अंगूर-छंटाई और वाइनयार्ड रोग-पहचान के लिए कंप्यूटर विज़न

संक्षिप्त उत्तर: कंप्यूटर विज़न दोहराव वाला देखना करके अपनी जगह कमाता है — क्रश-पैड पर ख़राब बेरियों को अस्वीकृत करना और पूरे वाइनयार्ड में रोग पकड़ना — लोगों की तुलना में तेज़ और अधिक सुसंगत रूप से, पर यह अपने आप कुछ पुष्टि नहीं करता। विज़न वाइन में सबसे परिपक्व AI उपकरण है क्योंकि कार्य ठोस है: अच्छे को बुरे से, पके को सड़े से, स्वस्थ को रोगग्रस्त से बताना।

यह वाइन उत्पादन-प्रवाह में कहां बैठता है, शुरू से अंत तक।

दो काम जो विज़न अच्छी तरह करता है

पहला है छंटाई। क्रश-पैड पर ऑप्टिकल सॉर्टर अंगूर के अलावा सामग्री — MOG, यानी पत्ते, डंठल, पत्थर, और कभी-कभार एक घोंघा — को अस्वीकृत करते हैं, साथ ही कच्ची और सड़ी हुई बेरियों को, इससे पहले कि वे प्रेस तक पहुंचें। एक कैमरा-और-एयर-जेट प्रणाली प्रति मिनट हज़ारों स्वीकार/अस्वीकार निर्णय करती है, और एक मानव छंटाई-लाइन के विपरीत यह थकती, भटकती या रात गहराने पर धीमी नहीं होती। वह सुसंगति सीधे वाइन-गुणवत्ता की रक्षा करती है, क्योंकि मुट्ठी भर सड़ी बेरियां एक टैंक को दूषित कर सकती हैं।

दूसरा वाइनयार्ड के भीतर रोग और उपज का काम है। ड्रोन और फ़ोन-इमेजरी कैनोपी से पाउडरी मिल्ड्यू, डाउनी मिल्ड्यू और बोट्राइटिस का पता लगा सकती है, और वही विज़न-पाइपलाइन उपज-अनुमानों को खिलाने के लिए बेरियां और गुच्छे गिनती हैं। हर पंक्ति में चलने के बजाय, एक viticulturist को कहां देखना है इसका एक मानचित्र मिल जाता है। यह सीधे वाइनयार्ड उपज पूर्वानुमान के लिए AI से जुड़ता है, जहां गुच्छा-गणना एक मुख्य इनपुट है।

पहले मापें: छवियां भी डेटा हैं

कंप्यूटर विज़न अब भी एक डेटा-विज्ञान अनुशासन है, और यहां डेटा छवियां हैं। एक सॉर्टर या एक स्काउटिंग-मॉडल उतना ही अच्छा है जितने लेबल किए गए उदाहरणों से वह सीखा — बेरियां पकी, कच्ची, सड़ी के रूप में टैग की गईं; कैनोपी-पैच स्वस्थ, मिल्ड्यू, बोट्राइटिस के रूप में टैग किए गए। मॉडल जिन फ़ीचर्स पर ध्यान देता है वे रंग, आकार और बनावट हैं, जिसका अर्थ है कि छवि-स्थितियां बहुत अधिक मायने रखती हैं: क्रश-पैड पर प्रकाश, ड्रोन का कोण और ऊंचाई, फ़ोन का रिज़ॉल्यूशन। जहां आप कर सकें वहां लेबल किया गया सेट अपने ख़ुद के फल और अपने ख़ुद के ब्लॉकों से बनाएं, क्योंकि किसी और के वाइनयार्ड में भिन्न प्रकाश में प्रशिक्षित एक मॉडल ख़राब तरीके से स्थानांतरित होगा।

व्यावहारिक संदेश इस ट्रैक में हर जगह जैसा ही है: पहले मापें। सुसंगत इमेजरी कैद करें, उसे सावधानी से लेबल करें, और मॉडल के पास सीखने के लिए कुछ ठोस होता है।

