IIT ગાંધીનગરના સંશોધકોએ પરાગરજની છબીઓના વર્ગીકરણ માટે AI-આધારિત ફ્રેમવર્ક વિકસાવ્યું

28 વિવિધ ઔષધીય વનસ્પતિ પ્રજાતિઓની SEM છબીઓના પ્રતિનિધિ ડેટાસેટનો ઉપયોગ કરીને, ટીમે કૃષિ, એલર્જન સ્ત્રોતની ઓળખ, ઐતિહાસિક આબોહવા પરિવર્તન અને પુરાતત્વ જેવા ક્ષેત્રોમાં વ્યાપક ઉપયોગો સાથે પરાગના કાર્યક્ષમ વિશ્લેષણનું પ્રદર્શન કર્યું. તેમના તારણો તાજેતરમાં Botany Lettersમાં પ્રકાશિત થયા હતા.

નરી આંખે અદ્રશ્ય એવી પરાગરજ વનસ્પતિના પ્રજનનને સરળ બનાવે છે. તેમનો આકાર, કદ અને સપાટીની વિશેષતાઓ વિવિધ પ્રજાતિઓને ઓળખવામાં અને વર્ગીકૃત કરવામાં મદદ કરી શકે છે, જે જટિલ જૈવિક માર્કર્સ તરીકે કામ કરે છે. આ મોર્ફોલોજિકલ લાક્ષણિકતાઓને SEMનો ઉપયોગ કરીને અસરકારક રીતે કેપ્ચર કરી શકાય છે, જે સૂક્ષ્મ સપાટીના બંધારણોને વિગતવાર જોવા માટે ફોકસ કરેલા ઇલેક્ટ્રોન બીમનો ઉપયોગ કરે છે.

“જોકે મજબૂત ઇમેજિંગ ટેકનીકો ઉપલબ્ધ છે, તેમ છતાં સ્વચાલિત પરાગ વિશ્લેષણને સરળ બનાવવા માટે પ્રમાણભૂત વર્કફ્લો અને મોટા પાયે ડેટાસેટ્સનો હજુ પણ અભાવ છે, ખાસ કરીને ઓછું પ્રતિનિધિત્વ ધરાવતી વનસ્પતિઓમાં,” તેમ IITGN ના અંતિમ વર્ષના અંડરગ્રેજ્યુએટ અને અભ્યાસના પ્રથમ લેખક જયદેવ સંજય ખલાણેએ સમજાવ્યું. શ્રી ખલાણેએ આ અભ્યાસ બાયોલોજિકલ સાયન્સ એન્ડ એન્જિનિયરિંગ વિભાગના આસિસ્ટન્ટ પ્રોફેસર અને પ્લાન્ટ મોલેક્યુલર એન્ડ ડેવલપમેન્ટલ સેલ બાયોલોજી (PMDCB) લેબોરેટરીના પ્રિન્સિપલ ઇન્વેસ્ટિગેટર ડૉ. સુબ્રમણ્યન શંકરનારાયણન સાથે સમર રિસર્ચ ઇન્ટર્નશિપ પ્રોગ્રામ (SRIP) ના ભાગરૂપે પૂર્ણ કર્યો હતો.

“ટીમે ગુજરાત, ભારતમાં IITGN કેમ્પસમાંથી જાણીતા ઔષધીય ગુણો ધરાવતી 28 અલગ-અલગ ફૂલવાળી વનસ્પતિ પ્રજાતિઓ એકત્રિત કરીને શરૂઆત કરી હતી. સંસ્થાની સેન્ટ્રલ ઇન્સ્ટ્રુમેન્ટેશન ફેસિલિટી ખાતે SEM નો ઉપયોગ કરીને પરાગ વિશ્લેષણમાં પરાગના આકાર અને સપાટીમાં વિશિષ્ટ અને અનોખા લક્ષણો જોવા મળ્યા હતા, જે સ્ફેરોઇડ (ગોળાકાર) થી અનિયમિત અને સુંવાળા થી કાંટાળા સુધીના હતા,” તેમ ડૉ. શંકરનારાયણનને જણાવ્યું હતું. આ પછી MPalyn (Medicinal Pollen and Palynology SEM) ડેટાબેઝ વિકસાવવામાં આવ્યો હતો. વેબ-આધારિત, ઓપન-એક્સેસ એપ્લિકેશન MPalyn માં પ્રજાતિઓની વિગતો અને વ્યવસ્થિત સંશોધન માટે અનુરૂપ હાઇ-રિઝોલ્યુશન SEM છબીઓ શામેલ છે.

