ਇਜ਼ਰਾਈਲੀ ਅਧਿਐਨ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪੌਦਿਆਂ ਦੇ ਪਾਣੀ ਦੀ ਵਰਤੋਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦਾ ਨਵਾਂ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ

ਤੇਲ ਅਵੀਵ [Israel]ਦਸੰਬਰ 16 (ANI/TPS): ਇੱਕ ਨਵਾਂ ਇਜ਼ਰਾਈਲੀ ਅਧਿਐਨ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਮਸ਼ੀਨ-ਲਰਨਿੰਗ ਮਾਡਲ ਛੇਤੀ ਹੀ ਉਤਪਾਦਕਾਂ ਨੂੰ ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਸਹੀ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦੀਆਂ ਫਸਲਾਂ ਪ੍ਰਤੀ ਦਿਨ ਕਿੰਨਾ ਪਾਣੀ ਵਰਤਦੀਆਂ ਹਨ, ਅਤੇ ਨਾਲ ਹੀ ਪੌਦਿਆਂ ਦੇ ਤਣਾਅ ਦਾ ਪਹਿਲਾਂ ਪਤਾ ਲਗਾਉਣ ਲਈ ਆਧਾਰ ਬਣਾ ਸਕਦਾ ਹੈ।

ਖੋਜ ਰੋਜ਼ਾਨਾ ਪੌਦਿਆਂ ਦੇ ਸੰਸ਼ੋਧਨ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ – ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਜਿਸ ਦੁਆਰਾ ਪਾਣੀ ਪੱਤਿਆਂ ਰਾਹੀਂ ਭਾਫ਼ ਬਣ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਹ ਇੱਕ ਮੁੱਖ ਸੂਚਕ ਹੈ ਕਿ ਇੱਕ ਪੌਦਾ ਅਸਲ ਵਿੱਚ ਕਿੰਨਾ ਪਾਣੀ ਖਪਤ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਸਿੰਚਾਈ ਦੀ ਯੋਜਨਾਬੰਦੀ ਲਈ ਟਰਾਂਸਪੀਰੇਸ਼ਨ ਕੇਂਦਰੀ ਹੈ, ਇਸਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੇ ਜ਼ਿਆਦਾਤਰ ਮੌਜੂਦਾ ਤਰੀਕੇ ਅਸਿੱਧੇ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ ਮੌਸਮ ਦੇ ਅੰਕੜਿਆਂ ਜਾਂ ਮਿੱਟੀ ਦੀ ਨਮੀ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਨਾ ਕਿ ਪੌਦੇ ਦੇ ਆਪਣੇ ਆਪ ਦੇ ਸਰੀਰਕ ਵਿਵਹਾਰ ਦੀ ਬਜਾਏ।

ਯੇਰੂਸ਼ਲਮ ਦੀ ਹਿਬਰੂ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਪ੍ਰੋਫੈਸਰ ਮੇਨਾਕੇਮ ਮੋਸ਼ੇਲੀਅਨ ਦੀ ਨਿਗਰਾਨੀ ਹੇਠ ਸ਼ਨੀ ਫ੍ਰੀਡਮੈਨ ਅਤੇ ਨੀਰ ਐਵਰਬਚ ਦੀ ਅਗਵਾਈ ਵਿੱਚ, ਅਧਿਐਨ ਅਰਧ-ਵਪਾਰਕ ਗ੍ਰੀਨਹਾਉਸ ਹਾਲਤਾਂ ਵਿੱਚ ਉਗਾਏ ਗਏ ਟਮਾਟਰ, ਕਣਕ ਅਤੇ ਜੌਂ ਦੇ ਪੌਦਿਆਂ ਤੋਂ ਸੱਤ ਸਾਲਾਂ ਦੇ ਨਿਰੰਤਰ, ਉੱਚ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਮਾਪਾਂ ‘ਤੇ ਖਿੱਚਿਆ ਗਿਆ। ਇੱਕ ਉੱਚ-ਸ਼ੁੱਧਤਾ ਲੋਡ-ਸੈੱਲ ਲਾਈਸਿਮੀਟਰ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਟੀਮ ਨੇ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਪੌਦਿਆਂ ਦੇ ਭਾਰ ਵਿੱਚ ਸੂਖਮ ਤਬਦੀਲੀਆਂ ਨੂੰ ਰਿਕਾਰਡ ਕੀਤਾ, ਜਿਸ ਨਾਲ ਰੋਜ਼ਾਨਾ ਪ੍ਰਸਾਰਣ ਦੇ ਸਿੱਧੇ ਅਤੇ ਅਸਧਾਰਨ ਤੌਰ ‘ਤੇ ਸਹੀ ਮਾਪ ਹੋ ਸਕਦਾ ਹੈ।

