A Lightweight Browser-Based CNN for Fresh Produce Freshness Classification Using MobileNetV2
यह अध्ययन एक हल्के, ब्राउज़र-आधारित सिस्टम को प्रस्तुत करता है जो पूरी तरह से क्लाइंट-साइड पर ताजे बनाम सड़े हुए उत्पादों को वर्गीकृत करने के लिए MobileNetV2 मॉडल और TensorFlow.js का उपयोग करके 98.46% सटीकता प्राप्त करता है, जो सर्वर इंफ्रास्ट्रक्चर या विशेष हार्डवेयर की आवश्यकता के बिना संसाधन-बाधित कृषि परिवेशों के लिए एक स्केलेबल समाधान प्रदान 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 दिन, दुनिया का एक बड़ा हिस्सा भोजन प्लेट तक पहुँचने से पहले ही गायब हो जाता है। फल और सब्जियाँ, जो लोगों को स्वस्थ रखने के लिए आवश्यक पोषक तत्वों से भरपूर होती हैं, अक्सर खराब रखरखाव या गलत परिस्थितियों में रखे जाने के कारण सड़ जाती हैं। कई स्थानों पर, यह तय करना कि कोई उपज खाने के लिए अभी भी अच्छी है या नहीं, पूरी तरह से किसी व्यक्ति द्वारा उसे देखने और एक अनुमान लगाने पर निर्भर करता है। यह व्यक्तिपरक निर्णय बड़े पैमाने पर बर्बादी का कारण बन सकता है, जहाँ पूरी तरह से खाने योग्य भोजन फेंक दिया जाता है, या इससे भी बुरा, असुरक्षित भोजन बेचा जाता है। जबकि तकनीक ने किसानों को मौसम का पूर्वानुमान लगाने या कीटों का पता लगाने में मदद की है, लेकिन उन लोगों को भोजन की गुणवत्ता तय करने में मदद करने के लिए सरल, सुलभ उपकरणों की कमी रही है जिन्हें महंगी मशीनों या प्रयोगशाला की आवश्यकता न हो।
दक्षिण अफ्रीका के वेस्टर्न कैप यूनिवर्सिटी के शोधकर्ताओं ने एक ऐसा समाधान बनाया है जो एक मानक वेब ब्राउज़र में फिट बैठता है, जो एक सामान्य स्मार्टफोन या कंप्यूटर को खाद्य ताजगी की जांच करने वाले उपकरण में बदल देता है। उनका काम आर्टिफिशियल इंटेलिजेंस के एक विशिष्ट प्रकार पर केंद्रित है जिसे 'कन्वोल्यूशनल न्यूरल नेटवर्क' कहा जाता है, जो एक कंप्यूटर सिस्टम है जिसे चित्रों को देखकर सीखने के लिए डिज़ाइन किया गया है, ठीक वैसे ही जैसे एक इंसान आकृतियों और पैटर्न को पहचानना सीखता है। उन्होंने इस सिस्टम को सेब, केले, खीरे और टमाटर सहित नौ अलग-अलग प्रकार की उपज के ताजे और सड़े हुए संस्करणों के लगभग 30,000 चित्रों के विशाल संग्रह का उपयोग करके प्रशिक्षित किया। लक्ष्य केवल एक स्मार्ट कंप्यूटर बनाना नहीं था, बल्कि एक ऐसा कंप्यूटर बनाना था जो इतना हल्का हो कि इसे डेटा को केंद्रीय सर्वर पर भेजने या निरंतर इंटरनेट कनेक्शन पर निर्भर हुए बिना पूरी तरह से उपयोगकर्ता के डिवाइस पर चलाया जा सके।
शोधकर्ताओं ने अपने कंप्यूटर विजन सिस्टम के लिए एक विशिष्ट डिज़ाइन चुना जिसे 'मोबाइलनेटवी2' (MobileNetV2) कहा जाता है। यह डिज़ाइन प्रसिद्ध है अपनी दक्षता के लिए, जिसका अर्थ है कि यह बहुत कम कंप्यूटिंग शक्ति का उपयोग करते हुए जटिल कार्य कर सकता है। उन्होंने सिस्टम को सड़न के दृश्य संकेतों, जैसे कि रंग में बदलाव, नरम धब्बों या फफूंद को पहचानने के लिए प्रशिक्षित किया, और प्रत्येक छवि को दो श्रेणियों में से एक में वर्गीकृत किया: ताजा या सड़ा हुआ। अपने बड़े डेटासेट पर सिस्टम को प्रशिक्षित करने के बाद, उन्होंने छवियों के एक अलग समूह पर इसका परीक्षण किया जिसे उसने पहले कभी नहीं देखा था। परिणाम आश्चर्यजनक थे: सिस्टम ने लगभग 98.5 प्रतिशत मामलों में उपज की स्थिति को सही ढंग से पहचाना। यह न केवल सटीक था; बल्कि यह बहुत सुसंगत भी था, और इसने ताजे या सड़े हुए दोनों प्रकार के सामानों पर बहुत कम गलतियाँ कीं।
