কৃষি ফল সনাক্তকরণ বাউন্ডিং বক্স টীকা
কীভাবে শাইপ বাগানের চিত্র থেকে প্রতিটি দৃশ্যমান আপেলের জন্য সুনির্দিষ্ট বাউন্ডিং বক্স অ্যানোটেশন প্রদান করেছেন — যা সম্পূর্ণ বৃদ্ধি-চক্র, বহু-দৃষ্টিভঙ্গির ধারণ এবং ৩-স্তরীয় অবস্থার বৈশিষ্ট্যকে অন্তর্ভুক্ত করে — এবং এটিকে ফলন অনুমান, রোবোটিক ফসল সংগ্রহ, এবং ফসলের স্বাস্থ্য বিষয়ক এআই-এর জন্য একটি প্রোডাকশন-গ্রেড ডেটাসেট হিসেবে তৈরি করেছেন।
প্রজেক্ট সারসংক্ষেপ
যেহেতু নির্ভুল কৃষি কৃত্রিম বুদ্ধিমত্তা-চালিত ফসল সংগ্রহ এবং ফলন পূর্বাভাসের দিকে অগ্রসর হচ্ছে, তাই ক্লায়েন্টের এমন একটি অ্যানোটেশন পাইপলাইনের প্রয়োজন ছিল যা ঘন, প্রাকৃতিকভাবে জঞ্জালপূর্ণ ফলের বাগানের চিত্র থেকে বৃহৎ পরিসরে স্বতন্ত্র ফল শনাক্ত করতে সক্ষম — যা ফুল ফোটা থেকে শুরু করে ফসল সংগ্রহ পর্যন্ত প্রতিটি বৃদ্ধির পর্যায়কে অন্তর্ভুক্ত করে।
শাইপ একটি এন্ড-টু-এন্ড অ্যানোটেশন পাইপলাইন তৈরি করেছেন, যার মধ্যে রয়েছে প্রতিটি ফলের জন্য সুনির্দিষ্ট বাউন্ডিং বক্স স্থাপন, বহু-বৈশিষ্ট্যযুক্ত অবস্থা ট্যাগিং, বহু-দৃষ্টিভঙ্গির চিত্র পরিচালনা এবং দ্বি-স্তরীয় গুণমান নিশ্চিতকরণ (QA) — যা বৃহৎ পরিসরে নির্ভুল কৃষি এআই-এর জন্য মডেল-প্রস্তুত ডেটাসেট তৈরি করে।
মূল পরিসংখ্যান
নির্ভুলতার সীমা
৮০%
বৃদ্ধির পর্যায়
সম্পূর্ণ চক্র
অ্যাট্রিবিউট লেয়ার
3
প্রেক্ষাপট
ভূমি + ড্রোন
চ্যালেঞ্জ
- টীকা প্রতিটি দৃশ্যমান আপেল ঘন ফলের বাগানের চিত্রে — প্রতি ফ্রেমে শত শত
- আচ্ছাদন সম্পূর্ণ বৃদ্ধি চক্র — ফুল, ছোট সবুজ ফল, পুরোপুরি পাকা আপেল
- হ্যান্ডলিং বহু-দৃষ্টিভঙ্গিমূলক চিত্রাবলী ভূমি স্তর, উপর থেকে ড্রোন, শাখার ক্লোজআপ
- বিশিষ্ট পাতা থেকে ফল প্রাথমিক বৃদ্ধির পর্যায়ে যখন রং মিশে যায়
- পরিচালক অবরুদ্ধ, আংশিক এবং ঝলকানি-প্রভাবিত নির্ভুলতার সাথে আপোস না করে ফল
সমাধান
প্রতি-ফল বাউন্ডিং বক্স স্থাপন
টীকাকাররা প্রতিটি ছবিতে দৃশ্যমান প্রত্যেকটি আপেলের চারপাশে, তার আকার, রঙের পর্যায় বা ফ্রেমের মধ্যে অবস্থান নির্বিশেষে, সুনির্দিষ্ট সীমানা বাক্স এঁকেছেন। এমনকি ঘন গুচ্ছের মধ্যেও, যেখানে কয়েক ডজন ফল একে অপরের উপর ছিল, পরবর্তী ফল গণনা এবং ফলন অনুমানের মডেলগুলোকে সহায়তা করার জন্য প্রতিটি ফলকে আলাদাভাবে চিহ্নিত করা হয়েছিল।
সম্পূর্ণ বৃদ্ধি-চক্রের কভারেজ
অ্যানোটেশনটি আপেলের সমস্ত বৃদ্ধির পর্যায়কে অন্তর্ভুক্ত করেছে — প্রাথমিক ফুল ফোটা ও ছোট সবুজ ফল থেকে শুরু করে সম্পূর্ণ পাকা লাল ও হলুদ আপেল পর্যন্ত। এই পূর্ণ-চক্রের কভারেজ নিশ্চিত করে যে প্রশিক্ষিত মডেলটি কৃষি চক্রের যেকোনো পর্যায়ে ফল শনাক্ত করতে পারে, শুধু ফসল তোলার সময়েই নয়।
বহু-দৃষ্টিভঙ্গি চিত্রাবলী
