ऑस्ट्रियाई शोधकर्ता अंगूरबाग रोग का पहले पता लगाने के लिए ड्रोन सिस्टम का परीक्षण कर रहे हैं

ऑस्ट्रिया में एक शोध टीम ड्रोन, मल्टीस्पेक्ट्रल सेंसर और कृत्रिम बुद्धिमत्ता का उपयोग करके अंगूरबेल रोगों का पहले और अधिक सटीकता से पता लगाने की कोशिश कर रही है, ताकि किसानों को संक्रमण पूरे दाखबाग में फैलने से पहले कार्रवाई करने में मदद मिल सके।

JOANNEUM RESEARCH ने मंगलवार को कहा कि उसकी DIGITAL इकाई VinoMon नामक परियोजना के जरिए यह सिस्टम विकसित कर रही है, जिसका ध्यान बेल रोगों की स्वचालित, बड़े पैमाने पर निगरानी पर है। यह काम biohelp, twins और Agro Innovation Lab के साथ मिलकर किया जा रहा है, और दक्षिण स्टायरिया में फील्ड परीक्षण जारी हैं।

यह परियोजना उन रोगों को लक्षित करती है जो वाइन उत्पादन में बड़े फसल नुकसान का कारण बन सकते हैं, जिनमें Goldgelbe Vergilbung, Stolbur और ESCA शामिल हैं। JOANNEUM RESEARCH ने कहा कि Goldgelbe Vergilbung विशेष रूप से तत्काल चिंता का विषय है क्योंकि यह दाखबागों में फैल सकती है और आंशिक रूप से American grapevine leafhopper द्वारा संचारित होती है।

लक्ष्य रोगग्रस्त बेलों का यथासंभव जल्दी पता लगाना और उनकी सटीक स्थिति, अलग-अलग पौधों तक, पहचानना है। इससे growers और सार्वजनिक प्राधिकरणों को यह तय करने के लिए बेहतर आधार मिल सकता है कि कब और कहाँ हस्तक्षेप करना है।

वर्तमान दाखबाग निरीक्षण श्रमसाध्य हैं और आम तौर पर किसी खेती क्षेत्र के केवल सीमित हिस्सों तक ही सीमित रहते हैं। शोधकर्ताओं का कहना है कि एक स्वचालित प्रणाली कम समय और कम स्टाफ के साथ कहीं बड़े क्षेत्रों की निगरानी कर सकती है, और यह भी दिखा सकती है कि रोग के लक्षण कहाँ दिखना शुरू हो रहे हैं।

वर्तमान परीक्षणों में, एक ड्रोन कम ऊँचाई पर दाखबागों के ऊपर उड़ता है और बेलों की छवियाँ रिकॉर्ड करता है। वही छवियाँ विकासाधीन सिस्टम का मूल आधार हैं। इसके बाद शोधकर्ता सामग्री की समीक्षा करते हैं, पौधों के संदिग्ध या रोगग्रस्त हिस्सों को चिन्हित करते हैं, और उन लेबल की गई छवियों का उपयोग AI मॉडल को स्वस्थ पत्तियों और अस्वस्थ पत्तियों में अंतर करने के लिए प्रशिक्षित करने में करते हैं।

परियोजना में शामिल AI विशेषज्ञ Stefanie Onsori-Wechtitsch ने कहा कि लक्ष्य ऐसा सिस्टम बनाना है जो बीमार पत्तियों को स्वस्थ पत्तियों से अलग कर सके और हवाई छवियों में प्रभावित हिस्सों की स्थिति को यथासंभव सटीकता से पहचान सके।

JOANNEUM RESEARCH के अनुसार, यह काम कई तकनीकी तत्वों को जोड़ता है: UAV-आधारित इमेजिंग प्लेटफ़ॉर्म, multispectral sensing, automated 3D flight path planning, plant-focused AI methods, 5G communications और परिणामों को digital maps पर दिखाने के उपकरण। इरादा यह है कि डेटा को geographic information system के जरिए उपलब्ध कराया जाए, ताकि उपयोगकर्ता देख सकें कि लक्षण कहाँ केंद्रित हैं।

