वीरगंज | हाम्राे दैनिक जीवनमा अनेक खालका समस्या हुन्छन् । जसकाे समाधानका लागि हरबखत नयाँ नयाँ तरिका अपनाइरहेका हुन्छौं । पछिल्लाे समय प्रविधिकाे यति धेरै विकास भइसकेकाे छ कि, हरेक क्षेत्र यसबिना अपुरो हुन्छ ।
आज केही फरक, तर सान्दर्भिक कुराहरु गर्न खोजिरहेको छु । कम्प्युटर भिजनकाे नाम पक्कै सुन्नुभएकाे हाेला । यसलाई बुझ्न केही प्रयोगात्मक सन्दर्भ केलाउन जरूरी हुन्छ ।
तपाईं एउटा आँपको बगैँचा कल्पना गर्नुहोस् । अब मसिनसँग सम्बन्धित संसाधनहरु प्रयोग गरेर यो ठाउँको समस्यालाई कसरी समाधान गर्ने, त्यो सोच्नुहोस् ।
वास्तवमा कम्प्युटर भिजन भिजुअल स्पेक्ट्रमसँग सम्बन्धित छ । यसमा विभिन्न रंग हुन्छ जुन आँखाभित्र छिर्छ र तपाईंले देख्नुहुन्छ ।
रंगको कुरा यहाँ किन जोडिएको हो भने यदि कुनै वस्तुबाट धेरै प्रकाश आउँछ भने त्यो चहकिलो देखिन्छ । तर कुनै वस्तुमा प्रकाश कम छ भने त्यो अँध्यारो देखिन्छ ।
यस हिसाबले मसिन तथा कम्प्युटर भिजनमा पनि प्रकाश एकदमै महत्वपूर्ण कुरा हो । अब बाहिरी परिदृश्यमा मसिन भिजनका केही चुनौतीको कुरा गरी हेराैं ।
यदि तपाईंले मसिन भिजन सफ्टवेयर तथा अल्गोरिदममा एकै किसिमको प्रकाश रहने भित्री परिदृश्य तयार गर्नु भयो भने त्यहाँ समस्या हुँदैन । तर यदि यसलाई कृषि क्षेत्रमा प्रयोग गर्न चाहनुहुन्छ भने तपाईं ठूलो क्षेत्रफलमा जानुपर्ने हुन्छ ।
जहाँ धेरै रुखबीच ठूला ठूला खेतहरु हुन्छन् । त्यहाँ प्रकाशको अवस्था सामान्यभन्दा फरक हुन सक्छ । दिनको समयमा जानुभयो भने त्यहाँ सबै कुरा ‘ओभरएक्सपोज’ भएको देख्नुहुन्छ ।
घाम मज्जाले लागेको हुँदा छायाँ पनि प्रस्ट हुन्छ । कतिपय हाँगा, पात र फलहरु छायाँमा पर्ने गर्छन् । यसरी सबै रुखको फल वा पातले समान रुपमा सूर्यको प्रकाश पाइरहेको हुँदैन ।
यसलाई कसरी डिल गर्ने, एउटा प्रश्न छ । कोठाभित्रका लागि हो भने तपाईंले इमेज प्रोसेसिङ एल्गोरिदममा जानुपर्ने हुन्छ । उदाहरणका लागि हिस्टोग्राम इक्वेलाइजेसन, जहाँ तपाईंले प्रकाशको इन्टेन्सिटीलाई सामान्यीकरण तथा इक्वलाइज गर्नसक्नुहुन्छ ।
यसले अँध्यारो अर्थात छायाँमा परेको रुखको भागलाई सुधार गर्ने काम गर्दछ । तर ओभर एक्सपोजर भने अझै पनि समस्या हुन्छ ।
यदि कुनै कुरा ओभर एक्सपोज भएको छ भने तपाईंले त्यसमा सेतो रंग देख्नुहुन्छ र त्यसको वास्तविक रंग थाहा पाउन सक्नुहुन्न । यसले बाँकी प्रोग्रामिङलाई प्रभावित पार्दछ ।
तपाईं खेतमा हुनुहुन्छ भने यस्तो बेला कृत्रिम प्रकाश प्रयोग गर्न सक्नुहुन्छ । यसमा एउटै स्तरको प्रकाश हुने भएको हुँदा यसमा धेरै ठूलो फरक पर्दैन । त्यसका लागि एल्गोरिदम प्रयोग गर्न सक्नुहुन्छ ।