মাটির স্তর থেকে বাগানের সারি থেকে তোলা ছবি, উপর থেকে ড্রোনের চিত্র এবং ডালের কাছ থেকে তোলা ছবি—সবই অন্তর্ভুক্ত করা হয়েছিল, যা ডেটাসেটটিকে অত্যন্ত বৈচিত্র্যময় এবং বাস্তব প্রয়োগের প্রতিনিধিত্বকারী করে তুলেছে। প্রতিটি দৃষ্টিকোণের জন্য সেই দৃষ্টিকোণ-নির্দিষ্ট টীকা নির্দেশিকা দেওয়া হয়েছিল।
৩-স্তরীয় বৈশিষ্ট্য শ্রেণিবিন্যাস
প্রতিটি চিহ্নিত আপেলকে আরও কয়েকটি বৈশিষ্ট্যের ভিত্তিতে শ্রেণিবদ্ধ করা হয়েছিল, যার মধ্যে ছিল পরিপক্কতার পর্যায় (কাঁচা, আধা-পাকা, পুরোপুরি পাকা), দৃশ্যমানতার অবস্থা (সম্পূর্ণ দৃশ্যমান, আংশিকভাবে আড়াল, ব্যাপকভাবে আড়াল) এবং ফলের অবস্থা (সুস্থ, ক্ষতিগ্রস্ত, রোগাক্রান্ত)। এই বহু-বৈশিষ্ট্যপূর্ণ পদ্ধতিটি প্রশিক্ষিত মডেলটিকে ফল শনাক্তকরণের পাশাপাশি ফসল তোলার প্রস্তুতি এবং ফসলের স্বাস্থ্য মূল্যায়ন করতে সক্ষম করে।
প্রান্তিক ক্ষেত্রে পরিচালনা
ফ্রেমের আংশিকভাবে বাইরে থাকা আপেল, মাটিতে পড়ে থাকা আপেল, আলোর ঝলকানি সৃষ্টিকারী প্রতিফলক বা চকচকে ফলের পৃষ্ঠ, এবং জুম-স্তরে শনাক্তকরণের প্রয়োজন এমন দূরবর্তী ছোট ফলের ক্ষেত্রে টীকাকাররা কঠোর নির্দেশিকা অনুসরণ করেছেন। আলোর পরিবর্তনশীলতা—বিশেষ করে গাছের পাতার ছায়া—প্রেক্ষিত-সচেতন টীকা নিয়মের মাধ্যমে সামলানো হয়েছে।
প্রকল্পের সুযোগ
| ডেটাসেটের প্রকার | লক্ষ্য | বৃদ্ধির পর্যায় | প্রেক্ষাপট | আরোপ করা | সঠিকতা |
|---|---|---|---|---|---|
| কৃষি ফল সনাক্তকরণ | আপেল | পূর্ণ চক্র (প্রস্ফুটন → পরিপক্কতা) | ভূমি + ড্রোন + ক্লোজ-আপ | পরিপক্কতা, দৃশ্যমানতা, অবস্থা | ৮০% |
ফলাফল
- প্রতিষ্ঠিত একটি ঘন-ফলের বাগান বাউন্ডিং বক্স পাইপলাইন দৃশ্যমান প্রতিটি ফল শনাক্ত করতে সক্ষম
- প্রমিত সম্পূর্ণ বৃদ্ধি-চক্র টীকা কভারেজ ফুল ফোটা থেকে ফসল কাটা পর্যন্ত
- নিষ্কৃত ৩-স্তরীয় বৈশিষ্ট্য শ্রেণিবিন্যাস পরিপক্কতা, দৃশ্যমানতা এবং অবস্থার জন্য
- রক্ষণাবেক্ষণ ৯৯% নির্ভুলতা গেট বহু-দৃষ্টিভঙ্গিমূলক চিত্রাবলী জুড়ে দ্বি-স্তরীয় QC এর মাধ্যমে
- ক্লায়েন্টের সক্ষম করা হয়েছে ফলন অনুমান, রোবোটিক ফসল সংগ্রহ, ফসলের স্বাস্থ্য এবং ড্রোন নজরদারি AI
সামগ্রিকভাবে, শাইপ বাগান-স্তরের ফল শনাক্তকরণের প্রয়োজনীয়তাকে একটি সুসংগঠিত ও উৎপাদন-উপযোগী অ্যানোটেশন পাইপলাইনে রূপান্তরিত করতে সাহায্য করেছেন—যা বিভিন্ন বাগানের পরিবেশ ও বৃদ্ধিচক্র জুড়ে নির্ভুল কৃষি, রোবোটিক ফসল সংগ্রহ, ফলন পূর্বাভাস এবং ফসলের স্বাস্থ্য পর্যবেক্ষণের মতো এআই-কে সমর্থন করতে সক্ষম।
শাইপ কিছু ফ্রেমে এমন সব আপেল চিহ্নিত করেছিলেন যেগুলোকে আমরা পাতা থেকে আলাদা করে চিনতেই পারতাম না। সেগুলোর বৃদ্ধির পর্যায় ও অবস্থার এই ট্যাগিং সরাসরি আমাদের ফলন অনুমান এবং ফসল সংগ্রহের পরিকল্পনা মডেলে ব্যবহৃত হয়েছিল।
