जपानमधील ओकायामा विद्यापीठातील न्यूरल नेटवर्क मॉडेल्सचे प्रशिक्षण देणाऱ्या संशोधकांनी साध्या डिजिटल कॅमेराद्वारे जमिनीपासून काही (०.८ ते ०.९ मीटर) उंचीवरून घेतलेल्या कापणीपूर्व छायाचित्रांचे विश्लेषण करण्यासाठी कृत्रिम बुद्धिमत्तेचा वापर करण्याचा पर्याय वापरला आहे. या विश्लेषणातून हंगामाच्या अखेर भाताचे नेमके किती उत्पादन येणार आहे, यांचा अंदाज मिळवता येईल. त्यासाठी शेतकरी आणि संशोधकांना स्मार्ट फोनवरून वापरता येईल, असे ‘HOJO’ हे अॅप्लीकेशन तयार केले आहे.

जागतिक पातळीवर वाढत असलेली लोकसंख्या आणि त्यातही बहुसंख्य लोकांचे आहार भात असल्यामुळे भविष्यात २०५० पर्यंत तांदळाची लक्षणीयरित्या वाढणार आहे. त्यामुळे जपानमधील ओकायामा विद्यापीठातील संशोधक भात पिकाच्या उत्पादनाच्या प्रक्रियेमध्ये येणाऱ्या प्रक्रिया व वेगवेगळ्या घटकांच्या नेमक्या परिणामांचा विचार करत आहेत. अशा पिकांच्या काढणीपूर्ण स्थितीतील हजारो छायाचित्रांचे विश्लेषण करून त्यातील वेगवेगळे पॅटर्न, कल (अल्गोरिदम) विशेषत: कन्व्होल्युशनल न्यूरल नेटवर्क्स (सीएनएन) द्वारे अधिक सखोलपणे जाणून घेतले जात आहेत. अशा प्रकारे कृत्रिम बुद्धिमत्तेद्वारे केल्या जाणाऱ्या विश्लेषणातून पारंपरिक स्वयंनोंदणी आणि पीक कापणी प्रयोग अशा अंदाज प्रक्रियेच्या तुलनेमध्ये अधिक अचूक अंदाज मिळवता येणार आहे. या नवीन तंत्रज्ञानाचा वापर करण्यासंदर्भात जपानी शास्त्रज्ञांनी भात पिकावर लक्ष केंद्रित केले. भाताच्या उत्पादनाचा अंदाज घेण्यासाठी त्यांनी ‘सीएनएन’ सह पिकाच्या काढणीच्या टप्प्यावर जमिनीवरून घेतलेल्या डिजिटल प्रतिमांचा वापर केला. या अभ्यासाचे निष्कर्ष २८ जुलै रोजी प्रकाशित ‘प्लॅंट फेनोमिक्स’च्या पाचव्या खंडात प्रकाशित करण्यात आले आहेत.

असे झाले संशोधन...