यदि तपाईंलाई सस्तो र सजिलाे गरी यो समस्या समाधान गर्नुछ भने एलईडी लाइट प्रयोग गर्न सक्नुहुन्छ । वा तपाईंले राम्रो खालको स्ट्र लाइटको सहयोग लिन पनि सक्नुहुन्छ । जसले तपाईंलाई वस्तु स्पष्ट देखाउन सहयोग गर्दछ ।
हामीले फलको तस्वीर लिन एउटा एप विकास गरेका छौं । फलको तस्वीर लिँदा पृष्ठभूमिमा फोटो न्वाइज आउन नदिन हामीले एउटा ब्याकबोर्ड प्रयोग गर्छौं ।
त्यसपछि हामी फलको आकार, लम्बाइ, चौडाइ राख्छौं । सँगसँगै त्यसको तौल पनि राख्छौं । तपाईंले उपलब्ध विवरणबाट तौल पनि पत्ता लगाउन सक्नुहुन्छ ।
जब तपाईं त्यो तस्वीरलाई सेतो कागजमा राखेर सेग्मेन्टेसन गर्न खोज्नुहुन्छ, तब तस्वीरको तलपट्टि पर्ने फलको छायाँले सेग्मेन्टेसन राम्रो हुन सक्दैन र त्यसको आयाम गलत आउन सक्छ ।
यसकारण यो छाँयाको न्वाइजलाई हटाएर वास्तविक आकार निकाल्न हामी कलर स्पेस कन्भर्सनको प्रयोग गर्छौं । सामान्यतया: हामीसँग आरजीबी इमेज हुन्छ र हामीले ओपन सोर्समा आधारित केही अन्य किसिमका सफ्टवेयरहरु प्रयोग गर्नसक्छौं ।
यसरी त्यो रंग एउटा कलर स्पेसदेखि अर्को कलर स्पेसमा परिवर्तन हन्छ । कतिपय मामिलामा कलर स्पेस परिवर्तन गर्दा समस्यालाई समान्यीकरण गर्न धेरै हदसम्म मद्दत मिल्छ । यसका लागि तपाईंले एलएबी स्पेसमा परिवर्तन गर्नुपर्छ ।
यसरी परिवर्तन गर्दा निलो रंग हटेर जान्छ । यति भएपछि तपाईंले यसको तस्वीरको दुईवटा पिक्स होलोग्राम देख्न सक्नुहुन्छ । यदि यी दुईवटै मज्जाले छुट्टिएका छन् भने तपाईंले डाइनामिक थ्रेसहोल्डिङ विधि प्रयोग गर्नसक्नुहुन्छ ।
यसकारण तपाईंले प्रोग्रामभित्र कुनै पनि थ्रेसहोल्ड भ्यालुलाई विशिष्टिकृत गर्नुपर्दैन । तपाईंले केही डाइनामिक थ्रेसहोल्ड विधि प्रयोग गर्न सक्नुहुन्छ, जसले दुईवटा पिक्सलाई हेरेर फललाई राम्ररी सेग्मेन्ट गर्दछ ।
एलएबी स्पेस कन्भर्सन र थ्रेसहोल्डिङ पछाडि यो हुन्छ । त्यसपछि तपाईंले फलको तस्वीरबाहिर बक्स बनाएर यसको आकार तौल सबै कुरालाई मापन गर्न सक्नुहुन्छ ।
फलको आकार नाप्नलाई एउटा पहेलो रंगको वर्गाकार हुन्छ । यसको एउटा पाँच सेन्टिमिटर ब्यास भएको वर्गाकार चिन्ह हुन्छ । किनभने तस्वीरबाट फलको आकार नाप्दा फल क्यामेराको नजिक छ भने ठूलो देखिन्छ र नजिक छ भने सानो देखिन्छ ।
यसकारण फलको वास्तविक आकार थाहा पाउन तपाईंले क्यामेरा र फलबीचको दूरी नाप्नुपर्छ । यसका लागि त्यो पहेँलो वर्गाकारले स्केलको रुपमा काम गर्छ ।
जब तपाईंले कुनै समाधान डिजाइन गर्नुहुन्छ तब तपाईले स्केलेबिलिटीको बारेमा असल जिन्दगीमा पनि प्रयोगात्मक रुपमा सोच्नु पर्ने हुन्छ । मोबाइल फोनमा धेरै सेन्सरहरु हुन्छन्, जसलाई तपाईले उपभोग गर्नसक्नुहुन्छ ।
