A Robot-Ready AI Decision Support System for Real-Time Detection and Weather-Based Management of Potato Late Blight

सदियों से, किसान पौधों की बीमारियों के खिलाफ एक मूक युद्ध लड़ते आए हैं, जो अक्सर विज्ञान के बजाय केवल एक अनुमान पर आधारित रणनीति रही है। जब आलू जैसी फसल 'लेट ब्लाइट' (late blight) नामक विनाशकारी कवक (फंगस) से खतरे में होती है, तो पारंपरिक प्रतिक्रिया एक निश्चित समय सारणी पर रसायनों का छिड़काव करना रही है, जो आमतौर पर सप्ताह में एक बार होता है, चाहे बीमारी वास्तव में मौजूद हो या नहीं। यह दृष्टिकोण महंगा, अपव्ययी और पर्यावरण के लिए हानिकारक है, क्योंकि यह मिट्टी और किसानों दोनों को अनावश्यक रसायनों के संपर्क में लाता है। दूसरा विकल्प यह है कि बीमारी के प्रकट होने तक प्रतीक्षा की जाए, लेकिन तब तक नुकसान अक्सर हो चुका होता है। आधुनिक कृषि के लिए चुनौती एक मध्य मार्ग खोजने में है: एक ऐसा तरीका जिससे यह सटीक रूप से जाना जा सके कि बीमारी कब हमला करने वाली है या पहले से ही मौजूद है, ताकि कार्रवाई केवल तभी की जा सके जब वास्तव में आवश्यकता हो। यह स्मार्ट कृषि का क्षेत्र है, जहाँ कंप्यूटर और कैमरे किसानों के साथ मिलकर फसलों की निगरानी उस स्तर की सटीकता के साथ करते हैं जो मानवीय आँखों के लिए संभव नहीं है।

अल्जीरिया के शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए एक नया सिस्टम विकसित किया है, जो विशेष रूप से उन आलू किसानों के लिए है जो अभी भी इन पुराने साप्ताहिक छिड़काव तरीकों पर निर्भर हैं। उन्होंने एक बुद्धिमान निर्णय सहायता प्रणाली (decision support system) बनाई है जो फसलों के लिए एक डिजिटल संरक्षक के रूप में कार्य करती है। अंधे होकर छिड़काव करने के बजाय, यह प्रणाली बचाव की दो परतें उपयोग करती है। पहली परत एक सक्रिय (proactive) परत है जो मौसम पर नज़र रखती है। चूंकि लेट ब्लाइट का कारण बनने वाला कवक उच्च आर्द्रता और मध्यम तापमान जैसी विशिष्ट स्थितियों में पनपता है, इसलिए यह प्रणाली लगातार मौसम के पूर्वानुमान की जांच करती है ताकि यह भविष्यवाणी की जा सके कि वातावरण पौधों के लिए कब खतरनाक होने वाला है। दूसरी परत प्रतिक्रियात्मक (reactive) है; यह सीधे पत्तियों को देखने के लिए एक कैमरे और आर्टिफिशियल इंटेलिजेंस का उपयोग करती है, ताकि संक्रमण के दृश्य संकेतों को उनके प्रकट होते ही पहचाना जा सके। इन दोनों दृष्टिकोणों को जोड़कर, यह प्रणाली किसान को ठीक बताती है कि कब छिड़काव करना है, यह सुनिश्चित करते हुए कि रसायनों का उपयोग केवल तभी किया जाए जब खतरा वास्तविक हो और छिड़काव के लिए मौसम अनुकूल हो।

इस प्रणाली का केंद्र एक कैमरा-आधारित डिटेक्टर है जिसे आलू की पत्तियों पर लेट ब्लाइट की विशिष्ट पहचान करने के लिए प्रशिक्षित किया गया है। शोधकर्ताओं ने एक परिष्कृत कंप्यूटर विज़न मॉडल चुना, जो कि एक प्रकार का सॉफ्टवेयर है जो छवियों में वस्तुओं की पहचान कर सकता है, और इसे तस्वीरों के एक विशाल संग्रह पर प्रशिक्षित किया। यह सुनिश्चित करने के लिए कि सॉफ्टवेयर वास्तविक खेत की अव्यवस्थित और अप्रत्याशित स्थितियों में काम करे, उन्होंने केवल प्रयोगशाला की आदर्श तस्वीरों का उपयोग नहीं किया। उन्होंने सार्वजनिक डेटासेट से छवियों को वास्तविक अल्जीरियाई खेतों की तस्वीरों के साथ जोड़ा, और उन्होंने कंप्यूटर को यह सिखाने के लिए कि बीमारी को क्या नहीं समझना है, मिट्टी और पृष्ठभूमि के शोर (clutter) की तस्वीरें भी जोड़ीं। इस प्रशिक्षण ने सिस्टम को एक बीमार पत्ती और मिट्टी के एक टुकड़े के बीच उल्लेखनीय सटीकता के साथ अंतर करने में सक्षम बनाया। परीक्षण के दौरान, सॉफ्टवेयर ने बीमारी की उपस्थिति के लगभग सभी मामलों में सही पहचान की और बहुत कम बार गलत अलार्म दिया, जिससे विश्वसनीयता का एक उच्च स्तर प्राप्त हुआ जो बताता है कि इस पर खेत में भरोसा किया जा सकता है।

