Traceable acquisition and processing workflow for multispectral drone monitoring of orchards
यह शोध पत्र बागों की निगरानी के लिए DJI मैविक 3 मल्टीस्पेक्ट्रल ड्रोन हेतु एक ट्रैसेबल अधिग्रहण और प्रसंस्करण वर्कफ़्लो प्रस्तुत करता है, जो मिशन योजना से लेकर गुणवत्ता नियंत्रण तक एक व्यापक प्रोटोकॉल का विवरण देता है, जिसका मूल्यांकन मलेशिया के ड्यूरियन बागों के डेटा का उपयोग करके पुनरुत्पादित डेटा प्रोवेनेंस को सक्षम करने और भविष्य के सत्यापन के क्षेत्रों की पहचान करने के लिए किया गया था।
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
आधुनिक कृषि के केंद्र में, पेड़ों के ऊपर एक शांत क्रांति हो रही है। किसान और वैज्ञानिक लंबे समय से फसलों को अंतरिक्ष से देखने के लिए उपग्रहों पर भरोसा करते आए हैं, लेकिन वे दृश्य अक्सर एक बाग के व्यक्तिगत पेड़ों के बीच सूक्ष्म अंतर देखने के लिए बहुत दूर के होते हैं। जमीनी स्तर की स्काउटिंग (निरीक्षण), जहाँ एक व्यक्ति पंक्तियों में चलता है, विवरण तो प्रदान करती है लेकिन इसमें बड़े परिदृश्य की कमी होती है और बड़े क्षेत्रों को कवर करने में यह धीमी होती है। यहाँ ड्रोन का प्रवेश होता है, एक छोटा विमान जो इतना ऊपर मंडरा सकता है कि हर पेड़ की स्पष्ट छवियां ले सके, फिर भी इतना नीचे कि एक अकेले शाख की विशिष्ट स्वास्थ्य स्थिति को भी पहचान सके। इन छवियों को उपयोगी बनाने के लिए, उन्हें केवल सुंदर चित्रों से कहीं अधिक होना चाहिए; उन्हें सटीक माप होना चाहिए। इसके लिए ड्रोन के उड़ने के तरीके, प्रकाश के मापन और तस्वीरों को आपस में जोड़ने के तरीके के लिए नियमों का एक सख्त समूह आवश्यक है। इन नियमों के बिना, फोटो में पेड़ के रंग में बदलाव मौसम या दिन के समय में बदलाव के कारण भी हो सकता है, न कि पेड़ के स्वास्थ्य में वास्तविक बदलाव के कारण।
सरवाक, मलेशिया में शोधकर्ताओं की एक टीम ने ड्यूरियन के बागों की निगरानी के लिए ड्रोन का उपयोग करने हेतु एक स्पष्ट, चरण-दर-चरण मार्गदर्शिका बनाने और परीक्षण करने का लक्ष्य रखा। उन्होंने एक विशिष्ट ड्रोन मॉडल पर ध्यान केंद्रित किया जो न केवल उन रंगों को देख सकता है जिन्हें मनुष्य देख सकते हैं, बल्कि उस अदृश्य प्रकाश को भी देख सकता है जिसे पौधे परावर्तित करते हैं। उनका लक्ष्य उड़ने का एक नया तरीका आविष्कार करना नहीं था, बल्कि एक विश्वसनीय रिकॉर्ड रखने वाली प्रणाली बनाना था। वे यह सुनिश्चित करना चाहते थे कि यदि कोई अगले वर्ष उसी बाग के ऊपर वही ड्रोन उड़ाता है, तो वे आत्मविश्वास के साथ परिणामों की तुलना कर सकें। टीम ने पहले से ही सर्वेक्षण किए गए तीन विशिष्ट ड्यूरियन बागों को देखा, अपने नोट्स और डेटा की जांच की