क्या आप कभी किराने की दुकान पर प्रदर्शन के लिए रखे सेबों के सामने खड़े होकर सबसे अच्छे सेब चुनने की कोशिश कर रहे हैं और आपने सोचा है, "क्या इसके लिए कोई ऐप है?"
भोजन की गुणवत्ता की भविष्यवाणी करने के लिए उपयोग किए जाने वाले वर्तमान मशीन-लर्निंग आधारित कंप्यूटर मॉडल मनुष्य की अनुकूलन क्षमता के समान सुसंगत नहीं हैंपर्यावरणीय स्थितियाँ.फिर भी, अर्कांसस कृषि प्रयोग स्टेशन के अध्ययन में संकलित जानकारी का उपयोग किसी दिन उस ऐप को विकसित करने के लिए किया जा सकता है, साथ ही किराने की दुकानों को खाद्य पदार्थों को अधिक आकर्षक तरीके से प्रस्तुत करने और प्रसंस्करण सुविधाओं में उपयोग की जाने वाली मशीन विज़न प्रणालियों के लिए सॉफ़्टवेयर डिज़ाइन को अनुकूलित करने के लिए अंतर्दृष्टि प्रदान की जा सकती है।
अध्ययन का नेतृत्व जैविक और कृषि इंजीनियरिंग विभाग और खाद्य में स्मार्ट कृषि और खाद्य विनिर्माण के सहायक प्रोफेसर डोंगयी वांग ने कियाविज्ञानविभाग, हाल ही में थाप्रकाशितमेंखाद्य इंजीनियरिंग जर्नल.
चाहेमानवीय धारणाभोजन की गुणवत्ता में रोशनी के साथ हेरफेर किया जा सकता है, अध्ययन से पता चला है कि भोजन की गुणवत्ता की मानवीय धारणाओं के डेटा से प्रशिक्षित कंप्यूटरों ने विभिन्न प्रकाश स्थितियों के तहत अधिक सुसंगत भोजन गुणवत्ता की भविष्यवाणी की है।
वांग ने कहा, "मशीन-लर्निंग मॉडल की विश्वसनीयता का अध्ययन करते समय, पहली चीज जो आपको करने की ज़रूरत है वह मानव की विश्वसनीयता का मूल्यांकन करना है।""लेकिन मानवीय धारणा में अंतर हैं। हम जो करने की कोशिश कर रहे हैं वह हमारे मशीन-लर्निंग मॉडल को अधिक विश्वसनीय और सुसंगत बनाने के लिए प्रशिक्षित करना है।"
अध्ययन से पता चला कि विभिन्न प्रकाश स्थितियों के तहत तस्वीरों की मानवीय धारणाओं से डेटा का उपयोग करके कंप्यूटर भविष्यवाणी त्रुटियों को लगभग 20 प्रतिशत तक कम किया जा सकता है।यह एक स्थापित से बेहतर प्रदर्शन करता हैनमूनाजो मानव धारणा परिवर्तनशीलता को ध्यान में रखे बिना चित्रों का उपयोग करके कंप्यूटर को प्रशिक्षित करता है।
भले ही मशीन विज़न तकनीकों का व्यापक रूप से अध्ययन किया गया है और खाद्य इंजीनियरिंग क्षेत्र में लागू किया गया है, अध्ययन में कहा गया है कि अधिकांश मौजूदा एल्गोरिदम को "मानव-लेबल वाली जमीनी सच्चाई या सरल रंग जानकारी" के आधार पर प्रशिक्षित किया जाता है।लेखकों ने कहा कि किसी भी अध्ययन ने मानव धारणा पर रोशनी की विविधता के प्रभावों पर विचार नहीं किया है, और कैसे पूर्वाग्रह भोजन की गुणवत्ता के मूल्यांकन के लिए मशीन दृष्टि मॉडल के प्रशिक्षण को प्रभावित कर सकते हैं।
शोधकर्ताओं ने विभिन्न प्रकाश स्थितियों के तहत मानव धारणाओं का मूल्यांकन करने के लिए लेट्यूस का उपयोग किया, जिसका उपयोग कंप्यूटर मॉडल को प्रशिक्षित करने के लिए किया गया।संवेदी मूल्यांकन प्रयोग स्टेशन के संवेदी विज्ञान केंद्र में किया गया।खाद्य विज्ञान विभाग में प्रोफेसर और संवेदी विज्ञान केंद्र के निदेशक हान-सियोक सेओ, अध्ययन के सह-लेखक थे।
