फल में बीमारियाँ हैं या नहीं? बताएगा AI
Gaon Connection | Jul 28, 2025, 17:05 IST
एक नई रिसर्च में वैज्ञानिकों ने DBA-ViNet नाम का आर्टिफिशियल इंटेलिजेंस मॉडल विकसित किया है जो सेब, आम, अमरूद, अनार और संतरे जैसे फलों की बीमारियों को 99.5% तक की सटीकता से पहचान सकता है। यह ड्यूल-ब्रांच तकनीक पर आधारित मॉडल खेतों में रोग की पहचान के लिए क्रांतिकारी साबित हो सकता है। शोधकर्ता अब इस तकनीक को मोबाइल और ड्रोन जैसे उपकरणों में लागू करने की दिशा में काम कर रहे हैं।
खेती-किसानी के क्षेत्र में, फलों की बीमारियों की जल्दी पहचान करना एक बड़ी चुनौती है, ख़ासकर सेब, अमरूद, आम, अनार और संतरे जैसे फलों के मामले में जो भारत सहित पूरी दुनिया में बड़े पैमाने पर उगाए जाते हैं। समय पर पहचान न होने पर ये बीमारियाँ न केवल उत्पादन घटाती हैं, बल्कि बाजार में गुणवत्ता भी कम कर देती हैं। इसी चुनौती को हल करने के लिए वैज्ञानिकों की एक टीम ने DBA-ViNet नाम का एक अत्याधुनिक डीप लर्निंग (AI) मॉडल विकसित किया है।
यह मॉडल एक ड्यूल-ब्रांच अटेंशन-गाइडेड आर्किटेक्चर पर आधारित है, जिसमें दो शाखाएँ होती हैं — एक जो संपूर्ण चित्र की जानकारी (ग्लोबल फीचर्स) को समझती है और दूसरी जो चित्र के सूक्ष्म विवरण (लोकल फीचर्स) पर ध्यान देती है। इस संरचना की वजह से यह प्रणाली फलों की सतह पर उभरने वाले हल्के धब्बे, रेखाएं, सड़न या रंग में बदलाव जैसी सूक्ष्म समस्याओं को भी आसानी से पहचान सकती है।
कैसे काम करता है DBA-ViNet?
DBA-ViNet (Dual-Branch Attention-Guided Vision Network) को खुले स्रोत (open-source) वाले डेटासेट पर प्रशिक्षित किया गया, जिसमें पाँच प्रमुख फलों के स्वस्थ और रोगग्रस्त नमूने शामिल थे। इन छवियों को तीन भागों में बाँटा गया: 70% ट्रेनिंग, 15% वैलिडेशन और 15% टेस्टिंग के लिए। इसके अलावा, प्रदर्शन की स्थिरता के लिए 5-फोल्ड क्रॉस वेलिडेशन तकनीक का भी प्रयोग किया गया।
![fruit-disease-ai-detection-dba-vinet-agriculture-india]()
इस मॉडल की तुलना अन्य प्रसिद्ध डीप लर्निंग आर्किटेक्चर जैसे कि Swin Transformer, EfficientNetV2, ConvNeXt, YOLOv8 और MobileNetV3 से की गई। DBA-ViNet ने इन सभी मॉडलों की तुलना में ज्यादा सटीकता (accuracy), रिकॉल (recall), प्रेसिशन (precision) और एफ1 स्कोर (F1 score) हासिल किया — 99.51% की प्रभावशाली सटीकता के साथ।
इसके अलावा, Grad-CAM तकनीक का उपयोग करके यह भी दिखाया गया कि मॉडल ने बीमारी वाले क्षेत्र पर सही फोकस किया है, जिससे मॉडल पर भरोसा और पारदर्शिता दोनों बढ़ते हैं।
प्रमुख विशेषताएँ
अन्य शोधों से तुलना में यह साफ दिखता है कि DBA-ViNet न सिर्फ कई फलों की बीमारियों को पहचानने में सक्षम है, बल्कि यह छोटे और बड़े दोनों तरह के फीचर्स पर ध्यान देता है — जो कि पारंपरिक Convolutional Neural Networks (CNN) या Transformer मॉडल अकेले नहीं कर पाते।
कई अन्य अध्ययन सिर्फ एक फल या एक बीमारी पर केंद्रित रहे हैं, जबकि DBA-ViNet एक साथ बहु-फल और बहु-रोग वर्गों पर काम करता है, जिससे यह वास्तविक खेत आधारित उपयोग के लिए ज्यादा उपयुक्त बन जाता है।
भविष्य की दिशा और सीमाएँ
इस शोध में DBA-ViNet को प्रयोगशाला स्थित डेटा पर प्रशिक्षण और परीक्षण दिया गया है। लेकिन इसे वास्तविक खेतों की परिस्थितियों में (जैसे प्रकाश की असमानता, धूल, बारिश, पत्तियों की छाया आदि) पर अभी तक परखा नहीं गया है। इसलिए अगला कदम होगा — मॉडल को खेतों में लागू करके उसकी विश्वसनीयता जांचना।
शोधकर्ताओं का मानना है कि:
यह मॉडल एक ड्यूल-ब्रांच अटेंशन-गाइडेड आर्किटेक्चर पर आधारित है, जिसमें दो शाखाएँ होती हैं — एक जो संपूर्ण चित्र की जानकारी (ग्लोबल फीचर्स) को समझती है और दूसरी जो चित्र के सूक्ष्म विवरण (लोकल फीचर्स) पर ध्यान देती है। इस संरचना की वजह से यह प्रणाली फलों की सतह पर उभरने वाले हल्के धब्बे, रेखाएं, सड़न या रंग में बदलाव जैसी सूक्ष्म समस्याओं को भी आसानी से पहचान सकती है।
कैसे काम करता है DBA-ViNet?
