अध्ययन में पाया गया कि AI स्पेक्ट्रोस्कोपी अंगूरों को बिना कुचले उनकी पक्वता का अनुमान लगा सकती है

1 जुलाई को Food Research International में प्रकाशित एक अध्ययन में बताया गया है कि नियर-इन्फ्रारेड स्पेक्ट्रोस्कोपी, जिसे व्याख्येय कृत्रिम बुद्धिमत्ता के साथ जोड़ा गया है, अंगूरों में शर्करा और कार्बनिक अम्लों के स्तर का अनुमान बिना फल को काटे या कुचले लगाने में मदद कर सकती है। यह एक ऐसा कदम है जो बाग़ में पक्वता की निगरानी करने के तरीके को उत्पादकों और वाइनमेकरों के लिए बेहतर बना सकता है।

यह शोध अंगूर उत्पादन की एक बुनियादी समस्या पर केंद्रित था: ताज़ा उपभोग और वाइन उत्पादन, दोनों के लिए गुणवत्ता जांच आवश्यक है, लेकिन पारंपरिक परीक्षणों में अक्सर विनाशकारी सैंपलिंग और प्रयोगशाला कार्य की जरूरत पड़ती है। लेखकों ने यह जांचा कि क्या गैर-विनाशकारी नियर-इन्फ्रारेड, या NIR, मापों का उपयोग अंगूर की परिपक्वता और संतुलन से जुड़े प्रमुख यौगिकों, खासकर शर्करा और कार्बनिक अम्लों, का अनुमान लगाने के लिए किया जा सकता है।

अध्ययन के अनुसार, मुख्य चुनौती यह है कि अंगूर की किस्में एक जैसा व्यवहार नहीं करतीं। अलग-अलग कल्टीवार्स अलग-अलग स्पेक्ट्रल हस्ताक्षर दिखाते हैं, जिसका अर्थ है कि यदि किस्मगत अंतरों को नज़रअंदाज़ किया जाए तो एक किस्म पर प्रशिक्षित मॉडल दूसरी किस्म पर उतना अच्छा प्रदर्शन नहीं कर सकता। शोधकर्ताओं ने पाया कि यह किस्म-विशिष्टता कोई मामूली विवरण नहीं, बल्कि विश्वसनीय पूर्वानुमान प्रणालियाँ बनाने में एक केंद्रीय कारक है।

इस समस्या से निपटने के लिए अध्ययन में फीचर चयन विधियों का उपयोग किया गया ताकि उन तरंगदैर्घ्यों की पहचान की जा सके जो अंगूरों की रासायनिक संरचना से सबसे अधिक जुड़े थे। डेटा को सबसे प्रासंगिक संकेतों तक सीमित करके मॉडलों का पूर्वानुमान प्रदर्शन बेहतर हुआ। पेपर में व्याख्येय AI उपकरण भी लागू किए गए ताकि उपयोगकर्ता देख सकें कि स्पेक्ट्रम के कौन-से हिस्से हर पूर्वानुमान को संचालित कर रहे थे, बजाय इसके कि केवल एक ब्लैक-बॉक्स परिणाम पर निर्भर रहना पड़े।

यह पारदर्शिता महत्वपूर्ण है, क्योंकि कृषि में AI उपकरणों को अपनाना अक्सर इस बात पर निर्भर करता है कि उत्पादक और तकनीकी टीमें यह समझ सकें कि कोई प्रणाली अपने निष्कर्षों तक कैसे पहुँचती है। इस मामले में, व्याख्येय दृष्टिकोण को NIR-आधारित निगरानी को उन विटीकल्चरिस्टों के लिए अधिक व्यावहारिक बनाने के तरीके के रूप में प्रस्तुत किया गया, जिन्हें कटाई के समय और फल प्रबंधन से जुड़े खेत-स्तरीय निर्णयों में भरोसे की जरूरत होती है।

अध्ययन के परिणामों में शर्करा मात्रा और कार्बनिक अम्ल स्तर, दोनों का सटीक पूर्वानुमान दिखा। इन मापों पर अंगूर के बागों में करीबी नजर रखी जाती है, क्योंकि वे पक्वता, ताजगी और अंततः वाइन की शैली को आकार देते हैं। शर्करा स्तर संभावित अल्कोहल को प्रभावित करते हैं, जबकि अम्ल संतुलन और स्थिरता को प्रभावित करते हैं। साबुत बेरीज़ में इन दोनों गुणों का तेज़ी से अनुमान लगाने का तरीका, बिना इतने अधिक नमूनों को प्रयोगशाला भेजे, उत्पादकों को ब्लॉक्स या पार्सलों में अधिक बार रीडिंग दे सकता है।

पेय क्षेत्र के लिए इसके निहितार्थ महत्वपूर्ण हो सकते हैं, यदि यह विधि व्यावसायिक स्तर पर मजबूत साबित होती है। वाइन उत्पादन में, अधिक सटीक और कम आक्रामक निगरानी प्रिसीजन विटीकल्चर को समर्थन दे सकती है और वाइनरीज़ को खेत से बेहतर जानकारी के आधार पर कटाई का समय तय करने में मदद कर सकती है। यह सैंपलिंग और कार्रवाई के बीच देरी को भी कम कर सकती है, खासकर उन संकरे हार्वेस्ट विंडो में जब मौसम और फल की रसायनिकी तेजी से बदल सकती है।

अध्ययन इस विधि को तेज़ और गैर-विनाशकारी बताता है, ये दो विशेषताएँ इसे शोध-सेटिंग्स से बाहर भी उपयोगी बना सकती हैं। क्योंकि फीचर चयन प्रमुख तरंगदैर्घ्यों को उजागर करता है, कैलिब्रेशन और तैनाती भी उन व्यापक मॉडलों की तुलना में अधिक कुशल हो सकती है जो स्पष्ट औचित्य के बिना बड़ी मात्रा में स्पेक्ट्रल डेटा का उपयोग करते हैं। इससे अंगूर संचालन में व्यावहारिक उपयोग की कुछ बाधाएँ कम हो सकती हैं, जो तेज़ गुणवत्ता नियंत्रण उपकरण चाहते हैं।

लेखकों ने कहा कि उनके निष्कर्ष उद्योग भर में अंगूर की गुणवत्ता की निगरानी और प्रबंधन में सुधार का समर्थन करते हैं। हालांकि पेपर का केंद्र अंगूर हैं, इसका व्यापक संदेश यह है कि स्पेक्ट्रोस्कोपी को व्याख्येय AI के साथ जोड़ना खाद्य और पेय उत्पादकों को नियमित गुणवत्ता आकलन में मशीन लर्निंग का उपयोग करने की दिशा में एक अधिक स्पष्ट मार्ग दे सकता है, खासकर तब जब किस्मों या कल्टीवार्स के बीच जैविक विविधता प्रदर्शन को प्रभावित करती है।