तर त्यसले स्केल बढाउन सक्दैन । यदि तपाईं यो एप प्रयोग गर्न चाहनुहुन्छ भने तपाईले थोरै रुख भएको सानो फार्ममा मात्र यसको प्रयोग गर्नसक्नुहुन्छ । तर यदि तपाईं ठूलो फर्मका लागि व्यवसायिक समाधान निर्माण गर्न चाहनुहुन्छ भने अघिको विधिबाट सम्भव छैन ।
तपाईंलाई धेरै डेटाको आवश्यकता पर्दछ । एउटा भनेको क्यामेरा राखेको गाडीलाई कुदाउँदै फार्मको भिडियो रेकर्ड गराउनुहोस् । अर्को भनेको ड्रोन उडाउनुहोस् वा अर्को स्याटेलाइट इमेज लिनुहोस् ।
तर तपाईंले कस्तो एप्लिकेसन प्रयोग गर्दै हुनुहुन्छ भन्नेमा यी कुरा निर्भर हुन्छन् । स्याटेलाइट इमेजहरु सामान्यत विरुवाहरु स्वस्थ अवस्थामा छन् कि छैनन् भनेर थाहा पाउन भेजिटेसन इन्डेक्सका लागि लिइने र विश्लेषण गर्ने गरिन्छ । तर यदि रुखको छेउतिर फल छ भने त्यो बेला स्याटेलाइटले फोटो लिन सक्दैन । तपाईंले त्यसको साइड इमेज लिनु पर्छ ।
हामीसँग रातको समयमा तस्वीर लिन एलईडी लाइट, कम्प्युटर, जीपीएस, क्यामेरा थिए । हामीले गाडीमा क्यामेरा सेट गरेर गाडी कुदायाैं । त्यसले भिडियो रेकर्ड गर्दै गयो ।
पछि फल तथा फूल डिटेक्सनका लागि हामीले भिडियोको तस्वीरहरुलाई पछि विश्लेषण गर्यौं । रातको समयमा प्रकाशमा धेरै विविधता नहुने कारण फलहरु राम्ररी देख्न सकिन्छ र त्यो अझ एकुरेट हुन्छ ।
किसानहरु रातमा स्प्रे गर्न जान्छन्, त्यो बेला क्यामेरा सेट गरेर स्प्रे गर्दै उनीहरुले डेटा पनि संकलन गर्नसक्छन् र फर्म व्यवस्थापनका लागि थप धेरै जानकारी पाउन सक्छन् ।
मसिन भिजन प्रयोग गरेर फ्रुट साइज इस्टिमेसन गर्ने अर्को तरिका पनि छ । यो पनि स्केलेबिलिटीका लागि हो । यसका लागि तपाईंले रुखको तस्वीर लिनुपर्छ । त्यसपछि तपाईंले फर्ममा रहेका फलहरुको आकारको नमुना लिनुहुन्छ ।
यसका लागि डेप्थ क्यामेराको प्रयोग हुन्छ । यो एउटा स्टेरियो क्यामेरा हुनसक्छ वा यो रोबोटिक्समा प्रयोग हुने रियल सेन्स, टाइम अफ फ्लाइट लिनक्स क्यामेरा जस्तो हुनसक्छ ।
त्यो एउटै तस्विरको आरजीबी इमेज र हिज म्यापलाई तपाईले हेर्नसक्नुहुन्छ । हिट म्यापमा तपाईले विभिन्न रंगले संकेत गर्ने विभिन्न डेप्थ देख्न सक्नुहुन्छ । सबैभन्दा पहिले त तपाईंले फलमा डिटेक्सन गर्नुहुन्छ ।
तर तपाईंले फलको आकार डिटेक्ट गर्दा राम्रो अवस्थामा रहेको नछेकिएको स्पष्ट देखिएको फललाई मात्र डिटेक्ट गर्नुपर्छ । अन्यथा तपाईंले एक्युरेसी पाउन सक्नुहुन्न ।
हामीले ओपन सीभी एल्गोरिदम प्रयोग गरेर फलमा इलिप्स अर्थात घेरा लगाएका छौं । यदि नमुना फल बाहेक त्यो इलिप्स सबै अन्य फलमा मज्जाले मिलेर बस्यो भने फल राम्रो र नबिग्रिएको भनेर बुझ्न सक्नुहुन्छ ।
