एक बार जब भोजन एक केंद्रीय केंद्र या प्रसंस्करण संयंत्र में पहुंच जाता है, तो इसे हमेशा सुपरमार्केट में नहीं भेजा जाता है। भोजन को कई बार प्रसंस्करण के कई चरणों से गुजरना पड़ता है, जैसे गुणवत्ता के आधार पर छाँटना। यह एक प्रक्रिया है जो मैनुअल हुआ करती थी - यह खेत में शुरू होती थी जब बीनने वाले केवल पके फल चुनते थे, फिर कारखाने में फलों को एक कन्वेयर बेल्ट पर चलाया जाता था और कर्मचारी किसी भी टूटे या सड़े हुए फल को मैन्युअल रूप से हटा देते थे। स्कूल के दौरान ग्रीष्मकालीन नौकरी के रूप में स्वयं स्ट्रॉबेरी को चुनने और सॉर्ट करने के बाद, मैं प्रमाणित कर सकता हूं कि यह एक मजेदार काम नहीं है।
एक बार जब भोजन एक केंद्रीय केंद्र या प्रसंस्करण संयंत्र में पहुंच जाता है, तो इसे हमेशा सुपरमार्केट में नहीं भेजा जाता है। भोजन को कई बार प्रसंस्करण के कई चरणों से गुजरना पड़ता है, जैसे गुणवत्ता के आधार पर छाँटना। यह एक प्रक्रिया है जो मैनुअल हुआ करती थी - यह खेत में शुरू होती थी जब बीनने वाले केवल पके फल चुनते थे, फिर कारखाने में फलों को एक कन्वेयर बेल्ट पर चलाया जाता था और कर्मचारी किसी भी टूटे या सड़े हुए फल को मैन्युअल रूप से हटा देते थे। स्कूल के दौरान ग्रीष्मकालीन नौकरी के रूप में स्वयं स्ट्रॉबेरी को चुनने और सॉर्ट करने के बाद, मैं प्रमाणित कर सकता हूं कि यह एक मजेदार काम नहीं है।
अधिक आधुनिक सेटअप छँटाई के लिए IoT पर निर्भर करते हैं। [वीको](https://wecotek.com) के सॉर्टर्स जैसे कुछ शुरुआती उपकरण उत्पाद की गुणवत्ता का पता लगाने के लिए ऑप्टिकल सेंसर का उपयोग करते हैं, उदाहरण के लिए हरे टमाटर को अस्वीकार करते हैं। इन्हें खेत में ही हार्वेस्टर में या प्रसंस्करण संयंत्रों में लगाया जा सकता है।
अधिक आधुनिक सेटअप छँटाई के लिए IoT पर निर्भर करते हैं। [वीको](https://wecotek.com) के सॉर्टर्स (छँटाई के उपकरण) जैसे कुछ शुरुआती उपकरण उत्पाद की गुणवत्ता का पता लगाने के लिए ऑप्टिकल सेंसर का उपयोग करते हैं, उदाहरण के लिए हरे टमाटर को अस्वीकार करते हैं। इन्हें खेत में ही हार्वेस्टर में या प्रसंस्करण संयंत्रों में लगाया जा सकता है।
जैसे-जैसे आर्टिफिशियल इंटेलिजेंस (एआई) और मशीन लर्निंग (एमएल) में प्रगति होती है, फल और विदेशी वस्तुओं जैसे चट्टानों, गंदगी या कीड़ों के बीच अंतर करने के लिए प्रशिक्षित एमएल मॉडल का उपयोग करके ये मशीनें और अधिक उन्नत हो सकती हैं। इन मॉडलों को फलों की गुणवत्ता का पता लगाने के लिए भी प्रशिक्षित किया जा सकता है, न केवल टूटे हुए फल बल्कि बीमारी या अन्य फसल समस्याओं का जल्द पता लगाना।
जैसे-जैसे आर्टिफिशियल इंटेलिजेंस (एआई) और मशीन लर्निंग (एमएल) में प्रगति होती है, फल और विदेशी वस्तुओं जैसे चट्टानों, गंदगी या कीड़ों के बीच अंतर करने के लिए प्रशिक्षित एमएल मॉडल का उपयोग करके ये मशीनें और अधिक उन्नत हो सकती हैं। इन मॉडलों को फलों की गुणवत्ता का पता लगाने के लिए भी प्रशिक्षित किया जा सकता है, न केवल टूटे हुए फल बल्कि बीमारी या अन्य फसल समस्याओं का जल्द पता लगाना।
AdityaGarg00
4 years ago
committed by
GitHub