व्यापक आयु सीमा में 109 प्रतिभागियों में से 89 ने अध्ययन के मानव धारणा संबंधी विश्वसनीयता चरण के सभी नौ संवेदी सत्र पूरे किए।कोई भी प्रतिभागी कलर ब्लाइंड नहीं था या उसे दृष्टि संबंधी कोई समस्या नहीं थी।लगातार पांच दिनों में, पैनलिस्टों ने प्रत्येक दिन रोमेन लेट्यूस की 75 छवियों का मूल्यांकन किया।उन्होंने लेट्यूस की ताजगी को शून्य से 100 के पैमाने पर वर्गीकृत किया।
संवेदी पैनल द्वारा वर्गीकृत सलाद की छवियां ब्राउनिंग के विभिन्न स्तर प्रदान करने के लिए आठ दिनों के दौरान खींचे गए नमूनों की थीं।675 छवियों का डेटासेट प्राप्त करने के लिए, उन्हें नीले "ठंडे" टोन से लेकर नारंगी "गर्म" टोन तक, विभिन्न प्रकाश चमक और रंग तापमान के तहत लिया गया था।
अध्ययन में कहा गया है कि संवेदी पैनल के समान छवियों का मूल्यांकन करने के लिए कई अच्छी तरह से स्थापित मशीन लर्निंग मॉडल लागू किए गए थे।विभिन्न तंत्रिका नेटवर्क मॉडल ने नमूना छवियों को इनपुट के रूप में उपयोग किया और मानव धारणा की बेहतर नकल करने के लिए संबंधित औसत मानव ग्रेडिंग की भविष्यवाणी करने के लिए प्रशिक्षित किया गया।
जैसा कि संवेदी विज्ञान केंद्र के अन्य प्रयोगों में देखा गया, मानवीय धारणाभोजन की गुणवत्तारोशनी के साथ छेड़छाड़ की जा सकती है।उदाहरण के लिए, गर्म पर्यावरणीय रंग लेट्यूस ब्राउनिंग को छिपा सकते हैं, वांग ने समझाया।
वांग ने कहा कि विभिन्न प्रकाश स्थितियों के तहत मानवीय धारणाओं का उपयोग करके मशीन दृष्टि-आधारित कंप्यूटरों को प्रशिक्षित करने की विधि को खाद्य पदार्थों से लेकर गहनों तक कई चीजों पर लागू किया जा सकता है।
अर्कांसस विश्वविद्यालय के अध्ययन के अन्य सह-लेखकों में इंजीनियरिंग कॉलेज में औद्योगिक इंजीनियरिंग के एसोसिएट प्रोफेसर शेंगफान झांग शामिल थे;स्वर्ण सेतु, जैविक और कृषि इंजीनियरिंग विभाग में पूर्व पोस्ट-डॉक्टरल शोधकर्ता, और अब मिसौरी दक्षिणी राज्य विश्वविद्यालय में कंप्यूटर सूचना विज्ञान के सहायक प्रोफेसर;और विक्टोरिया जे. होगन, खाद्य विज्ञान विभाग में कार्यक्रम सहायक।
अधिक जानकारी:डोंगयी वांग एट अल, क्या मानवीय धारणा विश्वसनीय है?रोशनी की ओर भोजन की उपस्थिति से मजबूत भोजन ताजगी की भविष्यवाणी - एक उदाहरण के रूप में सलाद ताजगी मूल्यांकन लेते हुए,खाद्य इंजीनियरिंग जर्नल(2024)।डीओआई: 10.1016/जे.जेफूडेंग.2024.112179
उद्धरण:अध्ययन खाद्य गुणवत्ता कंप्यूटर भविष्यवाणियों में सुधार की पेशकश करता है (2024, 24 सितंबर)24 सितंबर 2024 को पुनः प्राप्तhttps://techxplore.com/news/2024-09-food-quality.html से
यह दस्तावेज कॉपीराइट के अधीन है।निजी अध्ययन या अनुसंधान के उद्देश्य से किसी भी निष्पक्ष व्यवहार के अलावा, नहींलिखित अनुमति के बिना भाग को पुन: प्रस्तुत किया जा सकता है।सामग्री केवल सूचना के प्रयोजनों के लिए प्रदान की गई है।