शोधकर्ता बीज विश्लेषण की एआई-समर्थित विधि विकसित करते हैं

ब्राजील के न्यूक्लियर एनर्जी इन एग्रीकल्चर (सीएनईए) और लुइज डी क्वीरोज़ कॉलेज ऑफ एग्रीकल्चर (ईएसएलक्यू) के शोधकर्ताओं की एक टीम ने एआई-ड्रिवन मेथड ऑफ सीड क्वालिटी एनालिसिस बनाया है, जिससे कृषि बीजों की गुणवत्ता निर्धारित करने में आवश्यक समय में काफी कमी आई है।

फिज़.ओर्ग के अनुसार, शोध टीम ने प्रकाश-आधारित इमेजिंग प्रौद्योगिकी का उपयोग करके बीजों की तस्वीरें एकत्र कीं। शोध टीम द्वारा उपयोग की जाने वाली तकनीकों में मल्टीस्पेक्ट्रल इमेजिंग और क्लोरोफिल फ्लोरोसेंस शामिल थे। शोध टीम ने अपने प्रयोगात्मक मॉडल के रूप में गाजर और टमाटर का चयन किया, विभिन्न देशों में और विभिन्न परिस्थितियों में विभिन्न किस्मों का उत्पादन करने के लिए। उन्होंने जिन बीजों का चयन किया था, वे अमेरिका और ब्राजील में उत्पादित व्यावसायिक टमाटर किस्में थीं, साथ ही इटली, चिली और ब्राजील में उत्पादित व्यावसायिक गाजर किस्में थीं।

इन फसलों की मांग पूरे विश्व में बढ़ रही है, लेकिन इन फसलों के लिए बीज इकट्ठा करना मुश्किल हो सकता है। गाजर और टमाटर दोनों की परिपक्वता प्रक्रिया असमान नहीं है। इन फसलों के लिए बीज उत्पादन भी गैर-सिंक्रोनस है, जिसका अर्थ है कि इन टमाटर और गाजर से निकाले गए बीज लॉट में परिपक्व और अपरिपक्व दोनों बीज हो सकते हैं। आंख से परिपक्व और अपरिपक्व बीजों के बीच अंतर करना आसान नहीं है, लेकिन कंप्यूटर विजन सिस्टम इस प्रक्रिया को आसान बना सकते हैं।

पारंपरिक रूप से, बीजों का मूल्यांकन या तो अंकुरण और जोर परीक्षण द्वारा किया जाता है। अंकुरण परीक्षण में बीजों को बोना और अंकुरित करना शामिल है, जबकि जोर परीक्षण बीजों के तनाव के प्रति प्रतिक्रिया का आकलन करने का लक्ष्य रखते हैं। इन परीक्षणों से परिणाम प्राप्त करने में दो सप्ताह या अधिक समय लग सकता है, जिसका अर्थ है कि मशीन लर्निंग तकनीकें पारंपरिक बीज विश्लेषण तकनीकों की तुलना में काफी तेज हैं।

प्रशिक्षण छवियों को एकत्र करने के बाद, शोधकर्ताओं ने बीज छवियों की व्याख्या को स्वचालित करने के लिए एक रैंडम फॉरेस्ट क्लासिफायर का उपयोग किया। इस ऑप्टिकल इमेजिंग सिस्टम में पारंपरिक विधियों की तुलना में कई फायदे हैं, जिनमें से एक यह है कि ऑप्टिकल इमेजिंग प्रौद्योगिकी बीजों के पूरे बैचों पर उपयोग की जा सकती है, न कि केवल उन बैचों के छोटे नमूनों पर। इस पद्धति का एक अन्य फायदा यह है कि कंप्यूटर विजन तकनीक गैर-आक्रामक है, इसलिए यह विश्लेषण किए गए किसी भी उत्पाद को नष्ट नहीं करती है।

