जर्नल ऑफ प्लांट फिजियोलॉजी एंड पैथोलॉजी

ओरिज़ा सैटिवा में सामान्य रोगों के निदान के लिए कन्वोल्यूशनल न्यूरल नेटवर्क का उपयोग करना

ग्रेस झांग

चावल के पौधों को प्रभावित करने वाली बीमारियाँ फसल की खेती में एक प्रमुख अवरोधक बन गई हैं, जिसके परिणामस्वरूप हर साल चावल की 20-40% फसलें नष्ट हो जाती हैं। इसके कारण विकासशील देशों में अन्य फसलों पर निर्भरता बढ़ गई है और खाद्य असुरक्षा में वृद्धि हुई है। इसके अलावा, कई किसानों के पास चावल के पौधों पर रोगजनकों के बढ़ते प्रभाव को रोकने के लिए ज्ञान और संसाधनों की कमी है। इस प्रभाव को कम करने में एक महत्वपूर्ण कदम एक प्रभावी और विश्वसनीय निदान प्रदान करना है। पिछले दशक में, निदान तकनीक में उनकी सफलता के कारण कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) की लोकप्रियता में वृद्धि हुई है। इस परियोजना का उद्देश्य एक प्रभावी CNN मॉडल बनाना था जो रोगग्रस्त चावल के पौधों की छवियों का निदान करने के लिए छवि वर्गीकरण का उपयोग करता है। प्रयोग के भीतर चार वर्गों की पहचान की गई, जिसमें चावल का विस्फोट, शीथ ब्लाइट और ब्राउन स्पॉट रोग शामिल थे। स्वस्थ चावल के पौधों के डेटासेट का उपयोग CNN के भीतर एक नियंत्रण चर के रूप में भी किया गया था। चावल के पौधों की 3000 से अधिक छवियों को न्यूरल नेटवर्क में प्रशिक्षित किया गया, जिसमें 499 छवियों या लगभग 15% का उपयोग परीक्षण डेटासेट में किया गया। परीक्षण डेटासेट पर सर्वश्रेष्ठ CNN मॉडल के साथ 97.39% की सटीकता दर हासिल की गई। यह परियोजना गरीब ग्रामीण क्षेत्रों में लागू है, जहाँ निदान तकनीकों तक पहुँच सीमित है, और यह दर्शाता है कि प्लांट पैथोलॉजी के क्षेत्र में मशीन लर्निंग का उपयोग कितना आशाजनक है।