परियोजना प्रबंधक Peter Schallauer ने कहा कि अंततः growers और प्राधिकरणों को बेल-स्तर का डेटा उपलब्ध हो सकेगा और वे इसे नियंत्रण उपायों के आधार के रूप में इस्तेमाल कर सकेंगे। इस दृष्टिकोण का व्यावहारिक महत्व उतना ही गति में है जितना सटीकता में। यदि तकनीक समस्याग्रस्त क्षेत्रों का जल्दी संकेत दे सके, तो हस्तक्षेप पूरे दाखबाग में व्यापक रूप से लागू करने के बजाय अधिक स्थानीयकृत हो सकते हैं।

यह पौध-स्वास्थ्य अनुसंधान से आगे भी महत्वपूर्ण है क्योंकि दाखबाग वाइन व्यवसाय के कच्चे माल का आधार हैं। अलग-अलग बेलों के स्तर पर जल्दी पता लगना wine producers को फसल नुकसान सीमित करने, पूरे ब्लॉकों में व्यापक उपचार की जरूरत घटाने, और अधिक लक्षित कार्रवाई से रोग दबाव संभालने में मदद कर सकता है। इसका प्रभाव इस बात पर निर्भर करेगा कि सिस्टम व्यावसायिक उपयोग में कितना अच्छा काम करता है और इसे कितनी व्यापकता से अपनाया जाता है, लेकिन यह दृष्टिकोण संभावित रूप से अनावश्यक फाइटोसैनिटरी उपचारों को कम करते हुए उपज की रक्षा का एक तरीका सुझाता है।

सिस्टम अभी विकासाधीन है, और JOANNEUM RESEARCH ने इसे एक तैयार व्यावसायिक उपकरण के बजाय शोध के रूप में प्रस्तुत किया। इस काम का एक प्रमुख हिस्सा मशीन लर्निंग के लिए आवश्यक छवि-आधार बनाना है। मूल सामग्री के अनुसार, AI को प्रशिक्षित करने के लिए सैकड़ों छवियों का उपयोग किया जा रहा है, और हर छवि का विश्लेषण व एनोटेशन किया जा रहा है ताकि क्षेत्रीय परिस्थितियों में रोग पैटर्न पहचानने की मॉडल की क्षमता बेहतर हो।

Multispectral imaging इस प्रयास का केंद्रीय हिस्सा है क्योंकि यह मानक फोटोग्राफी की दृश्य सीमा से परे की जानकारी पकड़ सकती है। इससे ऐसे तनाव या रोग संकेतों का पता लगाना आसान हो सकता है जो दाखबाग में एक नियमित निरीक्षण के दौरान अभी मानवीय आंख को स्पष्ट न हों। नियोजित flight paths और automated analysis के साथ मिलकर, शोधकर्ता उन संकेतों को निर्णय-निर्माण के लिए उपयोगी नक्शों में बदलने की कोशिश कर रहे हैं।

टीम यह भी कहती है कि परियोजना का उद्देश्य समय के साथ अधिक चयनात्मक प्रतिक्रियाओं का समर्थन करना है, जिसमें बड़े क्षेत्र पर किए जाने वाले plant protection measures में कमी और biological control विकल्पों के लिए बेहतर समर्थन शामिल है। इसके लिए विश्वसनीय detection और इस भरोसे की जरूरत होगी कि सिस्टम मौसम, पोषण या यांत्रिक क्षति जैसे पौधे पर तनाव के अन्य स्रोतों से, वास्तविक दाखबाग परिस्थितियों में, रोग लक्षणों को अलग कर सकता है।

JOANNEUM RESEARCH ने कहा कि VinoMon परियोजना जनवरी 2025 से अक्टूबर 2027 तक चलेगी। इसे ऑस्ट्रियाई अनुसंधान संवर्धन एजेंसी, यानी FFG, के माध्यम से ऑस्ट्रियाई संघीय वित्त मंत्रालय द्वारा वित्तपोषित किया जा रहा है।