बीज गुणवत्ता का विश्लेषण करने के लिए शोधकर्ताओं द्वारा उपयोग की जाने वाली एक विधि क्लोरोफिल फ्लोरोसेंस थी। शोध टीम द्वारा विकसित अल्गोरिदम बीजों के भीतर क्लोरोफिल की उपस्थिति का उपयोग करते हैं। क्लोरोफिल बीजों को विकास के लिए आवश्यक ऊर्जा प्रदान करता है, और यदि बीज में अभी भी बड़ी मात्रा में अवशेष क्लोरोफिल है, तो इसका मतलब है कि बीज पूरी तरह से परिपक्व नहीं है। इस अवशेष क्लोरोफिल का पता मल्टीस्पेक्ट्रल इमेजिंग से लगाया जा सकता है, जिसमें लाल प्रकाश क्लोरोफिल को उत्तेजित करता है और विशेष उपकरण इसके फ्लोरोसेंस को पकड़ते हैं और इसे एक विद्युत संकेत में परिवर्तित करते हैं।

मल्टीस्पेक्ट्रल इमेजिंग में विभिन्न बिंदुओं पर प्रकाश को उत्सर्जित करने के लिए एलईडी का उपयोग शामिल है। शोधकर्ताओं ने उत्सर्जित प्रकाश को 19 अलग-अलग तरंग दैर्ध्य में विभाजित किया और इन तरंग दैर्ध्य के लिए परावर्तन के आधार पर बीज गुणवत्ता का विश्लेषण किया। उन्होंने पारंपरिक बीज विश्लेषण विधियों के माध्यम से प्राप्त गुणवत्ता डेटा के साथ परिणामों की तुलना की। शोधकर्ताओं ने पाया कि गाजर बीजों के मूल्यांकन के लिए नियर-इन्फ्रारेड प्रकाश का उपयोग करना सबसे अच्छा काम करता है, जबकि टमाटर बीजों के मूल्यांकन के लिए यूवी प्रकाश सबसे अच्छा काम करता है।

बीज प्रोटीन, शर्करा और लिपिड से भरे होते हैं जो कुछ तरंग दैर्ध्य को अवशोषित करते हैं और शेष प्रकाश को परावर्तित करते हैं। एक मल्टीस्पेक्ट्रल कैमरा परावर्तित प्रकाश को पकड़ने के लिए उपयोग किया जाता है, और परिणामी छवि डेटा का उपयोग पूरी तरह से कब्जे वाली छवि में बीजों को खोजने के लिए किया जाता है। बीज में किसी दिए गए पोषक तत्व की मात्रा जितनी अधिक होगी, उतनी ही अधिक तरंग दैर्ध्य को अवशोषित किया जाएगा। एक श्रृंखला को बीजों को स्थानीयकृत करने में सबसे अच्छा प्रदर्शन करने वाली तरंग दैर्ध्य की पहचान करने के लिए एल्गोरिदम का उपयोग किया जाता है। इस प्रक्रिया का उपयोग बीजों की रासायनिक संरचना के बारे में जानकारी प्रदान करने के लिए किया जा सकता है, जिससे उनकी गुणवत्ता का अनुमान लगाया जा सकता है। शोध टीम ने तब सामग्री को वर्गीकृत करने के लिए गणितीय और सांख्यिकीय मॉडल का उपयोग करके बीज गुणवत्ता का वर्णन करने वाली कक्षाएं बनाने के लिए केमोमेट्रिक्स का उपयोग किया।

अंत में, शोधकर्ता अपने द्वारा बनाए गए केमोमेट्रिक्स मॉडल की सटीकता का मूल्यांकन करने के लिए मशीन लर्निंग मॉडल का उपयोग करने में सक्षम थे। टमाटर बीजों के मामले में, गुणवत्ता वर्गीकरण सटीकता 86% से 95% तक थी। गाजर बीजों के मामले में, सटीकता 88% से 97% तक थी।

क्लोरोफिल फ्लोरोसेंस तकनीक और मल्टीस्पेक्ट्रल इमेजिंग तकनीक दोनों ही पारंपरिक तरीकों की तुलना में विश्वसनीय और बहुत तेज साबित हुईं। यदि यह विधि विश्वसनीय साबित होती है, तो इसकी संभावना है कि यह विश्व भर के किसानों के लिए उच्च गुणवत्ता वाले बीज ला सकती है।