हालाँकि, बीमारी को देखना केवल आधी लड़ाई है; कार्रवाई कब करनी है, यह दूसरी आधी लड़ाई है। सिस्टम केवल पत्ती पर एक धब्बा देखते ही "अभी छिड़काव करें" नहीं चिल्लाता। यह एक तार्किक जांच (logical check) चलाता है ताकि यह सुनिश्चित किया जा सके कि छिड़काव वास्तव में सुरक्षित और प्रभावी है। यह मौसम के पूर्वानुमान को देखता है ताकि पुष्टि की जा सके कि रसायनों को बहा ले जाने के लिए कोई बारिश नहीं होगी और हवा इतनी शांत है कि स्प्रे इधर-उधर न उड़े। यह एक डिजिटल लॉग की भी जांच करता है ताकि यह सुनिश्चित हो सके कि फसल पर हाल ही में छिड़काव नहीं किया गया है, जिससे रसायनों के अत्यधिक उपयोग को रोका जा सके। यदि ये सभी स्थितियां पूरी होती हैं, तो सिस्टम एक छिड़काव मिशन का सुझाव देता है। यदि स्थितियां सही नहीं हैं, तो यह प्रतीक्षा करता है। इस तर्क (logic) को एक केंद्रीय सॉफ्टवेयर फ्रेमवर्क द्वारा प्रबंधित किया जाता है जो सिस्टम के सभी विभिन्न हिस्सों को जोड़ता है, जिससे कैमरे से लेकर मौसम के डेटा तक, वे सहजता से एक-दूसरे से बात कर सकें।

इस तकनीक को किसान के लिए उपयोगी बनाने के लिए, शोधकर्ताओं ने एक सरल वेब इंटरफेस बनाया है जिसे कोई भी कंप्यूटर या फोन पर एक्सेस कर सकता है। यह डैशबोर्ड किसान को दिखाता है कि सिस्टम वास्तविक समय में क्या देख रहा है, मौसम के अलर्ट प्रदर्शित करता है, और छिड़काव के अनुशंसित समय की सूची देता है। किसान नियंत्रण में रहता है, जो एक सिंगल क्लिक के साथ छिड़काव मिशन को स्वीकृत या रद्द कर सकता है, या सिस्टम को ऑटोमैटिक और मैनुअल मोड के बीच स्विच कर सकता है। संपूर्ण सेटअप "रोबोट-रेडी" (robot-ready) बनाने के लिए डिज़ाइन किया गया है, जिसका अर्थ है कि सॉफ्टवेयर एक मानक प्लेटफॉर्म पर बना है जो इसे भविष्य में एक भौतिक रोबोट से आसानी से जोड़ने की अनुमति देता है। जबकि वर्तमान संस्करण एक लैपटॉप और वेबकैम पर चलता है, इसका आर्किटेक्चर इस तरह तैयार है कि एक दिन, एक स्वायत्त रोबोट पंक्तियों के बीच से गुजर सकता है, पत्तियों को स्कैन कर सकता है, और बिना मानवीय हस्तक्षेप के पौधों पर छिड़काव कर सकता है।

शोधकर्ताओं ने अपने सिस्टम का परीक्षण अल्जीरिया में एक अनुसंधान संस्थान में वास्तविक कृषि परिवेश में किया। चूंकि परीक्षण अवधि के दौरान आलू का सीजन नहीं था, इसलिए उन्होंने टमाटर के पौधों का उपयोग किया, जो आलू के करीबी रिश्तेदार हैं और उसी बीमारी से पीड़ित होते हैं। सिस्टम ने टमाटर की पत्तियों पर लेट ब्लाइट का वास्तविक समय में सफलतापूर्वक पता लगाया, यहाँ तक कि बदलते प्रकाश और छाया वाले खेत के जटिल वातावरण में भी। सॉफ्टवेयर ने अविश्वसनीय रूप से तेजी से छवियों को प्रोसेस किया, एक नई तस्वीर का विश्लेषण एक सौवें सेकंड से भी कम समय में किया, जो चलते हुए कैमरे के साथ तालमेल बिठाने के लिए पर्याप्त तेज़ है। मौसम भविष्यवाणी मॉड्यूल भी विश्वसनीय साबित हुआ, जिसने उन विशिष्ट समय अंतराल की सही पहचान की जब बीमारी फैलने के लिए स्थितियां अनुकूल थीं और कब छिड़काव करना सुरक्षित था।

इस कार्य के परिणाम दिखाते हैं कि साप्ताहिक छिड़काव के कठोर और अपव्ययी अभ्यास से हटकर एक अधिक बुद्धिमान और उत्तरदायी दृष्टिकोण की ओर बढ़ना संभव है। एक तीक्ष्ण डिजिटल दृष्टि और मौसम की सावधानीपूर्वक समझ को जोड़कर, यह प्रणाली रसायनों के उपयोग को कम करते हुए फसलों की रक्षा करने का एक तरीका प्रदान करती है। शोधकर्ता स्वीकार करते हैं कि सिस्टम अभी भी पूर्ण नहीं है; इसे वास्तव में आलू के खेतों पर परीक्षण करने और एक भौतिक रोबोट में एकीकृत करने की आवश्यकता है ताकि यह सिद्ध किया जा सके कि यह एक खेत की दीर्घकालिक मांगों को संभाल सकता है। हालांकि, सॉफ्टवेयर स्वयं पूरी तरह से कार्यात्मक है और अगले चरण के लिए तैयार है। यह परियोजना एक ऐसे भविष्य की ओर एक महत्वपूर्ण कदम है जहाँ किसान अपनी फसल की पैदावार से समझौता किए बिना लागत को कम करने और पर्यावरण की रक्षा करने के लिए डेटा और सटीकता पर भरोसा कर सकते हैं।