इस तकनीक को वास्तविक लोगों के लिए उपयोगी बनाने के लिए, टीम ने अपने कंप्यूटर मॉडल को एक वेब एप्लिकेशन के भीतर लपेटा। जब कोई उपयोगकर्ता अपने ब्राउज़र पर इस पेज को खोलता है, तो वे फल या सब्जी की फोटो ले सकते हैं या मौजूदा तस्वीर अपलोड कर सकते हैं। एप्लिकेशन सीधे डिवाइस पर ही छवि को प्रोसेस करता है, और तुरंत उपयोगकर्ता को बताता है कि वस्तु ताजी है या सड़ी हुई। केवल "हाँ" या "नहीं" देने के बजाय, सिस्टम एक 'कॉन्फिडेंस स्कोर' प्रदान करता है, जिसे शोधकर्ता 'विजुअल फ्रेशनेस इंडेक्स' (Visual Freshness Index) कहते हैं। यह इंडेक्स एक गेज की तरह काम करता है, जो उपयोगकर्ता को यह दिखाता है कि कंप्यूटर अपने निर्णय के बारे में कितना आश्वस्त है। यदि कंप्यूटर बहुत आश्वस्त है, तो इंडेक्स उच्च होता है; यदि छवि धुंधली है या उपज असामान्य स्थिति में है, तो इंडेक्स गिर जाता है, जो उपयोगकर्ता को अधिक सावधान रहने का संकेत देता है। एप्लिकेशन आइटम को स्टोर करने के सामान्य सुझाव भी प्रदान करता है, हालांकि शोधकर्ता सावधानी बरतते हुए कहते हैं कि ये सामान्य ज्ञान पर आधारित सहायक संकेत हैं, न कि वैज्ञानिक भविष्यवाणियां कि भोजन कितने दिनों तक चलेगा।
इस अध्ययन के सबसे कठोर हिस्सों में से एक उस छिपे हुए दोष की जांच करना था जो अक्सर कंप्यूटर विजन अनुसंधान को प्रभावित करता है। कभी-कभी, परीक्षण के लिए उपयोग की जाने वाली छवियां गलती से प्रशिक्षण के लिए उपयोग की गई छवियों की प्रतियां होती हैं, जो सिस्टम को वास्तव में जितना वह है उससे अधिक स्मार्ट दिखाती हैं। शोधकर्ताओं ने पाया कि उनके द्वारा उपयोग किए गए सार्वजनिक डेटासेट का एक महत्वपूर्ण हिस्सा ऐसी डुप्लिकेट छवियों को शामिल करता था। उन्होंने डेटा को साफ किया, इन प्रतियों को हटाया, और अपने सिस्टम का पुन: परीक्षण किया। डुप्लिकेट हटाने के बाद भी, सिस्टम की सटीकता अविश्वसनीय रूप से उच्च बनी रही, जिससे साबित हुआ कि इसका प्रदर्शन वास्तविक था और डेटा का कोई छल नहीं था। उन्होंने अपने हल्के वजन वाले सिस्टम की तुलना बहुत बड़े, अधिक जटिल कंप्यूटर मॉडलों से भी की। जबकि वे बड़े मॉडल भी समान रूप से अच्छा प्रदर्शन करते थे, वे एक मानक फोन या ब्राउज़र में बिना किसी शक्तिशाली सर्वर के सुचारू रूप से चलने के लिए बहुत भारी थे। शोधकर्ताओं ने निष्कर्ष निकाला कि उनका छोटा, तेज़ मॉडल वास्तविक दुनिया के उपयोग के लिए सबसे अच्छा विकल्प था, जहाँ तकनीक और इंटरनेट की पहुंच सीमित हो सकती है।
यह कार्य प्रदर्शित करता है कि उन्नत आर्टिफिशियल इंटेलिजेंस के लिए प्रभावी होने के लिए हमेशा विशाल सर्वरों या विशेष हार्डवेयर की आवश्यकता नहीं होती है। पूरी तरह से वेब ब्राउज़र में चलने वाला सिस्टम बनाकर, शोधकर्ताओं ने एक ऐसा उपकरण तैयार किया है जिसका उपयोग संभावित रूप से दूरदराज के क्षेत्रों में किसानों, बाजार विक्रेताओं या खाद्य संचालकों द्वारा कचरे को कम करने और खाद्य सुरक्षा में सुधार करने के लिए किया जा सकता है। सिस्टम फल की रासायनिक संरचना को नहीं मापता है या उसके सटीक शेल्फ लाइफ की भविष्यवाणी नहीं करता है, लेकिन यह एक विश्वसनीय, त्वरित दृश्य मूल्यांकन प्रदान करता है जो मानवीय अनुमान की तुलना में कहीं अधिक सुसंगत है। यह आधुनिक तकनीक को रोजमर्रा की समस्याओं को हल करने के लिए सरल बनाने का एक व्यावहारिक उदाहरण है, जो संसाधनों की कमी वाले स्थानों में भी खाद्य गुणवत्ता की रक्षा करने का एक तरीका प्रदान करता 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।