यह कहां टूटता है

प्रकाश और प्रशिक्षण-पूर्वाग्रह रोज़मर्रा के विफलता-मोड हैं। दिन के प्रकाश में अंशांकित एक सॉर्टर कठोर नाइट-शिफ़्ट प्रकाश में ग़लत निर्णय कर सकता है; एक किस्म की कैनोपी पर प्रशिक्षित एक रोग-मॉडल दूसरी पर लड़खड़ा सकता है। कोने-मामले काटते हैं — धूप से झुलसी बेरियां, धूल, छाया, एक असामान्य सड़न — क्योंकि मॉडल केवल वही जानता है जो उसे दिखाया गया। लागत भी वास्तविक है: ऑप्टिकल सॉर्टर और ड्रोन-कार्यक्रम एक निवेश हैं जिसे एक छोटे उत्पादक को हाथ-छंटाई और पंक्तियों में चलने के विरुद्ध तौलना पड़ता है। और कठोर सीमा: विज़न लक्षण देखता है, कारण नहीं। यह एक ऐसे पैच को चिह्नित कर सकता है जो मिल्ड्यू जैसा दिखता है, पर रोगज़नक़ की पुष्टि के लिए अब भी एक प्रयोगशाला या एक अनुभवी आंख चाहिए। मॉडल के आउटपुट को कहां देखना है और क्या अस्वीकृत करना है के रूप में लें, निदान या उपचार-निर्णय के रूप में नहीं।

जनरेटिव AI कैसे फ़िट होता है

उभरता हुआ जनरेटिव पहलू विज़न-लैंग्वेज मॉडल है जो इमेजरी को एक लिखित स्काउटिंग-रिपोर्ट में बदल देता है। एक viticulturist को ड्रोन-छवियों का एक फ़ोल्डर सौंपने के बजाय, सिस्टम लिखता है: “Block 5, उत्तरी छोर — लगभग 0.4 ha में पाउडरी मिल्ड्यू के अनुरूप गुच्छित कैनोपी-पैच; पश्चिमी पंक्तियों पर कम ओजस्विता; पूर्वानुमानित गर्म, आर्द्र दौर से पहले यहां ग्राउंड-ट्रूथिंग और उपचार को प्राथमिकता देने की सिफ़ारिश करें।” यह उन ब्लॉकों को चिह्नित करता है जिन पर ध्यान चाहिए, उन्हें रैंक करता है, और नोट को ड्राफ़्ट करता है ताकि कार्रवाई रिकॉर्ड पर हो — फिर भी किसी के छिड़काव से पहले पुष्टि के लिए एक मनुष्य को बाहर भेजते हुए। वही दृष्टिकोण एक छंटाई-रन या एक गुच्छा-गणना पास का सारांश कर सकता है। जनरेटिव परत यह नहीं सुधारती कि कैमरा क्या देखता है; यह कैमरा जो देखता है उसे क्रियाशील बना देती है।

एक विज़न-मॉडल प्रत्येक छवि में फ़ीचर्स को ढूंढता और लेबल करता है, फिर उन्हें स्कोर करता है।

निचली पंक्ति

कंप्यूटर विज़न सेलर और वाइनयार्ड में सबसे उत्पादन-तैयार AI है क्योंकि यह एक ठोस काम करता है — फल छांटना और रोग का स्काउटिंग — थके हुए मनुष्यों की तुलना में अधिक सुसंगत रूप से। पर यह अच्छी इमेजरी पर निर्भर करता है, यह प्रकाश और कोने-मामलों पर टूटता है, और यह कुछ पुष्टि नहीं करता: यह आपको बताता है कि कहां देखना है और क्या अस्वीकृत करना है, फिर निर्णय को लोगों और प्रयोगशाला को वापस सौंप देता है।

Winemaking & AI ट्रैक का हिस्सा। संबंधित: वाइनयार्ड उपज पूर्वानुमान के लिए AI।

अक्सर पूछे जाने वाले प्रश्न

ऑप्टिकल अंगूर-सॉर्टर वास्तव में क्या अस्वीकृत कर सकते हैं? अंगूर के अलावा सामग्री (MOG) जैसे पत्ते, डंठल और पत्थर, साथ ही कच्ची और सड़ी हुई बेरियां — क्रश-पैड पर, एक मैनुअल छंटाई-लाइन की तुलना में तेज़ और अधिक सुसंगत रूप से।

क्या कंप्यूटर विज़न वाइनयार्ड-रोग का पता लगा सकता है? हां, दृश्यमान रोगों के लिए। ड्रोन और फ़ोन-इमेजरी पाउडरी और डाउनी मिल्ड्यू तथा बोट्राइटिस को चिह्नित कर सकती है और स्काउटिंग को निर्देशित कर सकती है, पर यह रोगज़नक़ की पुष्टि नहीं कर सकती — प्रयोगशाला या विशेषज्ञ-जांच अब भी वह करती है।

क्या कंप्यूटर विज़न वाइनयार्ड और सेलर में लोगों की जगह लेता है? नहीं। यह दोहराव वाले, उच्च-मात्रा वाले देखने — छंटाई और स्काउटिंग — को एक थके हुए मनुष्य की तुलना में अधिक सुसंगत रूप से संभालता है, पर निर्णय, उपचार-फ़ैसले और प्रयोगशाला-पुष्टि लोगों के पास रहते हैं।