જ્યારે તેના વર્તમાન ડેટાસેટમાં સેગમેન્ટેશન માટે 269 છબીઓ અને વર્ગીકરણ માટે 5842 છબીઓ સાથે ઔષધીય વનસ્પતિઓનો સમાવેશ થાય છે, ત્યારે આ ફ્રેમવર્કને ભવિષ્યના વિસ્તરણ માટે પણ અનુકૂળ કરી શકાય છે. આગામી પગલા તરીકે, ટીમે YOLOv11n (You Only Look Once), જે એક કોમ્પ્યુટર વિઝન મોડલ છે, તેને SEM છબીઓમાંથી ન્યૂનતમ બેકગ્રાઉન્ડ અવાજ સાથે હાઇ-રિઝોલ્યુશન પરાગરજની છબીઓ કાઢવા માટે લાગુ કર્યું.

કોમ્પ્યુટર વિઝન એ આર્ટિફિશિયલ ઇન્ટેલિજન્સનો એક પ્રકાર છે જે કોમ્પ્યુટરને તે વિઝ્યુઅલ માહિતીને “જોવા” અને સમજવા માટે તાલીમ આપે છે, જેમ કે પેટર્નને ઓળખવી. “આ પદ્ધતિનો ઉપયોગ મોટા પાયે અભ્યાસમાં થઈ શકે છે અને તે સમય માંગી લેતા અને સ્કેલ કરવામાં મુશ્કેલ એવા મેન્યુઅલ સેગમેન્ટેશન પરની નિર્ભરતા ઘટાડે છે,” તેમ PMDCB લેબના ભૂતપૂર્વ પોસ્ટડોક્ટરલ ફેલો અને હૈદરાબાદની વોક્સન યુનિવર્સિટીના આસિસ્ટન્ટ પ્રોફેસર ડૉ. નિલેશ ગાવંડેએ ઉમેર્યું.

સંશોધકોએ મેન્યુઅલી સેગમેન્ટેડ પરાગ છબીઓ પર બહુવિધ વર્ગીકરણ મોડેલોનું પરીક્ષણ પણ કર્યું હતું. તેઓએ જોયું કે વિઝન ટ્રાન્સફોર્મર (ViT) મોડેલે સૌથી વધુ વર્ગીકરણ ચોકસાઈ હાંસલ કરી છે. તેણે પરાગના બંધારણમાં રહેલા સૂક્ષ્મ તફાવતોને અસરકારક રીતે શીખ્યા અને ભેદ પાડ્યા. ડૉ. શણમુગનાથન રમન અનુસાર, “સમગ્ર રીતે,

આ અભ્યાસમાં માઇક્રોસ્કોપી અને કોમ્પ્યુટર વિઝન મોડલ્સને સંકલિત કરીને પરાગ વિશ્લેષણને સચોટ અને ઝડપથી સ્વચાલિત કરવા માટે એક આંતરશાખાકીય પદ્ધતિ સામેલ છે, જેમાં વનસ્પતિ વર્ગીકરણ અને જૈવવિવિધતા નિરીક્ષણથી લઈને કૃષિ, પરાગ એલર્જી અને પેલેઓઇકોલોજી સુધીના ક્ષેત્રોમાં વ્યાપક ઉપયોગો છે.” ડૉ. રમન કોમ્પ્યુટર સાયન્સ એન્ડ એન્જિનિયરિંગ (CSE) અને ઇલેક્ટ્રિકલ એન્જિનિયરિંગ વિભાગના પ્રોફેસર છે. તેઓ CSE વિભાગના વડા અને કોમ્પ્યુટર વિઝન, ઇમેજિંગ એન્ડ ગ્રાફિક્સ (CVIG) લેબના પ્રિન્સિપલ ઇન્વેસ્ટિગેટર પણ છે.

સંશોધકોએ નોંધ્યું હતું કે મોડલ્સ અને અલ્ગોરિધમ્સમાં સુધારો કરવાથી મોર્ફોલોજિકલ રીતે સમાન હોય અથવા નજીકની સંબંધિત પ્રજાતિઓ ધરાવતી હોય તેવી પરાગના વર્ગીકરણમાં ભૂલની શક્યતા ઘટાડવામાં મદદ મળી શકે છે. ટીમે ડૉ. સુબ્રમણ્યન શંકરનારાયણનને રામલિંગસ્વામી રી-એન્ટ્રી ફેલોશિપ ગ્રાન્ટ અને IITGN તરફથી સ્ટાર્ટ-અપ ગ્રાન્ટ માટે બાયોટેકનોલોજી વિભાગનો આભાર માન્યો હતો.