ड्रोन आलू उत्पादकों को अल्टरनेरिया का शीघ्र पता लगाने में मदद कर सकते हैं। यह बात बेल्जियम के आलू मेले इंटरपोम के दौरान कृषि, मत्स्य पालन और खाद्य अनुसंधान संस्थान (आईएलवीओ) के रूबेन वैन डी विज्वर ने कही।
ILVO कुछ समय से सेंसर, ड्रोन और आर्टिफिशियल इंटेलिजेंस के साथ अल्टरनेरिया का पता लगाने के लिए प्रयोग कर रहा है। शोधकर्ता कहते हैं, "हम ड्रोन के माध्यम से उत्पादक को अधिक जानकारी, बेहतर अवलोकन देने का प्रयास करते हैं।" उन्होंने कहा कि यह उस बिंदु तक नहीं पहुंचेगा जहां कृत्रिम बुद्धिमत्ता उत्पादकों की विशेषज्ञता को पूरी तरह से बदल सकती है।
प्राथमिक अवस्था
ड्रोन के जरिए फंगल के दागों का भी जल्दी पता लगाया जा सकता है। "ड्रोन पर सेंसर जितनी जल्दी हो सके क्षेत्र में बीमारी का पता लगाने में मदद करते हैं," वैन डी विजवर कहते हैं। "कृत्रिम बुद्धि के लिए धन्यवाद, आप पहले से ही एक पौधे पर कवक रोग देख सकते हैं। यह बहुत तेजी से उत्पादक देख सकता है, वह आमतौर पर केवल तभी देखता है जब बड़े क्षेत्र संक्रमित होते हैं। एक बार जब यह आपके पौधे में होता है तो रोग को मारना महत्वपूर्ण होता है और जितनी जल्दी आप इसे पकड़ लेते हैं, उतना ही आप इसके प्रभाव को सीमित कर सकते हैं। इस शुरुआती पहचान के लिए धन्यवाद, उत्पादक लक्षित छिड़काव और सीमित पर्यावरणीय और वित्तीय प्रभाव के साथ प्रभावी ढंग से हस्तक्षेप कर सकता है।
टैबलेट के माध्यम से परिणाम
इस तकनीक के लिए धन्यवाद, कृषि योग्य किसान को अधिक जानकारी प्राप्त होती है और एक टैबलेट के माध्यम से यह पता चलता है कि रोग खेत में कहां है। इरादा यह है कि वह कम और अधिक सटीक रूप से स्प्रे कर सके। “उत्पादक छिड़काव को छोड़ सकते हैं या इसे कुछ दिनों के लिए स्थगित कर सकते हैं। आलू पर मौसम के आधार पर 10 से 18 बार छिड़काव किया जाता है। यदि आप दो दिनों के लिए छिड़काव स्थगित कर सकते हैं, तो इसका मतलब है कि एक बड़ा लाभ।"
अल्टरनेरिया सोलानी के कारण होने वाले अर्ली ब्लाइट का स्वत: पता लगाने से पौध संरक्षण एजेंटों की खपत और संबंधित उत्पादन हानियों में भारी कमी को बढ़ावा मिल सकता है। क्षेत्र में उच्च विभेदन हाइपरस्पेक्ट्रल छवियों को प्राप्त करने के लिए एक समीपस्थ संवेदन मंच का निर्माण और अंशशोधन किया गया था, और अल्टरनेरिया घावों को सटीक रूप से मैप करने के लिए उपयोग किया जाता था। ए. सोलानी और 32 स्वस्थ संदर्भ पौधों से संक्रमित 32 आलू पौधों के लिए उच्च विभेदन चंदवा परावर्तन चित्र प्राप्त किए गए थे।
स्पेक्ट्रल क्लासिफायर जैसे आंशिक न्यूनतम वर्ग विभेदक विश्लेषण (पीएलएस-डीए) और पीसीए स्कोर के आधार पर सपोर्ट वेक्टर मशीन (एसवीएम) का परीक्षण प्रभावित और गैर-प्रभावित पिक्सल में भेदभाव करने के लिए किया गया था। दोनों स्पेक्ट्रल क्लासिफायर ने पिक्सेल स्तर पर 0.92 से ऊपर सटीकता के साथ अच्छा प्रदर्शन किया। घावों का पता लगाने के लिए एनआईआर क्षेत्र (750 एनएम) को स्पेक्ट्रम के सबसे भेदभावपूर्ण हिस्से के रूप में पहचाना गया था। चूंकि रोग का दबाव आम तौर पर प्रति क्षेत्र घावों की संख्या के रूप में व्यक्त किया जाता है, इस स्तर पर सटीकता का भी मूल्यांकन किया गया था।
इसने पत्तियों के किनारों और पत्ती की धुरी पर काफी संख्या में झूठी पहचान का संकेत दिया। इसलिए, अल्टरनेरिया घावों के आकार के बारे में विशेषज्ञ ज्ञान के आधार पर एक निर्णय वृक्ष तैयार किया गया था, और वर्गीकृत छवियों को पोस्ट-प्रोसेस करने के लिए उपयोग किया जाता था। इसने झूठे पता लगाने की संख्या को कम कर दिया, सटीकता को 0.17 से बढ़ाकर 0.22 कर दिया और रिकॉल को 0.88 से घटाकर 0.84 कर दिया। यह वस्तु स्तर पर वर्गीकरण सटीकता में सुधार के लिए काफी जगह छोड़ देता है। हमने सीखा कि (1) कुछ, व्यापक तरंगदैर्ध्य पर्याप्त हैं और (2) अल्टरनेरिया संक्रमण के कारण होने वाले घावों का पता लगाने के लिए स्थानिक संदर्भ आवश्यक है।
क्लासिफायरियर में स्थानिक संदर्भ को कुशलतापूर्वक एनकैप्सुलेट करके मॉडल के प्रदर्शन को बढ़ाने के लिए अधिक शक्तिशाली वस्तु वर्गीकरण तकनीकों जैसे कि दृढ़ तंत्रिका नेटवर्क के अनुप्रयोग से पता लगाने के प्रदर्शन में और सुधार हो सकता है। यह यूएवी या ट्रैक्टर आधारित अल्टरनेरिया मैपिंग का मार्ग प्रशस्त कर सकता है।
