PIPNet EA for Robust and Explainable Crop Weed Classification Using Enhanced Prototype Evidence Aggregation

आधुनिक कृषि के क्षेत्रों में, एक फलते-फूलते उत्पादन और एक बर्बाद फसल के बीच का अंतर अक्सर एक एकल, पलक झपकते लिए गए निर्णय पर निर्भर करता है: क्या वह हरा पौधा एक मूल्यवान फसल है, या एक खरपतवार जो उसके पोषक तत्व चुरा रहा है? दशकों से, किसान इस निर्णय को लेने के लिए अपनी आँखों पर भरोसा करते आए हैं, लेकिन स्वचालित ट्रैक्टरों और रोबोटिक खरपतवार निकालने वाली मशीनों के उदय ने इस जिम्मेदारी को कंप्यूटर विजन (कंप्यूटर दृष्टि) पर स्थानांतरित कर दिया है। इन मशीनों को कार्य करने के लिए दुनिया को स्पष्ट रूप से देखने की आवश्यकता होती है, फिर भी वास्तविक दुनिया शायद ही कभी स्पष्ट होती है। धूल, बारिश, मोशन ब्लर (गति के कारण धुंधलापन), और एक बादल वाले दिन की बदलती रोशनी एक स्पष्ट छवि को एक धुंधले मलबे में बदल सकती है। जब एक कंप्यूटर मॉडल, जिसे स्टूडियो-गुणवत्ता वाली आदर्श तस्वीरों पर प्रशिक्षित किया गया हो, इन वास्तविक दुनिया की खामियों का सामना करता है, तो वह अक्सर लड़खड़ा जाता है, जिससे फसलों को खरपतवार समझ लेने या उन्हें पूरी तरह से अनदेखा करने जैसी गलतियाँ होती हैं। वैज्ञानिकों के लिए चुनौती केवल एक ऐसा सिस्टम बनाने की नहीं है जो लैब में काम करे, बल्कि एक ऐसा सिस्टम बनाने की है जो विश्वसनीय बना रहे जब छवि की गुणवत्ता घटती है, यह सुनिश्चित करते हुए कि स्वचालित कृषि उपकरण गलती से उन्हीं पौधों पर हर्बिसाइड (खरपतवार नाशक) न छिड़क दें जिनकी रक्षा उन्हें करनी है।

शोधकर्ता ऋषि चौधरी, अक्षय अग्रवाल और वेद प्रकाश चौधरी ने यह देखने के लिए इस समस्या को हल करने का प्रयास किया कि विभिन्न प्रकार की आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) वास्तविक खेत की स्थितियों की अव्यवस्था को कैसे संभालती है। उन्होंने एक विशिष्ट दृष्टिकोण पर ध्यान केंद्रित किया जिसे प्रोटोटाइप-आधारित लर्निंग (prototype-based learning) कहा जाता है, जो मानक डीप लर्निंग मॉडल्स से अलग है जिनसे अधिकांश लोग परिचित हैं। एक खरपतवार की एकल, अमूर्त "औसत" तस्वीर को याद करने के बजाय, ये मॉडल पौधे के विशिष्ट, पहचानने योग्य हिस्सों को पहचानना सीखते हैं, जैसे कि पत्ती का सिरा या उसके बीच से गुजरने वाली शिरा। शोधकर्ताओं ने एक नई विधि प्रस्तावित की, जिसे उन्होंने PIPNet-EA नाम दिया, जो इस विचार में सुधार करती है क्योंकि यह केवल इन पहचानने योग्य हिस्सों में से एक पर निर्भर नहीं है। इसके बजाय, यह प्रणाली एक साथ पौधे के कई अलग-अलग स्थानों से साक्ष्य एकत्र करती है। यदि छवि का एक हिस्सा धुंधला है या शोर (noise) से ढका हुआ है, तो सिस्टम अभी भी सही निर्णय ले सकता है क्योंकि वह अन्य हिस्सों को भी देख रहा है। यह दृष्टिकोण न केवल खराब छवि गुणवत्ता के प्रति मजबूत है, बल्कि व्याख्यात्मक (explainable) भी है, जिसका अर्थ है कि एक इंसान कंप्यूटर के "तर्क" को देख सकता है और ठीक से समझ सकता है कि किन हिस्सों ने निर्णय लेने में मदद की।

इसका परीक्षण करने के लिए, टीम ने केवल यह नहीं देखा कि ये मॉडल आदर्श छवियों पर कैसा प्रदर्शन करते हैं। उन्होंने पांच अलग-अलग डीप लर्निंग आर्किटेक्चर लिए, जिनमें मानक नेटवर्क और नया प्रोटोटाइप-आधारित सिस्टम शामिल थे, और उन्हें परीक्षणों की एक कठोर श्रृंखला के अधीन किया। उन्होंने खेत में होने वाले सात सामान्य प्रकार के इमेज करप्शन (छवि क्षरण) का अनुकरण किया, जैसे कि ग्रेनी सेंसर नॉइज़, चलते हुए वाहन से उत्पन्न मोशन ब्लर, और कम रोशनी या कंप्रेशन के कारण विवरणों का कम होना। महत्वपूर्ण रूप से, उन्होंने इन करप्शन को तीन स्तरों की गंभीरता पर परखा: हल्का, मध्यम और गंभीर। इसने उन्हें न केवल यह देखने की अनुमति दी कि मॉडल विफल होता है या नहीं, बल्कि यह भी कि छवि की गुणवत्ता लगातार खराब होने पर वह कैसे विफल होता है। उन्होंने इन परीक्षणों को दो अलग-अलग डेटासेट पर चलाया: एक जिसमें पौधों की साफ, नियंत्रित छवियां थीं, और दूसरा जटिल, वास्तविक दुनिया के खेत की तस्वीरों वाला जहाँ फसलें और खरपतवार आपस में उलझे हुए उगते हैं।

