Detection and Tracking Method for Walnuts in a Walnut Sorting Device Based on Improved YOLOv8n+DeepSORT

कृषि की दुनिया में, मेवों (नट्स) को छाँटने का कार्य है जो गति और सूक्ष्म दृष्टि दोनों की मांग करता है। सदियों से, किसान और प्रोसेसर अच्छे अखरोटों को खराब अखरोटों से अलग करने के लिए मानव हाथों या सरल यांत्रिक छलनी पर भरोसा करते आए हैं। ये पारंपरिक तरीके काम तो करते हैं, लेकिन ये धीमे होते हैं और अक्सर कठोर बाहरी आवरण के भीतर छिपे सूक्ष्म दोषों को पहचानने में चूक जाते हैं। बिना उसे तोड़े यह देखने के लिए कि उसके नीचे क्या है, इंजीनियर एक्स-रे इमेजिंग की ओर मुड़ते हैं। यह तकनीक, जो किसी भी अस्पताल जाने वाले व्यक्ति के लिए परिचित है, अदृश्य विकिरण का उपयोग करती है जो ठोस वस्तुओं के माध्यम से गुजरता है, जिससे स्क्रीन पर उनकी आंतरिक घनत्व और संरचना प्रकट होती है। जब इसे आधुनिक कंप्यूटर विजन के साथ जोड़ा जाता है, तो इन एक्स-रे छवियों का विश्लेषण ऐसे सॉफ्टवेयर द्वारा किया जा सकता है जो पैटर्न पहचानना सीखता है, जिससे एक भरे हुए, स्वस्थ कर्नल और एक सिकुड़े हुए या खाली कर्नल के बीच अंतर किया जा सके। हालाँकि, चुनौती इसे एक चलती हुई कन्वेयर बेल्ट के लिए पर्याप्त तेजी से करने में है, जहाँ अखरोट एक निरंतर, अराजक प्रवाह में बह रहे होते हैं। कंप्यूटर को न केवल प्रत्येक अखरोट की पहचान करनी होती है, बल्कि एक क्षण से दूसरे क्षण तक उसकी गति को भी ट्रैक करना होता है, ताकि यह सुनिश्चित हो सके कि वह अपने पड़ोसियों के बीच टकराते हुए भी सही ढंग से छाँटा जाए।

शिनजियांग विश्वविद्यालय के शोधकर्ताओं ने एक नया सिस्टम विकसित करके इस विशिष्ट समस्या का समाधान निकाला है, जिसे औद्योगिक छंटाई मशीन के माध्यम से यात्रा करते अखरोटों को देखने और छाँटने के लिए डिज़ाइन किया गया है। उनका लक्ष्य एक ऐसी डिजिटल आँख बनाना था जो बारीक आंतरिक विवरण देखने के लिए पर्याप्त तीक्ष्ण और फैक्ट्री लाइन की गति के साथ तालमेल बिठाने के लिए पर्याप्त तेज़ हो। उन्होंने छवियों में वस्तुओं को खोजने के लिए एक शक्तिशाली मौजूदा उपकरण, जो कृत्रिम बुद्धिमत्ता का एक प्रकार है जिसे न्यूरल नेटवर्क कहा जाता है, से शुरुआत की, और फिर इसे अखरोट के एक्स-रे की अनूठी चुनौतियों के लिए विशेष रूप से परिष्कृत किया। अपने प्रयोगों में, उन्होंने सिस्टम को हजारों अखरोटों की एक्स-रे छवियां दीं, जो पूरी तरह से भरे हुए से लेकर पूरी तरह से खाली तक थीं, जिससे सॉफ्टवेयर को इस बात को पहचानने के लिए प्रशिक्षित किया गया कि विकिरण खोल और उसके अंदर के कर्नल के माध्यम से कैसे गुजरता है।