ਉਸ ਲੰਬੇ ਸਮੇਂ ਦੇ, ਪੌਦੇ-ਪੱਧਰ ਦੇ ਡੇਟਾਸੇਟ ਨੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਨਵੀਨਤਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ: ਮਸ਼ੀਨ-ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ ਕਿ ਅਸਿੱਧੇ ਵਾਤਾਵਰਣਕ ਪ੍ਰੌਕਸੀਜ਼ ਦੀ ਬਜਾਏ, ਸਿਹਤਮੰਦ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਾਣੀ ਵਾਲੇ ਪੌਦੇ ਅਸਲ ਵਿੱਚ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦੇ ਹਨ। ਰੈਂਡਮ ਫੋਰੈਸਟ ਅਤੇ XGBoost ਵਰਗੇ ਮਾਡਲਾਂ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਫੀਡ ਕਰਕੇ, ਟੀਮ ਨੇ ਦਿਖਾਇਆ ਕਿ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਕਈ ਫਸਲਾਂ ਵਿੱਚ ਵਾਤਾਵਰਣ ਦੀਆਂ ਸਥਿਤੀਆਂ ਅਤੇ ਪੌਦਿਆਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਤੋਂ ਰੋਜ਼ਾਨਾ ਪ੍ਰਸਾਰਣ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦੀ ਹੈ।

ਸੁਤੰਤਰ ਟੈਸਟਾਂ ਵਿੱਚ, XGBoost ਮਾਡਲ ਨੇ 0.82 ਦਾ ਇੱਕ R² ਮੁੱਲ ਪ੍ਰਾਪਤ ਕੀਤਾ, ਜੋ ਕਿ ਵੱਖ-ਵੱਖ ਜਲਵਾਯੂ ਹਾਲਤਾਂ ਅਤੇ ਵੱਖ-ਵੱਖ ਖੋਜ ਸੁਵਿਧਾਵਾਂ ਵਿੱਚ ਲਾਗੂ ਕੀਤੇ ਜਾਣ ‘ਤੇ ਵੀ ਮਾਪੇ ਗਏ ਸੰਸ਼ੋਧਨ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਅਨੁਸਾਰ, ਫਸਲਾਂ ਅਤੇ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਸਾਧਾਰਨ ਬਣਾਉਣ ਦੀ ਇਹ ਯੋਗਤਾ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ ਮਾਡਲ ਫਸਲ-ਵਿਸ਼ੇਸ਼ ਸ਼ੋਰ ਦੀ ਬਜਾਏ ਬੁਨਿਆਦੀ ਸਰੀਰਕ ਸੰਕੇਤਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰ ਰਹੇ ਹਨ।

ਦੋ ਵੇਰੀਏਬਲ ਖਾਸ ਤੌਰ ‘ਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਜੋਂ ਉਭਰੇ: ਪੌਦੇ ਦਾ ਬਾਇਓਮਾਸ ਅਤੇ ਰੋਜ਼ਾਨਾ ਤਾਪਮਾਨ। ਫ੍ਰੀਡਮੈਨ ਨੇ ਕਿਹਾ, “ਇਹ ਵੇਰੀਏਬਲ ਲਗਾਤਾਰ ਆਕਾਰ ਦਿੰਦੇ ਹਨ ਕਿ ਪੌਦੇ ਕਿੰਨੇ ਪਾਣੀ ਦੀ ਖਪਤ ਕਰਦੇ ਹਨ।” “ਇਹ ਸਮਝਣਾ ਕਿ ਇੱਕ ਸਿਹਤਮੰਦ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਾਣੀ ਵਾਲੇ ਪੌਦੇ ਨੂੰ ਇੱਕ ਨਿਸ਼ਚਿਤ ਦਿਨ ‘ਤੇ ਵਿਵਹਾਰ ਕਰਨ ਦੀ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਇਹ ਪਤਾ ਲਗਾਉਣ ਵਿੱਚ ਵੀ ਸਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕਦੋਂ ਕੁਝ ਗਲਤ ਹੈ.”

