Beyond Accuracy Rankings: Cross-Dataset Stability and Computational Cost in Plant Disease Classification

एक खेत के शांत कोनों में, एक भरपूर फसल और बर्बाद होती फसल के बीच का अंतर अक्सर एक एकल, समय पर लिए गए निर्णय पर निर्भर करता है: संक्रमण फैलने से पहले एक बीमार पत्ते की पहचान करना। सदियों से, इस कार्य के लिए किसान या कृषि विशेषज्ञ की प्रशिक्षित दृष्टि पर भरोसा किया जाता रहा है, जो अनुभव से निखरी हुई एक कुशलता है, लेकिन थकान, विभिन्न बीमारियों के बीच समान लक्षणों और प्राकृतिक दुनिया के अराजक चरों के प्रति संवेदनशील है। इस कार्य में एक स्थिर हाथ लाने के लिए, वैज्ञानिकों ने कंप्यूटर विज़न की ओर रुख किया है, जिसमें मशीनों को हजारों तस्वीरों के माध्यम से पौधों की बीमारियों को पहचानना सिखाया गया है। डीप लर्निंग पर आधारित ये डिजिटल सिस्टम, उन छवियों पर परीक्षण किए जाने पर जिन्हें पहचानने के लिए उन्हें सिखाया गया था, बीमारी का पता लगाने में उल्लेखनीय रूप से कुशल हो गए हैं। हालाँकि, एक महत्वपूर्ण प्रश्न बना हुआ है: यदि कोई सिस्टम प्रयोगशाला के पूर्ण प्रकाश में किसी बीमारी का निदान करना सीखता है, तो क्या यह तब भी काम करेगा जब रोशनी बहुत तेज हो, पृष्ठभूमि खरपतवारों से भरी हो, या फोटो किसी अलग कैमरे से ली गई हो? इन उपकरणों की विश्वसनीयता केवल इस बात पर निर्भर नहीं करती कि वे अपने प्रशिक्षण डेटा को कितनी अच्छी तरह याद रखते हैं, बल्कि इस पर भी निर्भर करती है कि वे वास्तविक क्षेत्र की अव्यवस्था का सामना करते हुए कैसे टिकते हैं।

यही वह केंद्रीय पहेली है जिसे लवली प्रोफेशनल यूनिवर्सिटी के शोधकर्ता नितिन कुमार और डॉ. साक्षी दुआ ने हल करने का प्रयास किया है। उन्होंने केवल इस रैंकिंग से परे देखने का निर्णय लिया कि किस कंप्यूटर मॉडल को परीक्षण पर उच्चतम स्कोर प्राप्त होता है। इसके बजाय, वे यह समझना चाहते थे कि तीन लोकप्रिय प्रकार के आर्टिफिशियल इंटेलिजेंस आर्किटेक्चर—ResNet-50, MobileNetV2, और EfficientNet-B0—कैसे प्रदर्शन करते हैं जब खेल के नियम बदल जाते हैं। उन्होंने इन मॉडलों को स्वस्थ और बीमार पत्तियों के 70,000 से अधिक छवियों के एक विशाल, क्यूरेटेड संग्रह पर प्रशिक्षित किया, जिसे 'न्यू प्लांट डिसीज डेटासेट' के रूप में जाना जाता है। यह संग्रह स्वच्छ और एकसमान है, बिल्कुल एक फोटो स्टूडियो की तरह। एक बार जब मॉडलों को प्रशिक्षित कर दिया गया, तो शोधकर्ताओं ने वहीं नहीं रोका। उन्होंने उन्हीं मॉडलों को लिया और उन्हें छवियों के एक पूरी तरह से अलग सेट पर परखा जिसे 'PlantDoc' कहा जाता है, जिसमें असमान रोशनी और जटिल पृष्ठभूमि वाले वास्तविक खेतों के फोटो शामिल हैं। लक्ष्य यह देखना था कि क्या मॉडल उस चीज़ को स्थानांतरित कर सकते हैं जो उन्होंने स्वच्छ स्टूडियो से सीखा है, और यह मापना था कि प्रत्येक मॉडल को यह काम करने के लिए कितनी कंप्यूटिंग शक्ति की आवश्यकता थी।

परिणामों ने प्रयोगशाला और वास्तविक दुनिया के प्रदर्शन के बीच एक स्पष्ट और शिक्षाप्रस्पद विभाजन को उजागर किया। उनके द्वारा प्रशिक्षित स्वच्छ, आंतरिक डेटा पर परीक्षण किए जाने पर, तीनों मॉडलों ने उच्च दक्षता के साथ प्रदर्शन किया, और अधिकांश पत्तियों की सही पहचान की। तीनों में सबसे बड़े और सबसे जटिल ResNet-50 ने उच्चतम सटीकता हासिल की, जिसने 96 प्रतिशत से अधिक छवियों को सही ढंग से वर्गीकृत किया। हालाँकि, जब शोधकर्ताओं ने वास्तविक दुनिया के PlantDoc छवियों पर स्विच किया, तो तीनों मॉडलों का प्रदर्शन तेजी से गिर गया। सबसे अच्छा प्रदर्शन करने वाले मॉडल की सटीकता भी गिरकर केवल 21 प्रतिशत से ऊपर रह गई। यह नाटकीय गिरावट आर्टिफिशियल इंटेलिजेंस की एक सामान्य खामी को रेखांकित करती है: एक प्रणाली जो नियंत्रित वातावरण में उत्कृष्ट होती है, वह अक्सर पृष्ठभूमि, प्रकाश या छवि की गुणवत्ता बदलने पर संघर्ष करती है। मॉडल संभवतः अपने प्रशिक्षण डेटा की स्वच्छ पृष्ठभूमि से सूक्ष्म संकेतों पर निर्भर रहने के लिए सीख गए थे, जो फील्ड फोटोग्राफ में अनुपस्थित थे।