यदि तपाईंले यसको हिट म्यापमा हेर्नुभयो भने त्यसको डेप्थ भ्याल्यु थाहा पाउनु हुन्छ । यसको अर्थ तपाईंले त्यो फलको दुरी थाहा पाउन सक्नुहुनेछ । यसरी तपाईसँग दूरी र तस्विर भइसकेपछि तपाईले फलको आकार, लम्बाइ र चौडाइ पनि थाहा पाउन सक्नुहुनेछ ।
मसिन, डिप लर्निङ, सुपरभाइज्ड ट्रेनिङहरुका लागि तपाईसँग डेटा हुन आवश्यक छ । अधिकांश बाउन्डिङ बक्स विधि प्रयोग हुन्छ, प्रयोगका आधारमा अन्य विधिहरु पनि छन् ।
तपाईले पिक्सल लेभल सेग्मेन्टेसन, इन्स्ट्यान्ट सेग्मेन्टेसन, सिमान्टिक सेग्मेन्टेसन प्रयोग गर्नसक्नुहुन्छ । तर तपाईले यदि बाउन्डिङ बक्स विधि प्रयोग गर्नसक्नुहुन्छ भने पिक्सल सेग्मेन्टेसन गर्न भन्दा यसमा थोरै समय लाग्छ । यो एउटा सजिलो सोल्युसन बन्न सक्छ ।
पहिले एक किसिमको मोडलको बारेमा कुरा गर्यौं । अब हामी फूलको डिटेक्सन र वर्गिकरणमा जाँदैछौं । फूललाई तपाईंले सिधै डिटेक्ट गर्न मिल्दैन । पहिले तपाईंले फूललाई त्यसको विभिन्न चरणमा वर्गिकरण गर्नुपर्छ ।
फूलको तीन स्टेजहरु हुन्छन् । जहाँ स्टेज ए एकदमै सुरुवाती अवस्था हो । स्टेज बी मध्यम अवस्था हो र स्टेज सी अन्तिम अवस्था हो ।
यसरी वर्गिकरण र डिटेक्सन गरिसकेपछि मेरो फर्ममा कति फूलहरु र फल उत्पादन गर्ने अवस्थामा पुगे भनेर थाहा पाउन सकिन्छ । सामान्यत हाम्रो पाठ्यपुस्तकहरुमा आँपको फूलको आठवटा स्टेजका बारेमा लेखिएका हुन्छन् ।
तर यसले तपाईंमा दुविधा उत्पन्न गराउने हुँदा मैले तीन स्टेजको बारेमा मात्र उल्लेख गरेको छु । जब तपाईंले यसलाई सजिलो गरी लेबलिङ गर्नुहुन्छ । तब मसिन लर्निङको लागि पनि सजिलो हुन्छ र एक्युरेट पनि हुन्छ ।
डिप लर्निङ मोडल ब्ल्याक बक्स होइनन् । किनभने यो म्याथमेटिक्समा आधारित छन् र त्यसलाई भिजुअलाइज गर्न सकिन्छ ।
मैले तस्वीरबाट फलको संख्या गन्नलाई डिप लर्निङ सीएनएन मोडल प्रयोग गरेको छु । यसले सिधै तस्वीरबाट फल संख्याको प्रक्षेपण गर्दछ ।
तपाईंले अगाडि नै फल लाग्ने प्रक्षेपणबाट संख्या गनिसक्नु भएको छ । फूललाई विभिन्न अवस्थामा वर्गिकिरण गरेर संख्या गनिसक्नु भएको छ ।
तपाईसँग जीपीएस प्वाइन्ट पनि छ । गूगल म्यापमा त्यसलाई ब्लक गरेर राख्न सक्नुहुन्छ । उदाहरणको लागि एउटा आपँको बगैँचाको ब्लक बनाउनुहोस् त्यसमा रंगबाट फूलको संख्यामा थ्रेडहोल्ड बनाउनुहोस् ।
कुनै सफ्टवेयरमा तपाईको ब्लक डिस्प्ले गरेर रंगको आधारमा कुन ठाउँमा बाक्लो फूल छ, त्यो देख्नसक्नुहन्छ । यो ठाउँमा चाँडै फल आउन सक्छ भनेर बुझ्न सक्नुहुन्छ ।
कुनै ब्लकमा छिटो फल पाक्ने देखेपछि त्यसै अनुसार मानिसहरु पठाउन सक्नुहुन्छ । यसरी तपाईंले फलको आकार, संख्या र ढिलो/चाँडाे फल पाक्ने कुराको प्रक्षेपण गरेर बजारमा कुरा गर्नसक्नुहुन्छ ।
