कृषि फल पहचान बाउंडिंग बॉक्स एनोटेशन
शैप ने बाग की छवियों में दिखाई देने वाले प्रत्येक सेब पर सटीक बाउंडिंग बॉक्स एनोटेशन कैसे प्रदान किया - जिसमें संपूर्ण विकास चक्र, बहु-परिप्रेक्ष्य कैप्चर और 3-स्तरीय स्थिति विशेषताएँ शामिल हैं - जिसे उपज अनुमान, रोबोटिक कटाई और फसल स्वास्थ्य एआई के लिए उत्पादन-ग्रेड डेटासेट के रूप में बनाया गया है।
परियोजना अवलोकन
जैसे-जैसे सटीक कृषि एआई-संचालित कटाई और उपज पूर्वानुमान की ओर बढ़ रही है, ग्राहक को एक ऐसी एनोटेशन पाइपलाइन की आवश्यकता थी जो घने, प्राकृतिक रूप से अव्यवस्थित बाग की छवियों में बड़े पैमाने पर अलग-अलग फलों का पता लगाने में सक्षम हो - जिसमें फूल आने से लेकर कटाई तक विकास के हर चरण को शामिल किया गया हो।
शैप ने फलों के लिए सटीक बाउंडिंग बॉक्स प्लेसमेंट, मल्टी-एट्रीब्यूट कंडीशन टैगिंग, मल्टी-पर्सपेक्टिव इमेजरी हैंडलिंग और टू-टियर क्यूए को कवर करते हुए एंड-टू-एंड एनोटेशन पाइपलाइन का निर्माण किया - जिससे बड़े पैमाने पर सटीक कृषि एआई के लिए मॉडल-रेडी डेटासेट तैयार हुए।
मुख्य आँकड़े
सटीकता सीमा
99% तक
विकास के चरण
पूर्ण चक्र
विशेषता परतें
3
परिप्रेक्ष्य
ग्राउंड + ड्रोन
चुनौतियां
- टिप्पणी करना हर दिखाई देने वाला सेब घने बागों के दृश्यों में — प्रति फ्रेम सैकड़ों
- कवर संपूर्ण विकास चक्र — फूल, छोटे हरे फल, पूरी तरह पके सेब
- हैंडलिंग बहु-परिप्रेक्ष्य छवि — ज़मीन से लिया गया दृश्य, ऊपर से ड्रोन द्वारा लिया गया दृश्य, शाखा का नज़दीकी दृश्य
- ख़ास पत्तियों से फल प्रारंभिक विकास चरणों के दौरान जब रंग आपस में मिल जाते हैं
- प्रबंध अवरुद्ध, आंशिक और चकाचौंध से प्रभावित सटीकता से समझौता किए बिना फल
उपाय
प्रति फल बाउंडिंग बॉक्स प्लेसमेंट
टिप्पणीकारों ने प्रत्येक छवि में दिखाई देने वाले प्रत्येक सेब के चारों ओर, आकार, रंग या फ्रेम में उसकी स्थिति की परवाह किए बिना, सटीक सीमाएँ बनाईं। यहाँ तक कि घने समूहों में भी जहाँ दर्जनों फल एक-दूसरे पर आ गए थे, प्रत्येक को अलग-अलग लेबल किया गया ताकि आगे चलकर फलों की गिनती और उपज का अनुमान लगाने वाले मॉडलों को सहायता मिल सके।
संपूर्ण विकास-चक्र कवरेज
इस विश्लेषण में सेब के सभी विकास चरणों को शामिल किया गया है — शुरुआती फूल आने और छोटे हरे फलों से लेकर पूरी तरह पके हुए लाल और पीले सेब तक। यह पूर्ण चक्र कवरेज सुनिश्चित करता है कि प्रशिक्षित मॉडल कृषि चक्र के किसी भी चरण में फलों का पता लगा सकता है, न कि केवल कटाई के समय।
बहु-परिप्रेक्ष्य इमेजरी