ताकि यह देख सकें कि क्या उन्होंने यह साबित करने के लिए पर्याप्त जानकारी एकत्र की है कि छवियां वास्तव में कैसे बनाई गईं। उन्होंने पाया कि हालांकि वे उड़ान योजना से लेकर अंतिम मानचित्र तक की पूरी यात्रा को सफलतापूर्वक पुनर्गठित कर सकते थे, लेकिन पहेली के कुछ महत्वपूर्ण हिस्से गायब थे, जो इस दावे को रोकने के लिए पर्याप्त थे कि परिणाम पेड़ों की वास्तविक स्थिति का सटीक माप थे।
शोधकर्ताओं ने उन उड़ानों की जांच से शुरुआत की जो उन्होंने श्री अमान और टपा के दो और एक ब्लॉक (कुल तीन) ड्यूरियन पेड़ों के ऊपर आयोजित की थीं। उन्होंने एक ऐसा ड्रोन इस्तेमाल किया जो रंगीन तस्वीरें लेने के लिए एक मानक कैमरा और एक विशेष सेंसर ले जाता है जो प्रकाश के चार अलग-अलग बैंडों को कैप्चर करता है, जिसमें निकट-अवरक्त (near-infrared) शामिल है, जो पौधों के स्वास्थ्य को समझने के लिए अत्यंत महत्वपूर्ण है। टीम ने जमीन से 70 मीटर से 100 मीटर की विभिन्न ऊंचाइयों पर उड़ान भरी, जो बाग के ब्लॉक के आकार पर निर्भर था। इन ऊंचाइयों पर, कैमरा 3.23 सेंटीमीटर या 4.60 सेंटीमीटर प्रति पिक्सेल जितनी छोटी विवरण क्षमता रख सकता था। वे ग्रिड पैटर्न में उड़े, यह सुनिश्चित करते हुए कि प्रत्येक फोटो अगले फोटो के साथ लगभग 75 से 80 प्रतिशत ओवरलैप (अतिव्याप्ति) करे, यह एक ऐसी तकनीक है जो सॉफ्टवेयर को छवियों को एक एकल, निर्बाध मानचित्र में जोड़ने की अनुमति देती है। इन उड़ानों के दौरान, ड्रोन ने दिन के समय, हवा की गति और सूर्य के प्रकाश की चमक को रिकॉर्ड किया, जो सभी एक पौधे के दिखने के तरीके को बदल सकते हैं।
एक बार डेटा एकत्र हो जाने के बाद, टीम ने इसे कई प्रकार के मानचित्र बनाने के लिए संसाधित किया। उन्होंने स्पष्ट, रंगीन ऑर्थोमोज़ेक (orthomosaics) तैयार किए, जो बाग के विशाल, उच्च-रिज़ॉल्यूशन वाले हवाई फोटोग्राफ की तरह होते हैं, जो पेड़ों के लेआउट, मिट्टी के रास्तों और आसपास के परिदृश्य को दिखाते हैं। उन्होंने अदृश्य प्रकाश बैंडों पर आधारित मानचित्र भी बनाए, जिससे उन्हें वनस्पति सूचकांक (vegetation indices) की गणना करने में मदद मिली। ये वे संख्यात्मक मान हैं जो बताते हैं कि पौधे कितने हरे और स्वस्थ हैं। उदाहरण के लिए, उन्होंने 'नॉर्मलाइज्ड डिफरेंस वेजिटेशन इंडेक्स' (NDVI) दिखाने वाले मानचित्र तैयार किए, जो पौधों की जीवंतता का एक सामान्य माप है। सॉफ्टवेयर ने सफलतापूर्वक हजारों व्यक्तिगत छवियों को इन बड़े मानचित्रों में संयोजित किया, और टीम प्रत्येक चरण को कच्चे फोटो से लेकर अंतिम रंगीन परतों तक ट्रैक कर सकती थी। इसने प्रदर्शित किया कि उनके द्वारा प्रस्तावित कार्यप्रवाह (workflow) कार्यात्मक था और वांछित दृश्य उत्पाद उत्पन्न कर सकता था।
