একটি মেশিন ভিশন সিস্টেম যা বাগানের গাছে ফুলের গুচ্ছের মধ্যে আপেল রাজার ফুলগুলিকে সনাক্ত করতে এবং সনাক্ত করতে সক্ষম পেন স্টেটের গবেষকরা তৈরি করেছিলেন - এটি একটি রোবোটিক পরাগায়ন পদ্ধতির বিকাশের একটি গুরুত্বপূর্ণ প্রাথমিক পদক্ষেপ - এটির প্রথম ধরণের গবেষণায় .
আপেল ফুলগুলি শাখাগুলির সাথে সংযুক্ত চার থেকে ছয়টি ফুলের দলে বৃদ্ধি পায় এবং কেন্দ্রের পুষ্প রাজা ফুল নামে পরিচিত। এই ফুল গুচ্ছে প্রথমে খোলে এবং সাধারণত সবচেয়ে বড় ফল ধরে। সুতরাং, এটি একটি রোবোটিক পরাগায়ন সিস্টেমের মূল লক্ষ্য, গবেষক লং হে, কৃষি বিভাগের সহকারী অধ্যাপক এবং জৈবিক প্রকৌশল.
আপেলের উৎপাদনশীলতার জন্য ঐতিহ্যগতভাবে পোকা পরাগায়নের উপর নির্ভর করা হয়েছে। যাইহোক, প্রমাণ দেখায় যে গৃহপালিত মৌমাছি এবং বন্য পরাগায়নকারী উভয়ের পরাগায়ন পরিষেবাগুলি ক্রমবর্ধমান চাহিদার সাথে মেলে না, তিনি উল্লেখ করেছেন। কারণে উপনিবেশ পতন ব্যাধি, বিশ্বজুড়ে মৌমাছি আশঙ্কাজনক হারে মারা যাচ্ছে। ফলস্বরূপ, উৎপাদকদের পরাগায়নের বিকল্প পদ্ধতি প্রয়োজন।
এই গবেষণাটি কলেজ অফ এগ্রিকালচারাল সায়েন্সেসের হি'স গবেষণা গোষ্ঠী দ্বারা পরিচালিত সর্বশেষ, যা শ্রম-নিবিড় কৃষি কাজগুলি যেমন মাশরুম বাছাই, আপেল গাছ ছাঁটাই এবং সবুজ-ফল পাতলা করার জন্য রোবোটিক সিস্টেমের বিকাশে নিবেদিত। এই প্রকল্পের প্রাথমিক লক্ষ্য, তিনি ব্যাখ্যা করেছিলেন, একটি গভীর শিক্ষা-ভিত্তিক দৃষ্টি ব্যবস্থা তৈরি করা যা গাছের ছাউনিগুলিতে রাজা ফুলগুলিকে সঠিকভাবে সনাক্ত করতে এবং সনাক্ত করতে পারে।
"আমরা মনে করি এই ফলাফলটি একটি রোবোটিক পরাগায়ন পদ্ধতির জন্য বেসলাইন তথ্য প্রদান করবে, যা উচ্চ মানের ফলের ফলন সর্বাধিক করার জন্য আপেলের দক্ষ এবং পুনরুৎপাদনযোগ্য পরাগায়নের দিকে পরিচালিত করবে," তিনি বলেছিলেন। "পেনসিলভেনিয়ায়, আমরা এখনও আপেলের ফসলের পরাগায়নের জন্য মৌমাছির উপর নির্ভর করতে পারি, তবে অন্যান্য অঞ্চলে যেখানে মৌমাছি মারা যাওয়া আরও গুরুতর হয়েছে, চাষীদের এই প্রযুক্তির খুব তাড়াতাড়ি প্রয়োজন হতে পারে।"
কৃষি জৈবিক প্রকৌশল বিভাগের ডক্টরেট ছাত্র সিনইয়াং মু, রাজা ফুলের গবেষণার নেতৃত্ব দেন। Mu ব্যবহার করেছে মাস্ক R-CNN-একটি জনপ্রিয় ডিপ-লার্নিং কম্পিউটার প্রোগ্রাম যা পিক্সেল-লেভেল সেগমেন্টেশন সঞ্চালন করে বস্তুগুলিকে সনাক্ত করতে যা আংশিকভাবে অন্যান্য বস্তু দ্বারা অস্পষ্ট হয়-একটি মেশিন ভিশন সিস্টেমে রাজা ফুল সনাক্ত করতে এবং সনাক্ত করতে।