DBA-ViNet (Dual-Branch Attention-Guided Vision Network) को खुले स्रोत (open-source) वाले डेटासेट पर प्रशिक्षित किया गया, जिसमें पाँच प्रमुख फलों के स्वस्थ और रोगग्रस्त नमूने शामिल थे। इन छवियों को तीन भागों में बाँटा गया: 70% ट्रेनिंग, 15% वैलिडेशन और 15% टेस्टिंग के लिए। इसके अलावा, प्रदर्शन की स्थिरता के लिए 5-फोल्ड क्रॉस वेलिडेशन तकनीक का भी प्रयोग किया गया।
fruit-disease-ai-detection-dba-vinet-agriculture-india (1)
इसके अलावा, Grad-CAM तकनीक का उपयोग करके यह भी दिखाया गया कि मॉडल ने बीमारी वाले क्षेत्र पर सही फोकस किया है, जिससे मॉडल पर भरोसा और पारदर्शिता दोनों बढ़ते हैं।
प्रमुख विशेषताएँ
- सेब में ब्लॉट्स, स्कैब, रोट और जंग जैसे रोगों की पहचान
- अमरूद में एन्थ्रेक्नोज और फ्रूट फ्लाई जैसी बीमारियों की सटीक जांच
- आम में पाउडरी मिल्ड्यू, एन्थ्रेक्नोज, स्टेम रोट आदि की सूक्ष्म पहचान
- अनार में बैक्टीरियल ब्लाइट, सर्कोस्पोरा जैसी अंदरूनी बीमारियाँ जो ऊपरी सतह से नहीं दिखतीं
- संतरे में ग्रीनिंग और मेलेनोस जैसे रोग, जिनके लक्षण छिलके की बनावट और रंग में होते हैं
अन्य शोधों से तुलना में यह साफ दिखता है कि DBA-ViNet न सिर्फ कई फलों की बीमारियों को पहचानने में सक्षम है, बल्कि यह छोटे और बड़े दोनों तरह के फीचर्स पर ध्यान देता है — जो कि पारंपरिक Convolutional Neural Networks (CNN) या Transformer मॉडल अकेले नहीं कर पाते।
कई अन्य अध्ययन सिर्फ एक फल या एक बीमारी पर केंद्रित रहे हैं, जबकि DBA-ViNet एक साथ बहु-फल और बहु-रोग वर्गों पर काम करता है, जिससे यह वास्तविक खेत आधारित उपयोग के लिए ज्यादा उपयुक्त बन जाता है।
भविष्य की दिशा और सीमाएँ
इस शोध में DBA-ViNet को प्रयोगशाला स्थित डेटा पर प्रशिक्षण और परीक्षण दिया गया है। लेकिन इसे वास्तविक खेतों की परिस्थितियों में (जैसे प्रकाश की असमानता, धूल, बारिश, पत्तियों की छाया आदि) पर अभी तक परखा नहीं गया है। इसलिए अगला कदम होगा — मॉडल को खेतों में लागू करके उसकी विश्वसनीयता जांचना।
शोधकर्ताओं का मानना है कि:
- इस मॉडल में ‘कॉन्फिडेंस स्कोर’ जोड़े जाने चाहिए ताकि यह बताया जा सके कि कोई भी निर्णय कितना भरोसेमंद है।
- दुर्लभ और मिलती-जुलती बीमारियों को पहचानने के लिए डेटासेट को और समृद्ध किया जाएगा।
- थर्मल इमेजिंग और हाइपरस्पेक्ट्रल इमेजिंग जैसे मल्टीमॉडल डेटा का उपयोग मॉडल की सूक्ष्म पहचान क्षमता को और मजबूत कर सकता है।
- स्मार्टफोन, ड्रोन (UAV) और अन्य एज डिवाइस पर इस मॉडल को लागू करके इसकी रीयल-टाइम क्षमता की जांच की जाएगी।
- इसके अलावा, मॉडल में गलती से वर्गीकृत (misclassified) छवियों का विश्लेषण कर यह समझने की कोशिश की जाएगी कि किन रोगों को मॉडल आपस में भ्रमित करता है, और उस पर सुधार किया जाएगा।