ઉચ્ચ-ચોકસાઇ નિરીક્ષણ પ્રણાલી સાથે AI એ બટાકાની ગ્રેડિંગમાં ક્રાંતિ લાવી

ઉચ્ચ-ચોકસાઇ નિરીક્ષણ પ્રણાલી સાથે બટાકાની ગ્રેડિંગમાં AI ક્રાંતિ લાવે છે

હુનાન કૃષિ યુનિવર્સિટીના સંશોધકોએ બટાકાની ગ્રેડિંગની શ્રમ-સઘન પ્રક્રિયાને સ્વચાલિત કરવા માટે રચાયેલ એક અદ્યતન AI મોડેલ વિકસાવ્યું છે, કારણ કે કૃષિ ટેકનોલોજીમાં એક પ્રગતિ બટાકા ઉદ્યોગમાં પરિવર્તન લાવવા માટે તૈયાર છે. YOLO-MTP નામની નવી સિસ્ટમ, સપાટીની ખામીઓને એકસાથે ઓળખીને અને કંદ વપરાશ માટે અથવા બીજના ઉપયોગ માટે યોગ્ય છે કે નહીં તે નક્કી કરીને ગુણવત્તા નિયંત્રણમાં લાંબા સમયથી ચાલતા પડકારોનો સામનો કરે છે.

પરંપરાગત મર્યાદાઓને દૂર કરવી

પરંપરાગત રીતે, બટાકાનું વર્ગીકરણ એ માનવ ભૂલ માટે સંવેદનશીલ ધીમી પ્રક્રિયા છે, ખાસ કરીને જ્યારે હજારો એકમો કન્વેયર બેલ્ટ નીચે ખસે છે. જ્યારે હાલની સ્વચાલિત સિસ્ટમો ઘણીવાર મલ્ટિટાસ્ક માટે સંઘર્ષ કરે છે, ત્યારે YOLO-MTP છ સામાન્ય સમસ્યાઓ શોધીને શ્રેષ્ઠ છે: સ્કેબ, વોર્મહોલ્સ, અંકુર ફૂટવું, યાંત્રિક નુકસાન, સૂકા સડો અને ઉઝરડા. પરીક્ષણ દરમિયાન, મોડેલે નોંધપાત્ર 96% ચોકસાઈ દર પ્રાપ્ત કર્યો, વાણિજ્યિક ઉત્પાદન લાઇન માટે યોગ્ય રીઅલ-ટાઇમ પ્રોસેસિંગ ગતિ જાળવી રાખી.

સ્કેલ પર ચોકસાઇ

ઓવરલેપિંગ અથવા મિનિટ ખામીઓ પર "ધ્યાન કેન્દ્રિત" કરવાની AI ની ક્ષમતા તેને અગાઉની તકનીકોથી અલગ પાડે છે. આ ચોકસાઈ ખેડૂતો અને પેકર્સને કામગીરી ધીમી કર્યા વિના બજાર વર્ગ અથવા સંગ્રહ ક્ષમતા દ્વારા પાકને વર્ગીકૃત કરવાની મંજૂરી આપે છે. તાત્કાલિક કાર્યક્ષમતા ઉપરાંત, આ ટેકનોલોજી ચાલુ મજૂરની અછતનો ઉકેલ પ્રદાન કરે છે અને સમસ્યારૂપ કંદને વહેલા ફ્લેગ કરીને બીજ સ્ટોકમાં રોગના ફેલાવાને રોકવામાં મદદ કરે છે.

નિષ્કર્ષ

હાલમાં સંશોધન તબક્કામાં હોવા છતાં, YOLO-MTP મોડેલ ડિજિટલ કૃષિ માટે એક મહત્વપૂર્ણ છલાંગ રજૂ કરે છે. જટિલ શોધ અને વર્ગીકરણને એક જ, હાઇ-સ્પીડ પગલામાં એકીકૃત કરીને, આ AI ટૂલકીટ કચરો ઘટાડવા, ખર્ચ ઘટાડવા અને ગ્રાહકો અને ખેડૂતો બંને માટે ઉચ્ચ-ગુણવત્તાવાળા બટાકાનો વધુ સુસંગત પુરવઠો સુનિશ્ચિત કરવાનું વચન આપે છે. ભવિષ્યના પુનરાવર્તનો તાત્કાલિક ક્ષેત્ર મૂલ્યાંકન માટે ખેડૂતોના સ્માર્ટફોન પર સીધા જ આ શક્તિશાળી નિદાન સાધનો લાવી શકે છે.