यसरी बजार याेजना, भण्डारण, गाडी र काम गर्ने सबै कुरा जुटाउन सक्नुहुन्छ । यसले तपाईंको लागि डिसिजन सपोर्ट सिस्टमको रुपमा काम गर्दछ ।
तपाईंको अब फल टिप्ने समय भएको छ । फलहरुबीचको दुरी पनि तपाईंले थाहा पाउन सक्नुहुन्छ । अब बालीलाई स्वचालित प्रविधिबाट भित्राउने समय आएको छ ।
यसका लागि स्ट्याण्डर्ड इन्डस्ट्रियल आर्म काम दिन्छ । यस्ता रोबोटहरुको १० वटासम्म आर्म हुन्छन् । नयाँ रोबोटको अझ १६ वटा आर्म हुन्छन् । यी आर्महरुले फललाई टिप्ने काम गर्छन् । विभिन्न फल टिप्ने छुट्टा छुट्टै रोबोट हुन्छ तर आपको रुखको संरचनाको कारण आप टिप्ने काम रोबोटको लागि केही चुनौती पूर्ण हुन्छ ।
कृषि क्षेत्रमा मसिन भिजन र डिप लर्निङको धेरै किसिमका प्रयोगहरु छन् । यसले गुणस्तरको प्रत्याभूतिदेखि परिणामको प्रक्षेपणसम्मको काम गर्दछ ।
ठूला ठूला कृषिका लागि प्रयोग गर्न नयाँ इन्डस्ट्रियल ग्रेडका कम्प्युटरहरु हामीसँग छन् । यी कम्प्युटरमा जीपीयू कम्प्युटिङ छन्, ताकि खेतमा सबै कुरा रियल टाइममा प्रोसेस्ड गर्न सकियोस् ।
हाई पर्फमेटिभ भर्चुअल कम्प्युटरमा प्रोसेसिङका लागि इन्टरनेट र क्लाउड कम्प्युटिङ छ भने डेटा कलेक्ट गर्न विभिन्न आइओटी उपकरण तथा सेन्सरहरु उपलब्ध छन् ।
यसका लागि विभिन्न डिप लर्निङ एल्गोरिदम तथा ट्रन मोडलहरु छन् ।
कृषि क्षेत्रले पनि मसिन भिजन र एआईलाई भविष्यको प्रविधिको रुपमा स्वीकार गरिसकेको अवस्था छ । ठूलो एकडको जमिनमा ड्राइभरबिनाको स्वचालित गाडीहरु चल्न थालिसकेका छन् ।
व्यवसायिक खेती गर्नेहरुले मसिन भिजन र रोबोटिक हार्बेस्टिङसँग मिलाउनलाई आफ्नो रुख तथा खेतीको साइज र सेपको संरचनालाई परिवर्तन गर्न थालिसकेका छन् ।
स्याउका रुखहरु टु डी स्पिन्डल ट्रिमा बढ्न थालेको छ । आँपका विरुवा पनि परीक्षणमा छन् ।
राम्रो भिजिबिलिटी, एक्युरेट मसिन भिजन रोबोटिक पिकिङ आर्मको लागि सजिलो हुन्छ र प्रक्षेपण पनि गर्नसक्छ ।
तपाईं मसिन लर्निङ तथा यसको सफ्टवेयरको विषयमा विज्ञ भएता पनि मसिन तथा कम्प्युटर भिजनमा डेटा एक्युजिसन सधै महत्वपूर्ण हुन्छ । तपाईसँग राम्रो सिग्नल छैन भने राम्रो काम गर्नसक्नुहुन्न ।
मसिन भिजनको हार्डवेयर र कम्प्युटेसनल रिसोर्स कस्तो चयन गर्ने भन्ने विषय यसको प्रयोगमा निर्भर हुन्छ । कस्तो क्यामेरा, कस्तो मसिन चयन गर्ने यी सबै कुरा त्यसमै निर्भर हुन्छ । सुरुमा आफ्नो प्रोग्राम वा प्रोडक्टिभिटीको स्केलबिलिटीको विषयमा सधै ध्यान दिनुपर्छ ।
(सेन्ट्रल क्विन्सल्याण्ड युनिर्भसिटी अष्ट्रेलियामा पोस्ट डक्टरेट गर्दै आउनुभएका कोइरालाले प्रस्तुत गरेको एक रिसर्च पेपरमा आधारित भइ तयार पारिएको लेख)