ਇਹ ਸੰਕਲਪ ਕੰਮ ਦੇ ਇੱਕ ਹੋਰ ਨਵੀਨਤਾਕਾਰੀ ਪਹਿਲੂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਕਿਉਂਕਿ ਮਾਡਲ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਕਿ ਇੱਕ ਸਿਹਤਮੰਦ ਪੌਦੇ ਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਪੂਰਵ-ਅਨੁਮਾਨ ਤੋਂ ਅਚਾਨਕ ਭਟਕਣਾ ਤਣਾਅ ਦੇ ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ ਚਿੰਨ੍ਹ ਵਜੋਂ ਕੰਮ ਕਰ ਸਕਦੀ ਹੈ। ਅਜਿਹਾ ਤਣਾਅ ਸੋਕੇ, ਖਾਰੇਪਣ, ਬਿਮਾਰੀ, ਜੜ੍ਹਾਂ ਦੇ ਨੁਕਸਾਨ ਜਾਂ ਹੋਰ ਵਾਤਾਵਰਣਕ ਤਣਾਅ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਹੋ ਸਕਦਾ ਹੈ, ਸੰਭਵ ਤੌਰ ‘ਤੇ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਲੱਛਣਾਂ ਦੇ ਪ੍ਰਗਟ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ।

“ਜੇਕਰ ਕੋਈ ਪੌਦਾ ਮਾਡਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਨਾਲੋਂ ਵੱਖਰਾ ਵਿਹਾਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਵਿਵਹਾਰ ਅਸਧਾਰਨ ਜਾਂ ਗੈਰ-ਸਿਹਤਮੰਦ ਪੌਦਿਆਂ ਦੇ ਵਿਵਹਾਰ ਦਾ ਸੂਚਕ ਹੋ ਸਕਦਾ ਹੈ,” ਫਰੀਡਮੈਨ ਨੇ ਕਿਹਾ।

ਐਵਰਬੁਚ, ਜਿਸ ਦੀ ਖੋਜ ਸ਼ੁੱਧ ਸਿੰਚਾਈ ‘ਤੇ ਕੇਂਦਰਤ ਹੈ, ਨੇ ਕਿਹਾ ਕਿ ਖੋਜਾਂ ਇਸ ਗੱਲ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀਆਂ ਹਨ ਕਿ ਖੇਤੀਬਾੜੀ ਵਿੱਚ ਡੇਟਾ-ਸੰਚਾਲਿਤ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। “ਅੱਜ ਵੀ, ਸਿੰਚਾਈ ਨਾਲ ਸਬੰਧਤ ਬਹੁਤ ਸਾਰੇ ਫੈਸਲੇ ਅਸਿੱਧੇ ਅਨੁਮਾਨਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ,” ਉਸਨੇ ਕਿਹਾ। “ਹਾਲਾਂਕਿ ਇਹ ਮਾਡਲ ਅਜੇ ਫੀਲਡ ਲਈ ਤਿਆਰ ਨਹੀਂ ਹੈ, ਖੋਜਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਕਿਵੇਂ ਭਵਿੱਖ ਦੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਹੋਰ ਸਹੀ ਸਿੰਚਾਈ ਸਮਾਂ-ਸਾਰਣੀ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਭੌਤਿਕ ਭਵਿੱਖਬਾਣੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰ ਸਕਦੀਆਂ ਹਨ।”

ਜਦੋਂ ਕਿ ਮੌਜੂਦਾ ਪਹੁੰਚ ਲੀਸੀਮੀਟਰ ਡੇਟਾ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਜੋ ਆਮ ਤੌਰ ‘ਤੇ ਉਤਪਾਦਕਾਂ ਲਈ ਉਪਲਬਧ ਨਹੀਂ ਹੁੰਦੀ ਹੈ, ਖੋਜਕਰਤਾ ਇਸਨੂੰ ਪੌਦੇ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਫੈਸਲੇ ਵਾਲੇ ਸਾਧਨਾਂ ਵੱਲ ਇੱਕ ਸੰਕਲਪਿਕ ਕਦਮ ਵਜੋਂ ਦੇਖਦੇ ਹਨ ਜੋ ਆਖਰਕਾਰ ਵਧੇਰੇ ਵਿਹਾਰਕ ਸੈਂਸਰਾਂ ਲਈ ਅਨੁਕੂਲਿਤ ਹੋ ਸਕਦੇ ਹਨ।

