પેન સ્ટેટના સંશોધકો દ્વારા બગીચામાં વૃક્ષો પરના ફૂલોના ક્લસ્ટરોમાં સફરજનના રાજાના ફૂલોને શોધવા અને ઓળખવામાં સક્ષમ મશીન વિઝન સિસ્ટમ - રોબોટિક પરાગનયન પ્રણાલીના વિકાસમાં એક મહત્વપૂર્ણ પ્રારંભિક પગલું-તેના પ્રકારના પ્રથમ અભ્યાસમાં. .
સફરજનના ફૂલો શાખાઓ સાથે જોડાયેલા ચારથી છ મોરના જૂથમાં ઉગે છે, અને મધ્યમાં આવેલ બ્લોસમ રાજા ફૂલ તરીકે ઓળખાય છે. આ ફૂલ ક્લસ્ટરમાં પ્રથમ ખુલે છે અને સામાન્ય રીતે સૌથી મોટું ફળ ઉગે છે. તેથી, તે રોબોટિક પરાગનયન પ્રણાલીનું મુખ્ય લક્ષ્ય છે, સંશોધક લોંગ હેના જણાવ્યા અનુસાર, કૃષિના સહાયક પ્રોફેસર અને જૈવિક ઇજનેરી.
સફરજનની ઉત્પાદકતા માટે પરંપરાગત રીતે જંતુના પરાગનયન પર આધાર રાખવામાં આવે છે. જો કે, પુરાવા સૂચવે છે કે પરાગનયન સેવાઓ, બંને પાળેલા મધમાખીઓ અને જંગલી પરાગ રજકો, વધતી માંગ સાથે મેળ ખાતી નથી, તેમણે નોંધ્યું. કારણે કોલોની પતન ડિસઓર્ડર, વિશ્વભરમાં મધમાખીઓ ભયજનક દરે મૃત્યુ પામી રહી છે. પરિણામે, ઉત્પાદકોને પરાગનયનની વૈકલ્પિક પદ્ધતિઓની જરૂર છે.
આ અભ્યાસ એગ્રીકલ્ચરલ સાયન્સ કોલેજમાં હીના સંશોધન જૂથ દ્વારા હાથ ધરવામાં આવેલો નવીનતમ અભ્યાસ છે, જે મશરૂમ ચૂંટવા, સફરજનના ઝાડની કાપણી અને લીલા-ફળ પાતળા કરવા જેવા શ્રમ-સઘન કૃષિ કાર્યોને પૂર્ણ કરવા માટે રોબોટિક સિસ્ટમ વિકસાવવા માટે સમર્પિત છે. આ પ્રોજેક્ટનો પ્રાથમિક ધ્યેય, તેમણે સમજાવ્યું, એક ઊંડા શિક્ષણ-આધારિત વિઝન સિસ્ટમ વિકસાવવાનું હતું જે વૃક્ષની છત્રોમાં રાજા ફૂલોને ચોક્કસ રીતે ઓળખી અને શોધી શકે.
"અમને લાગે છે કે આ પરિણામ રોબોટિક પરાગનયન પ્રણાલી માટે આધારરેખા માહિતી પ્રદાન કરશે, જે ઉચ્ચ ગુણવત્તાવાળા ફળોની ઉપજ વધારવા માટે સફરજનના કાર્યક્ષમ અને પ્રજનનક્ષમ પરાગનયન તરફ દોરી જશે," તેમણે કહ્યું. "પેન્સિલવેનિયામાં, અમે હજી પણ સફરજનના પાકને પરાગાધાન કરવા માટે મધમાખીઓ પર આધાર રાખી શકીએ છીએ, પરંતુ અન્ય પ્રદેશોમાં જ્યાં મધમાખીઓનું મૃત્યુ વધુ ગંભીર હોય છે, ઉગાડનારાઓને વહેલા કરતાં વહેલી તકે આ તકનીકની જરૂર પડી શકે છે."
કૃષિ જૈવિક ઇજનેરી વિભાગમાં ડોક્ટરલ વિદ્યાર્થી ઝિન્યાંગ મુ, રાજા ફૂલના અભ્યાસનું નેતૃત્વ કર્યું. Mu એ માસ્ક R-CNN નો ઉપયોગ કર્યો - એક લોકપ્રિય ડીપ-લર્નિંગ કમ્પ્યુટર પ્રોગ્રામ જે અન્ય ઑબ્જેક્ટ્સ દ્વારા આંશિક રીતે અસ્પષ્ટ હોય તેવા ઑબ્જેક્ટ્સને શોધવા માટે પિક્સેલ-લેવલ સેગ્મેન્ટેશન કરે છે - મશીન વિઝન સિસ્ટમમાં કિંગ ફ્લાવર્સને ઓળખવા અને તેને શોધવા માટે.
