Fruit Harvesting Technology: फळांच्या काढणी, प्रतवारीसाठी कृत्रिम बुद्धिमत्ता प्रणाली

डॉ. शगफ कौकब, रितू कुकडे, डॉ. रणजीत सिंह

Ai in Agriculture: कृत्रिम बुद्धिमत्ता तंत्रज्ञानांचा उपयोग फळांमधील दोष ओळखणे, परिपक्वता तपासणे, वर्गीकरण करणे आणि आकार मोजणे यासाठी करता येतो. त्यामुळे काढणीयोग्य कृषी उत्पादनांची गुणवत्ता ओळखून व बाजारपेठेच्या मानकांनुसार काढणी व तत्‌पश्चात प्रतवारी, पॅकेजिंग या प्रक्रिया राबवता येतात. यामुळे गुणवत्तेमध्ये सातत्य ठेवतानाच खर्चात बचत शक्य होते.

जगभर कृत्रिम बुद्धिमत्ता (कृत्रिम बुद्धिमत्ता) प्रणालीबाबत चर्चा सुरू आहे. या प्रकारच्या स्वयंचलित प्रणाली कृषी क्षेत्रात अचूक उपाय उपलब्ध करत असल्यामुळे मोठे बदल घडून येत आहेत. झाडांवरून फळांची काढणी करणे हे शेतकऱ्यांसाठी तसे अवघड आणि कौशल्याचे काम असते. त्याच प्रमाणे काढणीनंतर फळांची आकार व गुणवत्तेनुसार प्रतवारी करावी लागते. ही दोन्ही कामे कौशल्याची आणि अधिक मनुष्यबळ लागणारी आहेत. या दोन्ही कामांसाठी प्रतिमांवरील प्रक्रिया, यंत्र स्वयं व सखोल शिक्षण (मशिन लर्निंग, डीप लर्निंग) या सारख्या कृत्रिम बुद्धिमत्ता तंत्रांचा वापर केल्यास कार्यक्षमता सुधारू शकते.

शेतीमध्ये अचूकता आणि काटेकोरता आणण्यासाठी कृत्रिम बुद्धिमत्ता (कृत्रिम बुद्धिमत्ता) तंत्रज्ञान मोलाचे ठरणार आहे. पीक लागवडीपूर्वी मातीच्या परीक्षणापासून उत्पादनापर्यंत विविध बाबींमध्ये एआय तंत्रज्ञान महत्त्वाचे ठरणार आहे. मातीमध्ये लावण्यात आलेल्या विविध संवेदकांकडून प्राप्त माहितीचे विश्‍लेषण करून सिंचन आणि खतांचे अचूक नियोजन करता येते. ड्रोन किंवा उपग्रहाद्वारे घेतलेल्या प्रतिमा आणि इंटरनेटद्वारे जोडलेली विविध उपकरणे (आयओटी) पिकांचे प्रत्यक्ष वेळेवर निरीक्षणे घेऊ शकतात.

पिकातील कीड रोगांचा प्रादुर्भाव, अन्नद्रव्यांच्या किंवा पाण्याची कमतरता यांचे वेळीच अंदाज मिळू शकतात. परिणामी, नियोजन आणि व्यवस्थापनाची कार्यक्षमता सुधारते. खर्चात बचतीसोबतच उत्पादनामध्ये वाढ होते. विशेषतः फळांची काढणी व त्यानंतरच्या आपल्या पारंपरिक फळ गुणवत्ता मूल्यांकन प्रक्रिया या वेळखाऊ, गुंतागुंतीच्या आहेत. या प्रक्रियांमध्ये होत असलेल्या मानवी चुका व त्रुटींमुळे २० ते ३० टक्क्यांपर्यंत नुकसान होत असल्याचे सांगितले जाते. हे नुकसान ‘एआय’द्वारे वाचविण्याचे ध्येय पहिल्या टप्प्यात आपण ठेवले पाहिजे.

गुणवत्ता तपासणीमध्ये कृत्रिम बुद्धिमत्तेचे महत्त्व

साधनांचा कार्यक्षम वापर आणि खर्चात बचत शक्य.

पर्यावरणीय परिणाम किमान पातळीवर राखत उत्पादन वाढवता येईल.

बाजार आणि ग्राहकांच्या अपेक्षांनुसार दर्जेदार फळांचे उत्पादन व प्रतवारी शक्य.

साठवण आणि वाहतुकीदरम्यानचे नुकसान टाळता येईल.

काढणी व प्रतवारीच्या प्रक्रियेत स्वयंचलित अचूकता शक्य.

कृत्रिम बुद्धिमत्तेचा फळांची गुणवत्ता तपासणीतील उपयोग

माणसाच्या बुद्धिमत्तेचे संगणकीय अनुकरण म्हणजे कृत्रिम बुद्धिमत्ता. ही तंत्रज्ञान प्रणाली यंत्रे, उपकरणांनाही शिकण्याची, तर्कशुद्ध विचार करण्याची आणि निर्णय घेण्याची क्षमता प्रदान करते. त्याचा फायदा निरीक्षण, माहिती व्यवस्थापनासाठी होऊ शकतो. त्यातून शाश्‍वत शेती पद्धतींचा विकास करणे शक्य आहे.

कृत्रिम बुद्धिमत्ता - आधारित प्रणालींमुळे कामांची कार्यक्षमता वाढते. अशा प्रणाली मानवी चुका कमी करतात. संपूर्ण प्रक्रिया सुसंगत आणि अचूक केल्या जात असल्यामुळे फळांचे जलद मूल्यांकन शक्य होते. त्यामुळे कामे वेगाने होऊन खर्चात बचत होते.

