद से गतिविधि में विशेष रूप से तीव्र वृद्धि हुई है। 2000 के दशक की शुरुआत में, अनुसंधान विरल था और बुनियादी यांत्रिक डिजाइनों पर केंद्रित था। 2010 के दशक तक, ध्यान छवियों (images) का विश्लेषण करने के लिए कंप्यूटरों के उपयोग की ओर स्थानांतरित हो गया था। हाल के वर्षों में, उन्नत आर्टिफिशियल इंटेलिजेंस द्वारा संचालित नए शोध के विस्फोट ने, मशीनों को दोषों और गुणवत्ता स्तरों को पहचानने की अनुमति दी है, जिससे ऐसी सूक्ष्मता प्राप्त हुई है जो पहले असंभव थी।
यह अध्ययन रेखांकित करता है कि दुनिया के शोध प्रयास समान रूप से वितरित नहीं हैं। चीन ने इस विषय पर सबसे अधिक शोध पत्र प्रस्तुत किए हैं, जिसके बाद भारत, संयुक्त राज्य अमेरिका, स्पेन और ईरान का स्थान है। चीनी शोध में यह उछाल उनके विशाल फल और सब्जी उद्योग और स्मार्ट मशीनरी के साथ कृषि के आधुनिकीकरण की ओर उनके तीव्र प्रयास को दर्शाता है। जबकि संयुक्त राज्य अमेरिका और चीन जैसे देश कुछ परियोजनाओं पर मिलकर काम करते हैं, शोधकर्ताओं ने नोट किया कि अंतर्राष्ट्रीय सहयोग और मजबूत हो सकता है। वर्तमान में, सहयोग का नेटवर्क कुछ हद तक खंडित है, जिसमें कई देश सामान्य समस्याओं को हल करने के लिए अपने संसाधनों को एक साथ लाने के बजाय अलग-थलग रहकर काम कर रहे हैं।
जब शोधकर्ताओं ने देखा कि वैज्ञानिक वास्तव में क्या अध्ययन कर रहे हैं, तो दो मुख्य मार्ग उभरे। पहला मार्ग इस बारे में है कि फल बाहर से कैसा दिखता है। इसमें रंग, आकार और आकृति को मापने या खरोंच और दागों का पता लगाने के लिए कैमरों का उपयोग करना शामिल है। दूसरा मार्ग बिना नुकसान पहुंचाए फल के अंदर की गुणवत्ता की जांच करने के बारे में है। यहीं पर तकनीक अधिक जटिल हो जाती है। वैज्ञानिक प्रकाश तरंगों का उपयोग करते हैं जिन्हें मानव आंख नहीं देख सकती, जैसे कि नियर-इंफ्रारेड लाइट, ताकि फल की त्वचा के भीतर प्रवेश किया जा सके और उसकी चीनी, अम्लता या आंतरिक सड़न को मापा जा सके। विश्लेषण से पता चला कि जबकि शुरुआती शोध इन दो अलग-अलग मार्गों पर भारी रूप से केंद्रित था, सबसे रोमांचक विकास वहां हो रहे हैं जहां वे मिलते हैं। छंटनी का भविष्य इन विधियों को मिलाने में निहित है, जिसमें बाहर देखने के लिए कैमरों और अंदर देखने के लिए विशेष सेंसरों का एक साथ उपयोग किया जाता है।
इसे हासिल करने के लिए उपयोग किए जाने वाले उपकरण समय के साथ नाटकीय रूप से बदल गए हैं। अतीत में, कंप्यूटर एक लाल सेब या एक हरी पत्ती को पहचानने के लिए मनुष्यों द्वारा लिखे गए सरल नियमों पर निर्भर थे। आज, सबसे प्रभावी प्रणालियाँ 'डीप लर्निंग' का उपयोग करती हैं, जो आर्टिफिशियल इंटेलिजेंस का एक प्रकार है जो हजारों उदाहरणों का अध्ययन करके खुद को सिखाता है कि क्या देखना है। शोधकर्ताओं ने पाया कि इस क्षेत्र के सबसे लोकप्रिय जर्नल वे हैं जो कृषि इंजीनियरिंग और खाद्य विज्ञान के लिए समर्पित हैं, जो पुष्टि करता है कि यह एक व्यावहारिक, उद्योग-संचालित विज्ञान है। सबसे अधिक उद्धृत (cited) कार्य अक्सर दोषों का पता लगाने के लिए मशीन विजन का उपयोग करने या पकने की भविष्यवाणी करने के लिए स्पेक्ट्रल इमेजिंग का उपयोग करने से संबंधित होता है।
इन प्रगतियों के बावजूद, शोधकर्ता बताते हैं कि तकनीक अभी भी पूर्ण नहीं है। मशीनें तब संघर्ष करती हैं जब रोशनी बदलती है, जब फल एक दूसरे के ऊपर ढेर होते हैं, या जब बहुत नाजुक उपज के साथ काम किया जाता है जिसे आसानी से खरोंच लग सकती है। ये प्रणालियाँ महंगी भी हैं और इन्हें चलाने के लिए शक्तिशाली कंप्यूटरों की आवश्यकता होती है, जो इन्हें छोटे खेतों या विकासशील क्षेत्रों में उपयोग करना कठिन बनाता है। अध्ययन सुझाव देता है कि अगली बड़ी छलांग इन प्रणालियों को सस्ता, तेज़ और अधिक अनुकूलनीय बनाने से आएगी। वैज्ञानिक अब इन बुद्धिमान प्रणालियों के "लाइटवेट" संस्करणों पर काम कर रहे हैं जो छोटे उपकरणों पर चल सकें, और वे ऐसे तरीके तलाश रहे हैं जिनसे मशीनों को बहुत कम उदाहरणों से सीखने के लिए सिखाया जा सके, बजाय इसके कि उन्हें शुरू करने के लिए लाखों तस्वीरों की आवश्यकता हो।
यह शोध पत्र निष्कर्ष निकालता है कि यह क्षेत्र एक ऐसे भविष्य की ओर बढ़ रहा है जहाँ छंटनी केवल एक फल को देखने के बारे में नहीं है, बल्कि उसे पूरी तरह से समझने के बारे में है। कैमरों, प्रकाश सेंसरों और यहाँ तक कि गंध पहचानकर्ताओं (smell detectors) से डेटा को जोड़ने के साथ, अगली पीढ़ी की छंटनी मशीनें निर्णय लेने में उतनी ही सूक्ष्मता दिखा पाएंगी जितनी कि एक मानव विशेषज्ञ, लेकिन एक रोबोट की गति और निरंतरता के साथ। यह विकास भोजन की बर्बादी को कम करने और यह सुनिश्चित करने का वादा करता है कि हम जो उपज खाते हैं वह सुरक्षित और उच्च गुणवत्ता वाली हो। हालांकि, शोधकर्ता चेतावनी देते हैं कि यह भविष्य लागत, जटिलता और इन मशीनों के खेत या पैकिंग हाउस की अव्यवस्थित, अप्रत्याशित वास्तविकता में विश्वसनीय रूप से काम करने की क्षमता को पार करने पर निर्भर करता है। आगे का रास्ता स्पष्ट है, लेकिन इसके लिए इन शक्तिशाली विचारों को दुनिया भर के किसानों और खाद्य उत्पादकों के लिए रोजमर्रा के उपकरण में बदलने के लिए निरंतर नवाचार 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।