માસ્ક આર-સીએનએન-આધારિત શોધ મોડલ બનાવવા માટે, તેણે સેંકડો એપલ બ્લોસમ ક્લસ્ટર ફોટા કેપ્ચર કર્યા. પછી તેણે સફરજનના ફૂલોની છબીઓના કાચા ડેટાસેટમાંથી રાજા ફૂલોને ઓળખવા અને શોધવા માટે કિંગ ફ્લાવર સેગમેન્ટેશન એલ્ગોરિધમ વિકસાવ્યું. આ સંશોધન પેન સ્ટેટના ફ્રૂટ રિસર્ચ એન્ડ એક્સટેન્શન સેન્ટર, બિગલરવિલે ખાતે હાથ ધરવામાં આવ્યું હતું.
ગાલા અને હનીક્રિસ્પ એપલ પરીક્ષણો માટે જાતો પસંદ કરવામાં આવી હતી. પરીક્ષણ વૃક્ષો 2014 માં લગભગ 5 ફુટ (ગાલા) અને 6 1/2 ફુટ (હનીક્રિસ્પ) ના વૃક્ષોના અંતર સાથે વાવવામાં આવ્યા હતા. આ વૃક્ષોને ઊંચા સ્પિન્ડલ કેનોપી આર્કિટેક્ચરમાં તાલીમ આપવામાં આવી હતી, જેની સરેરાશ ઊંચાઈ લગભગ 13 ફૂટ હતી. કૅમેરા સાથેની ઇમેજ-એક્વિઝિશન સિસ્ટમ વૃક્ષની હરોળ વચ્ચે ચાલતા ઉપયોગિતા વાહન પર માઉન્ટ કરવામાં આવી હતી.
કિંગ ફ્લાવર્સને શોધવા માટે મશીન વિઝન સિસ્ટમને તાલીમ આપવી એ પડકારજનક હતું, મુએ નિર્દેશ કર્યો, કારણ કે તેઓ ક્લસ્ટર્સમાં બાજુના ફૂલો જેવા જ કદ, રંગ અને આકાર ધરાવે છે, અને રાજા ફૂલો સામાન્ય રીતે તેમની કેન્દ્રિય સ્થિતિને કારણે આસપાસના ફૂલો દ્વારા અસ્પષ્ટ હોય છે.
માસ્ક આર-સીએનએન મોડેલ તાલીમ માટે ટ્રાન્સફર લર્નિંગની જરૂરિયાતોને પરિપૂર્ણ કરવા માટે, કાચી છબીઓને બે પૂર્વ-નિર્ધારિત વર્ગોમાં લેબલ કરવામાં આવ્યા હતા: વ્યક્તિગત ફૂલો અને બંધ ફૂલો. ચોકસાઇ વધારવા માટે, ડેટા-વૃદ્ધિના અભિગમોનો ઉપયોગ કરીને તાલીમ ડેટાસેટને ચાર ગણો વધાર્યો હતો, મુએ સમજાવ્યું.
"બાજુના ફૂલોથી રાજા ફૂલોને અલગ પાડવા માટે, દરેક ફૂલોના ક્લસ્ટરમાં સૌથી કેન્દ્રિય ફૂલને લક્ષિત અથવા સ્થાનિક કરવામાં આવ્યા હતા," તેમણે કહ્યું. “દ્વિ-પરિમાણીય ફૂલ ઘનતા મેપિંગ અભિગમના આધારે વિઝન સિસ્ટમ આપોઆપ ફૂલ ક્લસ્ટરોને અલગથી સ્થિત કરે છે. દરેક શોધાયેલ ફ્લાવર ક્લસ્ટરની અંદર, ફૂલ-અથવા માસ્ક-સૌથી વધુ કેન્દ્રિત સ્થાન પર લક્ષ્ય રાજા ફૂલ તરીકે નિર્ધારિત કરવામાં આવ્યું હતું.
તાજેતરમાં પ્રકાશિત થયેલા તારણોમાં સ્માર્ટ એગ્રીકલ્ચર ટેકનોલોજી, સંશોધકોએ Mu ના અલ્ગોરિધમના પરિણામે ઉચ્ચ સ્તરની કિંગ ફ્લાવર-શોધ ચોકસાઈની જાણ કરી. સંશોધકો દ્વારા કિંગ ફ્લાવર્સને આંખ દ્વારા ઓળખવામાં આવે છે - જેને સંશોધકો દ્વારા ગ્રાઉન્ડ ટ્રુથ મેઝરમેન્ટ કહેવામાં આવે છે - મશીન વિઝન કિંગ ફ્લાવર ડિટેક્શનની ચોકસાઈ 98.7% થી 65.6% સુધી બદલાય છે.