মাস্ক আর-সিএনএন-ভিত্তিক সনাক্তকরণ মডেল তৈরি করতে, তিনি শত শত আপেল ব্লসম ক্লাস্টার ফটো ক্যাপচার করেছেন। তারপরে তিনি আপেল ফুলের চিত্রগুলির সেই কাঁচা ডেটাসেট থেকে রাজা ফুলগুলি সনাক্ত করতে এবং সনাক্ত করতে একটি কিং ফ্লাওয়ার সেগমেন্টেশন অ্যালগরিদম তৈরি করেছিলেন। গবেষণাটি পেন স্টেটের ফ্রুট রিসার্চ অ্যান্ড এক্সটেনশন সেন্টার, বিগলারভিলে পরিচালিত হয়েছিল।
গালা এবং হানিক্রিস্প আপেল পরীক্ষার জন্য জাত নির্বাচন করা হয়েছিল। পরীক্ষামূলক গাছগুলি 2014 সালে প্রায় 5 ফুট (গালা) এবং 6 1/2 ফুট (হানিক্রিস্প) গাছের ব্যবধানে রোপণ করা হয়েছিল। এই গাছগুলিকে লম্বা স্পিন্ডেল ক্যানোপি আর্কিটেকচারে প্রশিক্ষণ দেওয়া হয়েছিল, যার গড় উচ্চতা প্রায় 13 ফুট। একটি ক্যামেরা সহ চিত্র-অধিগ্রহণ সিস্টেমটি গাছের সারিগুলির মধ্যে চালিত একটি ইউটিলিটি গাড়িতে মাউন্ট করা হয়েছিল।
রাজা ফুলগুলি সনাক্ত করার জন্য মেশিন ভিশন সিস্টেমকে প্রশিক্ষণ দেওয়া চ্যালেঞ্জিং ছিল, মু উল্লেখ করেছেন, কারণ এগুলি ক্লাস্টারে পার্শ্বীয় ফুলের মতো একই আকার, রঙ এবং আকৃতি, এবং রাজা ফুলগুলি সাধারণত তাদের কেন্দ্রীয় অবস্থানের কারণে আশেপাশের ফুলগুলি দ্বারা অস্পষ্ট থাকে৷
মাস্ক R-CNN মডেল প্রশিক্ষণের জন্য স্থানান্তর শিক্ষার প্রয়োজনীয়তা পূরণ করতে, কাঁচা ছবি দুটি পূর্ব-নির্ধারিত শ্রেণীতে লেবেল করা হয়েছিল: পৃথক ফুল এবং আটকানো ফুল। নির্ভুলতা বাড়ানোর জন্য, প্রশিক্ষণ ডেটাসেটটি ডেটা-অগমেন্টেশন পদ্ধতি ব্যবহার করে চার গুণ বৃদ্ধি করা হয়েছিল, মু ব্যাখ্যা করেছেন।
"পাশ্বর্ীয় ফুল থেকে রাজা ফুলকে আলাদা করার জন্য, প্রতিটি ফুলের ক্লাস্টারের মধ্যে সবচেয়ে কেন্দ্রীয় ফুলকে লক্ষ্যবস্তু বা স্থানীয়করণ করা হয়েছিল," তিনি বলেছিলেন। "ভিশন সিস্টেম স্বয়ংক্রিয়ভাবে ফুলের ক্লাস্টারগুলিকে দ্বি-মাত্রিক ফুলের ঘনত্ব ম্যাপিং পদ্ধতির উপর ভিত্তি করে পৃথকভাবে অবস্থিত করে। প্রতিটি শনাক্ত করা ফুলের ক্লাস্টারের মধ্যে, সবচেয়ে কেন্দ্রীভূত অবস্থানে ফুল-বা মুখোশ-কে টার্গেট কিং ফ্লাওয়ার হিসাবে নির্ধারণ করা হয়েছিল।"
সম্প্রতি প্রকাশিত ফলাফলে স্মার্ট কৃষি প্রযুক্তি, গবেষকরা Mu এর অ্যালগরিদমের ফলে উচ্চ স্তরের রাজা ফুল-সনাক্তকরণ নির্ভুলতার রিপোর্ট করেছেন। চোখের দ্বারা রাজা ফুল শনাক্তকারী গবেষকদের দ্বারা ম্যানুয়ালি নেওয়া পরিমাপের সাথে তুলনা করা হয়-যাকে গবেষকদের দ্বারা গ্রাউন্ড ট্রুথ পরিমাপ বলা হয়-মেশিন ভিশন কিং ফুল সনাক্তকরণের সঠিকতা 98.7% থেকে 65.6% পর্যন্ত পরিবর্তিত হয়।