झाडावरील फळांची ओळख आणि उत्पादनाचा अंदाज

झाडांवरील फळांची गुणवत्ता तपासणी करण्यात ‘एआय’ आधारित तंत्रज्ञानाच्या वापरामुळे कामाची कार्यक्षमता वाढते. या सोबतच या प्रक्रियेमध्ये गोळा केल्या जात असलेल्या माहितीमुळे संभाव्य उत्पादनाचे अंदाजही आधीच मिळवणे शक्य होते. या तंत्रज्ञानामध्ये प्रामुख्याने ड्रोन, बागेतील कॅमेरे किंवा उपग्रहाद्वारे टिपलेल्या प्रतिमांचे विश्‍लेषण एआय मॉडेल्सद्वारे केले जाते. प्रत्येक फळ वाढीच्या कोणत्या टप्प्यावर आहे, त्यातील किती फळांनी पक्वतेची योग्य पातळी गाठलेली आहे, हे विविध लक्षणांवरून मिळवले जाते.

त्यातही झाडाच्या आकाराचा अंदाज, प्रति झाड किंवा प्रति एकर फळांची संख्या मोजता येते. त्यावरून पुढील उत्पादनाचा अंदाज मिळवणे शक्य होते. या प्रत्येक फळांच्या काढणीचे वेळापत्रकही ठरवता येते. त्यासाठी स्वयंचलित यंत्रांचा वापरही शक्य असून, त्या यंत्रांना ही प्रणाली नेमकी कोणती फळे कधी काढायची, याच्या सूचना पुरवते. परिणामी खर्चात मोठी बचत होते. (कौकब आणि अन्य, २०२४)

गुणवत्ता तपासणीतील आव्हाने

डेटासेटची कमतरता – एआय मॉडेल प्रशिक्षणासाठी आवश्यक असलेल्या अचूक माहितीसाठ्याची मर्यादित उपलब्धता.

हार्डवेअर मर्यादा – उच्च दर्जांचे प्रतिमांकन (रिझोल्यूशन इमेजिंग) आणि माहिती प्रक्रिया (डेटा प्रोसेसिंग) यासाठी महागडी साधने लागतात.

फळांतील विविधता – वेगवेगळ्या प्रकारच्या फळांमधील भिन्नता ओळखण्यात अडचणी येऊ शकतात.

सध्याच्या यंत्रणेसोबत वापरण्यातील अडचणी – सध्या केवळ यांत्रिकी पद्धतीने कार्यरत कृषी उपकरणांमध्ये कृत्रिम बुद्धिमत्ता प्रणाली समाविष्ट करताना अनेक तांत्रिक अडचणी येतात.

दोष ओळख आणि फळ परिपक्वता तपासणी

कृत्रिम बुद्धिमत्ता मॉडेल्स इमेज प्रोसेसिंग तंत्रज्ञानाचा वापर करून फळांचे डाग, रंगातील बदल, आणि सूक्ष्मजीवांचा प्रादुर्भाव शोधू शकतात. त्यामुळे दोष असलेली फळे लवकर ओळखून त्यांची वर्गवारी करणे शक्य होते. अशी फळे वेळीच बाजूला काढणे शक्य झाल्यास आसपासची फळे खराब होण्यापासून वाचतात. काढणीनंतरही संपूर्ण बॉक्स खराब होणे टळते. फळांच्या रंग आणि पोत यानुसार परिपक्वता पातळीचे मूल्यांकन करून बाजारात पोहोचण्यांच्या कालावधीनुसार काढणीचे योग्य नियोजन करता येते.

दूरवरच्या बाजारपेठेत माल पाठविण्यासाठी कमी पक्वतेची फळे काढता येतात. बाजारात उत्तन व दर्जेदार स्थितीमध्ये फळे पोहोचल्यामुळे अधिक चांगला दर मिळण्यास मदत होते. नफ्यात वाढ होते. उदा. लाल, हिरवा आणि निळा (RGB) या तिहेरी रंग वैशिष्ट्यांचा वापर करून केळीची पिकण्याची क्षमता निश्‍चित करता येते.

काढणी आणि प्रतवारी

कृत्रिम बुद्धिमत्ता आधारित प्रणाली फळांच्या आकार आणि रंगाच्या आधारावर काढणी करतात. या फळांची प्रतवारी करताना आकार, वजन, रंग आणि एकंदरीत दर्जाचे विविध निकष तपासून वेगवेगळे करतात. अशा प्रकारे केलेल्या वर्गीकरणाप्रमाणे केलेले पॅकेजिंग हे फळांच्या मूल्यांमध्ये वाढ करते. परिणामी, देशांतर्गत आणि निर्यातीमध्ये योग्य दर मिळतात. त्यासाठी त्रिमितीय प्रतिमांकन (३ डी इमेजिंग) आणि एआयची योग्य प्रारूप आवश्यक असते.

उदा. सफरचंदाचे आकार आणि चकाकीच्या आधारे प्रतवारी करणे.

फायदे

अचूकता : मानवी चुका कमी करते आणि सातत्यपूर्ण परिणाम देते.

वेग : मोठ्या प्रमाणात फळांचे जलद मूल्यांकन.

खर्चात बचत : मजुरीच्या खर्चात बचतीसोबतच कापणीनंतरच्या नुकसानीचे प्रमाण कमी करते.

स्केलेबिलिटी : वेगवेगळी फळे व त्यांच्या पक्वतेचे वेगवेगळे निकष यांच्याशी सहजपणे जुळवून घेते.

- डॉ. शगफ कौकब ९५४०२३०२२५, रितू कुकडे ७०५७९२५४३९, डॉ. रणजित सिंह ९८७६६२१२०३

(केंद्रीय काढणीपश्चात अभियांत्रिकी आणि तंत्रज्ञान संस्था (आयसीएआर-सिफेट), लुधियाना, पंजाब