फिर भी, कहानी केवल एक साधारण विफलता के साथ समाप्त नहीं होती। जब शोधकर्ताओं ने सफलता को मापने के विभिन्न तरीकों का उपयोग करके गहराई से जांच की, जो केवल औसत के बजाय इस बात पर ध्यान केंद्रित करते थे कि मॉडल प्रत्येक विशिष्ट प्रकार की बीमारी को कितनी अच्छी तरह संभालता है, तो एक अलग तस्वीर सामने आई। जबकि Resest-5et-50 की वास्तविक सटीकता अभी भी फील्ड छवियों पर सबसे अधिक थी, MobileNetV2 मॉडल, जिसे हल्का और तेज़ बनाने के लिए डिज़ाइन किया गया है, वास्तव में विशिष्ट रोग श्रेणियों को सही ढंग से पहचानने में बेहतर प्रदर्शन कर रहा था। इसने एक ऐसे मीट्रिक में उच्च स्कोर प्राप्त किया जो प्रत्येक बीमारी के प्रकार को समान रूप से महत्वपूर्ण मानता है, जिससे पता चलता है कि यह हर मामले में अधिक सुसंगत था। यह खोज इस धारणा को चुनौती देती है कि सबसे शक्तिशाली या जटिल मॉडल हमेशा सबसे अच्छा विकल्प होता है। इस मामले में, दक्षता के लिए बनाए गए मॉडल ने वास्तविक दुनिया की अनिश्चितता के सामने आश्चर्यजनक लचीलापन दिखाया।

सटीकता के अलावा, अध्ययन ने इन मॉडलों को चलाने की लागत पर भारी जोर दिया। कृषि की दुनिया में, जहाँ कंप्यूटर दूरदराज के खेतों में सौर-ऊर्जा संचालित उपकरणों पर चल सकते हैं, वहाँ गति और मेमोरी का उपयोग बुद्धिमत्ता जितना ही महत्वपूर्ण है। शोधकर्ताओं ने मापा कि प्रत्येक मॉडल को एक एकल छवि का विश्लेषण करने में कितना समय लगा और वह एक सेकंड में कितनी छवियां संसाधित कर सकता है। यहाँ, MobileNetV2 स्पष्ट विजेता था। इसे सबसे कम मेमोरी की आवश्यकता थी, यह छवियों को सबसे तेज़ी से संसाधित करता था, और एक सेकंड में 200 से अधिक छवियों को संभाल सकता था। इसके विपरीत, ResNet-50, जो अपने आंतरिक परीक्षण पर थोड़ा अधिक सटीक था, काफी धीमा था और इसे चलाने के लिए दस गुना अधिक मेमोरी की आवश्यकता थी। EfficientNet-B0 बीच में कहीं था, जो संतुलन प्रदान करता था लेकिन MobileNetV2 जैसी अत्यधिक दक्षता नहीं दिखा सका। डेटा सुझाव देता है कि व्यावहारिक अनुप्रयोगों के लिए, जहाँ संसाधन सीमित होते हैं और गति आवश्यक होती है, छोटा और तेज़ मॉडल अधिक व्यवहार्य विकल्प हो सकता है, भले ही वह एक आदर्श प्रयोगशाला सेटिंग में पूर्ण चैंपियन न हो।

शोधकर्ताओं ने अपने निष्कर्षों की सीमाओं को नोट करने में सावधानी बरती। बाहरी परीक्षण में छवियों की संख्या अपेक्षाकृत कम थी, और गति मापने के लिए उपयोग किया गया विशिष्ट हार्डवेयर हर मोबाइल फोन या एज डिवाइस पर प्रदर्शन को पूरी तरह से प्रतिबिंबित नहीं कर सकता है। उन्होंने यह भी बताया कि प्रदर्शन में गिरावट संभवतः कई कारकों के मिश्रण के कारण थी, जिसमें पृष्ठभूमि, प्रकाश व्यवस्था और छवि की गुणवत्ता में परिवर्तन शामिल थे, न कि किसी एक कारण से। उन्होंने यह दावा नहीं किया कि उन्होंने क्रॉस-डेटासेट विफलता की समस्या को हल कर दिया है, बल्कि एक स्पष्ट, नियंत्रित तुलना प्रदान की है जो दिखाती है कि विभिन्न मॉडल दबाव में कैसे व्यवहार करते हैं। अध्ययन इस निष्कर्ष के साथ समाप्त होता है कि पौधों के रोग वर्गीकरण के लिए सही उपकरण चुनने के लिए केवल एक एकल सटीकता संख्या को देखना पर्याप्त नहीं है। इसके लिए इस बात के बीच संतुलन की आवश्यकता है कि एक मॉडल कितनी अच्छी तरह भविष्यवाणी करता है, वह विभिन्न प्रकार की बीमारियों को कितनी निरंतरता से संभालता है, और वह उपलब्ध कंप्यूटिंग संसाधनों का कितनी कुशलता से उपयोग करता है। अंततः, सबसे अच्छा मॉडल वह नहीं है जिसका परीक्षण पर उच्चतम स्कोर है, बल्कि वह है जो सबसे विश्वसनीय और कुशल प्रदर्शन प्रदान करता है जब रोशनी बुझ जाती है और खेत में काम शुरू होता है।