હૈદરાબાદના સંશોધકોએ પાક રોગ શોધવા માટે AI સિસ્ટમની પેટન્ટ મેળવી

Detailed Coverage

AI સિસ્ટમ કેવી રીતે કામ કરે છે?

હૈદરાબાદ સ્થિત VNR વિજ્ઞાન જ્યોતિ ઇન્સ્ટિટ્યૂટ ઓફ એન્જિનિયરિંગ એન્ડ ટેકનોલોજીના સંશોધકોની ટીમે પાક સ્વાસ્થ્ય વ્યવસ્થાપનને સુધારવા માટે રચાયેલ એક આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) સિસ્ટમ માટે પેટન્ટ મેળવી છે. આ ટેકનોલોજી, જેનું સત્તાવાર નામ 'લીફ ડિસીઝ ડિટેક્શન સિસ્ટમ યુઝિંગ કન્વોલ્યુશનલ ન્યુરલ નેટવર્ક્સ' છે, તેને ચાર વર્ષના વિકાસ બાદ એપ્રિલ 2026 માં પેટન્ટ મળી છે. 20,000 થી વધુ છોડની છબીઓના ડેટાસેટનો ઉપયોગ કરીને, આ સિસ્ટમ ખેડૂતો માટે ડિજિટલ ડાયગ્નોસ્ટિક ટૂલ પૂરું પાડે છે, ખાસ કરીને ટામેટા, બટાકા અને મરચાના પાકમાં સામાન્ય રોગોને લક્ષ્ય બનાવે છે.

આ AI સિસ્ટમ કન્વોલ્યુશનલ ન્યુરલ નેટવર્ક્સ (Convolutional Neural Networks) જેવી મશીન લર્નિંગ (Machine Learning) ટેકનિકનો ઉપયોગ કરે છે, જે દ્રશ્ય છબીઓનું વિશ્લેષણ કરવા માટે સામાન્ય છે. પાંદડાઓની છબીઓ પર પ્રક્રિયા કરીને, સોફ્ટવેર ફૂગ, બેક્ટેરિયા અથવા જંતુ-સંબંધિત રોગો સાથે સંકળાયેલા પેટર્નને ઓળખે છે. માત્ર રોગની ઓળખ ઉપરાંત, સિસ્ટમ ચોક્કસ પેસ્ટિસાઇડની ભલામણ કરીને કાર્યક્ષમ સલાહ આપવા માટે ડિઝાઇન કરવામાં આવી છે. આ પરંપરાગત મેન્યુઅલ રોગ ઓળખના પડકારોને પહોંચી વળવાનો પ્રયાસ કરે છે, જે ઘણીવાર ધીમી અને માનવીય ભૂલની સંભાવના ધરાવે છે. ટેકનોલોજી-સહાયિત નિદાન તરફ આ પગલું ખેડૂતોને ચોક્કસ રોગને અનુરૂપ સારવાર સુનિશ્ચિત કરીને રસાયણોના વધુ પડતા ઉપયોગને રોકવામાં મદદ કરી શકે છે.

કૃષિ નવીનતાને વિસ્તૃત કરવી

હાલમાં આ ટેકનોલોજી વેબ-આધારિત ઇન્ટરફેસ દ્વારા કાર્યરત છે, પરંતુ સંશોધકો એક સમર્પિત મોબાઇલ એપ્લિકેશન વિકસાવી રહ્યા છે. ખેતરોમાં કામ કરતા ખેડૂતો માટે આ એક નિર્ણાયક પગલું છે, કારણ કે તેમને બ્રાઉઝર-આધારિત ઉકેલોને બદલે તાત્કાલિક, ઓન-ધ-ગો નિદાન સાધનોની જરૂર પડે છે. ડોક્ટરલ વિદ્યાર્થી વિજયા સરસ્વતીના નેતૃત્વ હેઠળનો આ પ્રોજેક્ટ, પાકના નુકસાનની સતત સમસ્યાને હલ કરવાનો પ્રયાસ કરે છે જે ખાદ્ય સુરક્ષા અને ખેડૂતોની આવકને સીધી અસર કરે છે.

રોકાણકારો અને કૃષિ દ્રષ્ટિકોણથી, આવા સાધનોની સફળતા ઉપયોગમાં સરળતા, ગ્રામીણ વિસ્તારોમાં વિશ્વસનીય ઇન્ટરનેટ કનેક્ટિવિટી અને વિવિધ ક્ષેત્રીય પરિસ્થિતિઓમાં પૂરી પાડવામાં આવતી પેસ્ટિસાઇડ ભલામણોની ચોકસાઈ પર ખૂબ આધાર રાખે છે. આ વિકાસ એગ્રિટેક (Agritech) માં એક તકનીકી સીમાચિહ્નરૂપ છે, પરંતુ સંશોધકો માટે આગામી તબક્કામાં વાસ્તવિક-વિશ્વ પરીક્ષણ, હાલની ખેતી પ્રક્રિયાઓ સાથે એકીકરણ અને સંભવિત વ્યાપારી ભાગીદારીનો સમાવેશ થશે. વિકસતા એગ્રિટેક ક્ષેત્રનું નિરીક્ષણ કરતા રોકાણકારો ટ્રેક કરી શકે છે કે આવા AI-સંચાલિત ડાયગ્નોસ્ટિક ટૂલ્સ શૈક્ષણિક સંશોધનમાંથી માપી શકાય તેવી, વ્યાપારી એપ્લિકેશનોમાં કેટલી ઝડપથી આગળ વધી શકે છે અને ભારતીય ખેડૂત સમુદાયોમાં નોંધપાત્ર સ્થાન મેળવી શકે છે.