संशोधनाबाबत माहिती देताना ओकायामा विद्यापीठातील ‘ग्रॅज्युएट स्कूल ऑफ एन्व्हायर्नमेंटल’चे सहयोगी प्राध्यापक डॉ. यू. तनाका यांनी सांगितले, की आम्ही एक व्यापक प्रक्षेत्र मोहीम राबवली. त्यामध्ये आम्ही सात देशांतील २० ठिकाणांहून भात पिकाच्या वरून घेतलेल्या प्रतिमा आणि त्यावेळच्या भाताच्या उत्पादनाची माहिती गोळा केली. त्यातून एक सर्वसमावेशक बहुराष्ट्रीय डेटाबेस तयार करण्यात आला.
त्यासाठी भात पिकाच्या डिजिटल प्रतिमा ०.८-०.९ मीटर उंचीवरून घेण्यात आल्या. आंतररराष्ट्रीय संशोधन संस्थेचे (पूर्वीचे आफ्रिका राइस सेंटर) डॉ. काझुकी सायटो व सहकाऱ्यांनी कापणीच्या प्लॉट्सचा ४,८२० उत्पादन माहितीसाठा आणि २२,०६७ प्रतिमांचा डेटाबेस यशस्वीरीत्या तयार केला. त्यात विविध भाताच्या जाती, उत्पादन पद्धती आणि पीक व्यवस्थापन पद्धती यांचाही समावेश आहे.
या संकलित केलेल्या पिकाच्या पर्णसंभाराच्या प्रतिमेवरून धान्य उत्पादनाचा अंदाज घेण्यासाठी एक सीएनएन मॉडेल विकसित करण्यात आले. त्याची अचूकता आणि त्यावरून पिकाच्या उत्पादनाचा नेमका अंदाज घेण्याची क्षमता यांची तपासणी केली. त्यातून उत्पादनावर नेमका परिणाम करण्याची क्षमता असलेली पिकांची लक्षणे ओळखण्यात आली. या अभ्यासातून फुलोऱ्याचे महत्त्व लक्षात आले. फुलोराही कसा आहे, भरगच्च किंवा कमी फुटवे, व त्यावरील मर्यादित फुलांचे गुच्छ आहेत, या वरून हे मॉडेल पक्वतेच्या स्थितीमध्ये उत्पादनाचा अचूक अंदाज घेऊ शकते. त्याच प्रमाणे जातींची ओळख पटवणे, पिकातील पाणी व्यवस्थापनाचे उत्पादनावरील नेमके परिणाम ओळखण्यामध्येही हे मॉडेल उपयुक्त ठरत असल्याचे दिसून आले. जिथे वेगवेगळ्या कोनातून व दिवसा चांगल्या प्रकाशामध्ये घेतलेल्या प्रतिमांद्वारे अधिक अचूकता मिळाली. अर्थात, ज्या ठिकाणी प्रतिमांचा आकार व स्पष्टता कमी होती, तिथे त्यामध्ये काही अडचणी आल्या. असे असले तरी विशेषतः पारंपरिक पद्धतीच्या तुलनेमध्ये कमी माणसांच्या साह्याने आणि आधुनिक गुंतागुंतीच्या रिमोट सेन्सिंग तंत्रज्ञानाच्या
तुलनेमध्येही चांगली अचूकता मिळवणे शक्य असल्याचे स्पष्ट झाल्याचे डॉ. तनाका यांनी सांगितले.


‘होजो अॅप्लीकेशन’ ः
CNN-आधारित मॉडेल्सच्या आधारे मिळवलेले संभाव्य उत्पादन आणि प्रत्यक्षात मिळालेले उत्पादन यांचे प्रादेशिक स्तरावर परिक्षण करण्यात आले. तथापि, मॉडेलची अचूकता वेगवेगळ्या परिस्थितीमध्ये बदलू शकते. पुढील संशोधनात कमी-उत्पन्न आणि पावसाळी वातावरणात मॉडेलला अनुकूल करण्यावर लक्ष केंद्रित करण्यात येईल. सध्या ही कृत्रिम बुद्धीमत्ता आधारित पद्धत शेतकरी आणि संशोधकांना एका साध्या स्मार्टफोन अॅप्लिकेशनद्वारे उपलब्ध करण्यात आली आहे. या अॅप्लिकेशनचे नाव ‘HOJO’ असून, ते ‘आयओएस’ आणि ‘अॅन्ड्रॉईड’ प्रणालीवर आधीच उपलब्ध आहे. त्यामुळे भातशेतीचे उत्तम व्यवस्थापन आणि पैदास कार्यक्रमांना चांगली गती मिळू शकेल, अशी संशोधकांना आशा आहे.

भाताची उत्पादकता
भाताच्या उत्पादकतेचा अंदाज घेण्याची दक्षिणेकडील देशांची क्षमता कमी आहे.

भाताच्या उत्पादनाचा अंदाज मिळवण्याची कमी खर्चिक आणि वेगवान पद्धत तयार करण्यात संशोधकांना यश.

सीएनएन (कृत्रिम बुद्धिमत्ता व विश्लेषणावर आधारित पद्धती
आफ्रिका आणि जपान सारख्या सात देशातील २२ हजार भात पीक प्रतिमांच्या साह्याने विकसित करण्यात आली.

यात कॅमेराचा कोन, दिवसाचा वेळ आणि प्रतिमेचा आकार व स्पष्टता या बाबी महत्त्वाच्या ठरतात.
याद्वारे भात पिकाची जात, प्रकार आणि वेगवेगळ्या काळातील परिणाम ओळखण्यात यश.