हालाв, अध्ययन ने उनके रिकॉर्ड में महत्वपूर्ण कमियों को भी उजागर किया जो इन मानचित्रों पर गंभीर खेती के निर्णय लेने के लिए भरोसा करने की उनकी क्षमता को सीमित करते हैं। हालांकि टीम के पास धूप के संबंध में ड्रोन के आंतरिक रिकॉर्ड थे, लेकिन उन्होंने प्रकाश को सटीक रूप से मापने के लिए जमीन पर एक भौतिक, कैलिब्रेटेड व्हाइट बोर्ड का उपयोग नहीं किया था। इस 'ग्राउंड ट्रुथ' के बिना, मानचित्रों में मौजूद संख्याएं पूर्ण, वैज्ञानिक रूप से सत्यापित परावर्तन (reflectance) के बजाय सापेक्ष चमक का प्रतिनिधित्व करती हैं। इसका अर्थ यह है कि हालांकि मानचित्र यह दिखा सकते हैं कि एक ही फोटो में कौन से पेड़ दूसरों की तुलना में अधिक हरे दिख रहे हैं, लेकिन यह निश्चित रूप से कहना कठिन है कि एक पेड़ वास्तव में स्वस्थ है या अंतर केवल बादलों के बदलाव या सूर्य के कोण के कारण है। इसके अलावा, जबकि ड्रोन ने अपनी स्थिति जानने के लिए एक उच्च-सटीक पोजिशनिंग सिस्टम का उपयोग किया था, टीम ने मानचित्र के प्रत्येक बिंदु के सटीक स्थान को सत्यापित करने के लिए स्वतंत्र चेकपॉइंट्स स्थापित नहीं किए थे। उन्होंने उन्हीं बिंदुओं का उपयोग मानचित्र को निर्देशित करने और उसे जांचने के लिए किया, जो कि बिना किसी दूसरे दृष्टिकोण के अपने ही काम की जांच करने जैसा है।
शोधकर्ताओं ने निष्कर्ष निकाला कि उनका प्रस्तावित कार्यप्रवाह डेटा को व्यवस्थित करने और सर्वेक्षण कैसे किया गया इसका एक स्पष्ट इतिहास बनाने के लिए उत्कृष्ट है, लेकिन यह अभी पेड़ों की स्थिति का पूर्ण वैज्ञानिक प्रमाण नहीं है। उनके द्वारा बनाए गए मानचित्र उन क्षेत्रों को पहचानने के लिए मूल्यवान हैं जिन्हें करीब से निरीक्षण करने की आवश्यकता है, जैसे कि बाग का कोई हिस्सा जो असामान्य रूप से भूरा या विरल दिखाई देता है। लेकिन अध्ययन स्पष्ट रूप से कहता है कि इन मानचित्रों का उपयोग अभी भी निश्चितता के साथ पोषक तत्वों की कमी, बीमारी या जल तनाव जैसी विशिष्ट समस्याओं का निदान करने के लिए नहीं किया जा सकता है। ऐसा करने के लिए, भविष्य के सर्वेक्षणों में अधिक कठोर जांच शामिल होनी चाहिए, जैसे कि जमीन पर ज्ञात परावर्तक पैनल रखना और मिट्टी एवं पत्तों के नमूनों के साथ सीधे पेड़ों के स्वास्थ्य को मापना। यह अध्ययन इस बात के ब्लूप्रिंट के रूप में कार्य करता है कि ड्रोन निगरानी को विश्वसनीय बनाने के लिए क्या रिकॉर्ड किया जाना आवश्यक है, यह रेखांकित करते हुए कि तकनीक उड़ने के लिए तैयार है, लेकिन डेटा की व्याख्या करने का विज्ञान अभी भी पूरी तरह से भरोसेमंद होने के लिए कुछ और साक्ष्यों की प्रतीक्षा कर रहा 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।