परिणामों ने नए दृष्टिकोण के लिए एक स्पष्ट लाभ दिखाया। हालांकि सभी मॉडल्स की सटीकता छवियों के विकृत होने पर कम हो गई, लेकिन प्रोटोटाइप-आधारित मॉडल, विशेष रूप से नए साक्ष्य एकत्रीकरण (evidence aggregation) विधि वाला संस्करण, दूसरों की तुलना में बेहतर स्थिति में रहा। चुनौतीपूर्ण फील्ड डेटासेट पर, जब छवियां केवल मामूली रूप से दूषित थीं, तो नए मॉडल ने 64.1 प्रतिशत की सटीकता प्राप्त की, जबकि एक मानक मॉडल के लिए यह 59.4 प्रतिशत थी। जैसे-जैसे करप्शन गंभीर होता गया, अंतर बढ़ता गया; नए मॉडल ने 43.7 प्रतिशत की सटीकता बनाए रखी, जबकि मानक मॉडल गिरकर 39.1 प्रतिशत पर आ गया। इससे भी महत्वपूर्ण बात यह है कि शोधकर्ताओं ने गणना की कि प्रत्येक मॉडल ने अपने मूल प्रदर्शन का कितना हिस्सा बरकरार रखा। नया मॉडल हल्की स्थितियों में अपने साफ-छवि प्रदर्शन का 98.9 प्रतिशत, मध्यम स्थितियों में 87.7 प्रतिशत और गंभीर स्थितियों में 67.5 प्रतिशत बनाए रखता है। इसके विपरीत, मानक मॉडल काफी कम प्रदर्शन करता है, जो गंभीर करप्शन के तहत 60.8 प्रतिशत तक गिर जाता है। यह सुझाव देता है कि कई स्थानों से साक्ष्य एकत्र करके, सिस्टम एक दूषित पिक्सेल पैच द्वारा धोखा खाने की संभावना कम रखता है।

अध्ययन ने यह भी देखा कि कंप्यूटर निर्णय लेते समय वास्तव में क्या "देख" रहा था। विजुअल मैप्स का उपयोग करते हुए जो छवि के उन हिस्सों को उजागर करते हैं जिन पर मॉडल ध्यान केंद्रित करता है, शोधकर्ताओं ने पाया कि मध्यम गिरावट के बावजूद, प्रोटोटाइप-आधारित मॉडल निरंतर सार्थक पौधे की संरचनाओं, जैसे कि पत्ती के सिरों और केंद्रीय शिराओं पर ध्यान केंद्रित करता रहा। इसकी तुलना में, मानक मॉडल जैसे-जैसे छवियां खराब होती गईं, पृष्ठभूमि की मिट्टी और रैंडम नॉइज़ की ओर अपना ध्यान फैलाने लगा। धुंधली या शोर युक्त होने पर भी प्रासंगिक जैविक विशेषताओं पर ध्यान केंद्रित करने की यह क्षमता बताती है कि नया सिस्टम अधिक मजबूत क्यों है। यह किसी एक प्रमुख विशेषता पर निर्भर नहीं है जो छिप सकती है; इसके बजाय, यह छोटे, विश्वसनीय संकेतों के संग्रह के आधार पर निर्णय बनाता है।

शोधकर्ताओं ने निष्कर्ष निकाला कि साक्ष्य एकत्र करने और कई स्थानिक स्थानों (spatial locations) से उन्हें तौलने की यह विधि सटीक कृषि के लिए एक व्यावहारिक मार्ग प्रदान करती है। यह ऐसे सिस्टम बनाने का एक तरीका प्रदान करता है जो न केवल सटीक हैं, बल्कि पारदर्शी भी हैं, जिससे किसान इस बात पर भरोसा कर सकते हैं कि मशीन सही चीजों को देख रही है। हालांकि अध्ययन विशिष्ट प्रकार के इमेज करप्शन तक सीमित था और इसमें वास्तविक चलते हुए रोबोटों पर सिस्टम का परीक्षण नहीं किया गया था, फिर भी निष्कर्ष बताते हैं कि प्रोटोटाइप-आधारित लर्निंग वास्तविक दुनिया की अनिश्चित स्थितियों का सामना करने में सक्षम कृषि उपकरण बनाने के लिए एक आशाजनक दिशा है। यह कार्य प्रदर्शित करता है कि केवल एक के बजाय, कई पुष्ट करने वाले विवरणों को खोजने के मानवीय तरीके की नकल करने वाले मॉडल बनाकर, हम ऐसी तकनीक बना सकते हैं जो प्रकृति की खामियों के प्रति कहीं अधिक लचीली है।