उनके समाधान के मूल में दो हिस्से शामिल हैं जो तालमेल में कार्य करते हैं। पहला हिस्सा एक डिटेक्टर है जो एक्स-रे छवियों को स्कैन करता है ताकि प्रत्येक अखरोट को खोजा जा सके और उसकी गुणवत्ता निर्धारित की जा सके। दूसरा हिस्सा एक ट्रैकर है जो बेल्ट पर चलते हुए प्रत्येक अखरोट का पीछा करता है, उसे एक विशिष्ट पहचान देता है ताकि मशीन को पता चल सके कि उसे किस बिन (डिब्बे) में डालना है। शोधकर्ताओं ने पाया कि इन उपकरणों के मानक संस्करण पर्याप्त अच्छे नहीं थे। अखरोटों की एक्स-रे छवियों में अक्सर कंट्रास्ट कम होता है, जिससे आंतरिक विवरण धुंधले दिखाई देते हैं, और मानक सॉफ्टवेयर कभी-कभी तब ट्रैक खो देता है जब अखरोट बहुत तेज़ी से चलता है या दूसरे के बहुत करीब आ जाता है। इसे ठीक करने के लिए, टीम ने डिटेक्शन सॉफ्टवेयर में तीन विशिष्ट सुधार किए। उन्होंने एक नया 'अटेंशन मैकेनिज्म' जोड़ा जो कंप्यूटर को अखरोट के आंतरिक भाग के सबसे महत्वपूर्ण, बिखरे हुए विवरणों पर ध्यान केंद्रित करने में मदद करता है, जिससे वह विचलित करने वाले बैकग्राउंड को अनदेखा कर देता है। उन्होंने छवि को बड़ा करने वाले एक मानक चरण को एक अधिक गतिशील विधि से बदल दिया जो अखरोट के चिकने किनारों और बनावट को सुरक्षित रखती है, जिससे छवि का ब्लॉक जैसा या विकृत होने से बचाव होता है। अंत में, उन्होंने सिस्टम के उस हिस्से को सुव्यवस्थित किया जो विभिन्न सूचना स्तरों को जोड़ता है, जिससे पूरी प्रक्रिया को सटीक बनाए रखते हुए तेज़ बनाने के लिए अनावश्यक गणनाओं को हटा दिया गया।

ट्रैकिंग घटक के लिए, शोधकर्ताओं ने इस बात को बदलने का तरीका बदला कि सॉफ्टवेयर यह कैसे तय करता है कि दो अलग-अलग फ्रेमों में एक अखरोट की दो छवियां एक ही वस्तु से संबंधित हैं। केवल आकृतियों के ओवरलैप (एक दूसरे के ऊपर होने) पर निर्भर रहने के बजाय, उन्होंने एक ऐसी विधि पेश की जो आकृतियों के केंद्रों के बीच की दूरी पर भी विचार करती है। यह छोटा सा समायोजन तब अत्यंत महत्वपूर्ण सिद्ध हुआ जब अखरोट आपस में घिरे हुए थे या आंशिक रूप से छिपे हुए थे, क्योंकि इसने सिस्टम को प्रत्येक व्यक्तिगत अखरोट पर स्थिर पकड़ बनाए रखने में मदद की, जिससे यह गलती से अपनी पहचान बदलने या ट्रैक खोने से बच सका। जब उन्होंने अपने बेहतर सिस्टम का मूल संस्करणों के विरुद्ध परीक्षण किया, तो परिणाम स्पष्ट थे। नए डिटेक्टर ने काफी उच्च सटीकता के साथ अखरोटों की पहचान की, जिससे अधिक सूक्ष्म दोष पकड़े गए और गलत अलार्म कम हुए। इसने 412 फ्रेम प्रति सेकंड की गति से छवियों को प्रोसेस किया, जो एक वास्तविक उत्पादन लाइन के तीव्र प्रवाह को संभालने के लिए पर्याप्त तेज़ है। ट्रैकिंग सिस्टम में भी सुधार हुआ, जिससे उन त्रुटियों में कमी आई जहाँ कंप्यूटर किसी लक्ष्य को खो सकता था या एक अखरोट को दूसरे के रूप में भ्रमित कर सकता था।

यह अध्ययन दर्शाता है कि एक्स-रे इमेजिंग के विशिष्ट भौतिकी और कन्वेयर बेल्ट पर अखरोट के व्यवहार के अनुसार इन डिजिटल उपकरणों को सावधानीपूर्वक ट्यून करके, उस कार्य को स्वचालित करना संभव है जो लंबे समय से मानवीय निर्णय पर निर्भर रहा है। सुधरा हुआ सिस्टम न केवल अखरोटों को पाता है; यह उनकी गति और उनकी आंतरिक गुणवत्ता को उस स्तर की सटीकता के साथ समझता है जो पारंपरिक मशीनों के पास नहीं होती। यह कार्य न्यूट प्रोसेसिंग उद्योग के लिए एक मार्ग प्रशस्त करता है, जहाँ गति और गुणवत्ता दोनों समान रूप से महत्वपूर्ण हैं। यह सिद्ध करके कि इन उन्नत एल्गोरिदम को फैक्ट्री फ्लोर की वास्तविक, अव्यवस्थित स्थितियों को संभालने के लिए अनुकूलित किया जा सकता है, शोधकर्ताओं ने अखरोटों और संभावित रूप से अन्य समान फसलों की अधिक कुशल, विश्वसनीय और स्वचालित छंटाई के लिए एक ब्लूप्रिंट प्रदान किया है। निष्कर्ष बताते हैं कि कृषि छंटाई का भविष्य केवल तेज़ मशीनों में नहीं, बल्कि स्मार्ट सॉफ्टवेयर में निहित है जो वह देख सकता है जिसे मानवीय आँख मिस कर सकती है और वह याद रख सकता है जिसे मानवीय हाथ भूल सकता है।