ज़मीनी स्तर पर बागों की पंक्तियों से ली गई तस्वीरें, ड्रोन द्वारा ली गई ओवरहेड इमेजरी और शाखाओं की नज़दीकी तस्वीरें, सभी को शामिल किया गया, जिससे डेटासेट अत्यधिक विविधतापूर्ण और वास्तविक दुनिया में उपयोग का प्रतिनिधि बन गया। प्रत्येक परिप्रेक्ष्य के लिए परिप्रेक्ष्य-विशिष्ट एनोटेशन दिशानिर्देश दिए गए।
3-स्तरीय विशेषता वर्गीकरण
प्रत्येक चिह्नित सेब को परिपक्वता अवस्था (कच्चा, अर्ध-पका, पूर्णतः पका हुआ), दृश्यता स्थिति (पूर्ण रूप से दृश्यमान, आंशिक रूप से अवरुद्ध, अत्यधिक अवरुद्ध) और फल की अवस्था (स्वस्थ, क्षतिग्रस्त, रोगग्रस्त) जैसे गुणों के आधार पर वर्गीकृत किया गया। यह बहु-गुणात्मक दृष्टिकोण प्रशिक्षित मॉडल को फल की पहचान के साथ-साथ कटाई की तैयारी और फसल के स्वास्थ्य का आकलन करने में सक्षम बनाता है।
एज-केस हैंडलिंग
एनोटेटरों ने आंशिक रूप से फ्रेम से बाहर स्थित सेबों, जमीन पर गिरे सेबों, चमकीली या परावर्तित फलों की सतहों के कारण उत्पन्न होने वाली चकाचौंध और दूर स्थित छोटे फलों, जिन्हें ज़ूम करके पहचानना आवश्यक था, के लिए सख्त दिशानिर्देशों का पालन किया। प्रकाश की परिवर्तनशीलता — विशेष रूप से पेड़ों की पत्तियों की छाया — को परिप्रेक्ष्य-जागरूक एनोटेशन नियमों के माध्यम से नियंत्रित किया गया।
परियोजना गुंजाइश
| डेटासेट प्रकार | लक्ष्य | विकास के चरण | परिप्रेक्ष्य | गुण | शुद्धता |
|---|---|---|---|---|---|
| कृषि फल पहचान | सेब | पूर्ण चक्र (फूल खिलना → पकना) | ज़मीन + ड्रोन + क्लोज़-अप | परिपक्वता, दृश्यता, स्थिति | 99% तक |
परिणामों
- की स्थापना की सघन-बाग सीमा बॉक्स पाइपलाइन हर दिखाई देने वाले फल का पता लगाने में सक्षम
- मानकीकृत पूर्ण विकास-चक्र एनोटेशन कवरेज फूल खिलने से लेकर कटाई तक
- दिया गया 3-स्तरीय विशेषता वर्गीकरण परिपक्वता, दृश्यता और स्थिति के लिए
- अनुरक्षित 99% सटीकता वाला गेट बहु-परिप्रेक्ष्य इमेजरी में दो-स्तरीय गुणवत्ता नियंत्रण के माध्यम से
- क्लाइंट को सक्षम किया गया उपज का आकलन, रोबोटिक कटाई, फसल स्वास्थ्य और ड्रोन निगरानी AI
कुल मिलाकर, शैप ने बाग-स्तर पर फलों की पहचान की आवश्यकता को एक संरचित, उत्पादन-तैयार एनोटेशन पाइपलाइन में बदलने में मदद की - एक ऐसी पाइपलाइन जो विविध बाग-वातावरण और विकास चक्रों में सटीक कृषि, रोबोटिक कटाई, उपज भविष्यवाणी और फसल स्वास्थ्य निगरानी एआई का समर्थन करने में सक्षम है।
शैप ने कुछ तस्वीरों में सेबों को इस तरह चिह्नित किया कि हम उन्हें पत्तियों से अलग पहचान भी नहीं पा रहे थे। उनकी वृद्धि अवस्था और स्थिति के आधार पर की गई जानकारी सीधे हमारे उपज अनुमान और कटाई योजना मॉडल में शामिल की गई।