ਅਧਿਐਨ ਨੇ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਜਦੋਂ ਤੇਲ ਅਵੀਵ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਇੱਕ ਵੱਖਰੇ ਖੋਜ ਗ੍ਰੀਨਹਾਉਸ ਵਿੱਚ ਉਗਾਏ ਪੌਦਿਆਂ ‘ਤੇ ਟੈਸਟ ਕੀਤਾ ਗਿਆ, ਜਿਸ ਨਾਲ ਮੌਸਮ ਅਤੇ ਉਤਪਾਦਨ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਵਿਆਪਕ ਲਾਗੂ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕੀਤਾ ਗਿਆ।

ਨਜ਼ਦੀਕੀ ਮਿਆਦ ਵਿੱਚ, ਅਧਿਐਨ ਦੀ ਪਹੁੰਚ ਖੋਜ ਅਤੇ ਨਿਯੰਤਰਿਤ ਵਧ ਰਹੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਲਾਗੂ ਹੁੰਦੀ ਹੈ। ਦਿੱਤੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਸਿਹਤਮੰਦ ਪੌਦਿਆਂ ਨੂੰ ਕਿਵੇਂ ਵਧਣਾ ਚਾਹੀਦਾ ਹੈ, ਇਸ ਲਈ ਇੱਕ ਸਹੀ ਸਰੀਰਕ ਅਧਾਰਲਾਈਨ ਪ੍ਰਦਾਨ ਕਰਕੇ, ਮਾਡਲ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਫਸਲਾਂ ਦੇ ਪਾਣੀ ਦੀ ਵਰਤੋਂ, ਸਿੰਚਾਈ ਐਲਗੋਰਿਦਮ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ, ਅਤੇ ਗ੍ਰੀਨਹਾਉਸ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਪੂਰਵ-ਅਨੁਮਾਨਿਤ ਅਤੇ ਮਾਪੇ ਗਏ ਸੰਸ਼ੋਧਨ ਦੇ ਵਿਚਕਾਰ ਵਿਵਹਾਰ ਵੀ ਪ੍ਰਜਨਨ ਅਜ਼ਮਾਇਸ਼ਾਂ ਜਾਂ ਪ੍ਰਯੋਗਾਤਮਕ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਪੌਦਿਆਂ ਦੇ ਤਣਾਅ ਦੇ ਸ਼ੁਰੂਆਤੀ ਸੂਚਕਾਂ ਵਜੋਂ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਅਕਸਰ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਲੱਛਣਾਂ ਦੇ ਪ੍ਰਗਟ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ।

ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ, ਮਾਡਲ ਦੀ ਸੂਝ ਪਾਣੀ ਦੀ ਬੱਚਤ ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਾਲੇ ਉਤਪਾਦਕਾਂ ਲਈ ਬਿਹਤਰ ਸਿੰਚਾਈ ਸਮਾਂ-ਸਾਰਣੀ ਅਤੇ ਵਧੇਰੇ ਉੱਨਤ ਸ਼ੁੱਧ ਖੇਤੀ ਉਪਕਰਨ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀ ਹੈ। ਜਿਵੇਂ ਕਿ ਸਮਾਨ ਮਾਡਲਾਂ ਨੂੰ ਫੀਲਡ-ਰੈਡੀ ਸੈਂਸਰਾਂ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਹੈ, ਉਹ ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਆਧਾਰ ਵੀ ਬਣ ਸਕਦੇ ਹਨ ਜੋ ਸੋਕੇ, ਖਾਰੇਪਣ, ਬਿਮਾਰੀ ਜਾਂ ਜੜ੍ਹਾਂ ਦੇ ਨੁਕਸਾਨ ਦੇ ਕਾਰਨ ਉਭਰ ਰਹੇ ਤਣਾਅ ਪ੍ਰਤੀ ਉਤਪਾਦਕਾਂ ਨੂੰ ਸੁਚੇਤ ਕਰਦੇ ਹਨ। (ANI/TPS)

(ਇਹ ਸਮੱਗਰੀ ਇੱਕ ਸਿੰਡੀਕੇਟਿਡ ਫੀਡ ਤੋਂ ਲਈ ਗਈ ਹੈ ਅਤੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਅਨੁਸਾਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਟ੍ਰਿਬਿਊਨ ਇਸਦੀ ਸ਼ੁੱਧਤਾ, ਸੰਪੂਰਨਤਾ ਜਾਂ ਸਮੱਗਰੀ ਲਈ ਕੋਈ ਜ਼ਿੰਮੇਵਾਰੀ ਜਾਂ ਜ਼ਿੰਮੇਵਾਰੀ ਨਹੀਂ ਲੈਂਦਾ।)