<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "3764e089adf2d5801272bc0895f8498b",
  "translation_date": "2025-08-25T16:25:59+00:00",
  "source_file": "4-manufacturing/README.md",
  "language_code": "hi"
}
-->
# निर्माण और प्रसंस्करण - IoT का उपयोग करके खाद्य प्रसंस्करण में सुधार

जब भोजन एक केंद्रीय केंद्र या प्रसंस्करण संयंत्र तक पहुंचता है, तो इसे हमेशा सीधे सुपरमार्केट में नहीं भेजा जाता। अक्सर भोजन कई प्रसंस्करण चरणों से गुजरता है, जैसे गुणवत्ता के आधार पर छंटाई। यह एक प्रक्रिया थी जो पहले मैन्युअल होती थी - यह खेत में शुरू होती थी जब श्रमिक केवल पके हुए फल चुनते थे, फिर फैक्ट्री में फल एक कन्वेयर बेल्ट पर चलते थे और कर्मचारी मैन्युअल रूप से किसी भी चोटिल या सड़े हुए फल को हटा देते थे। मैंने स्कूल के दौरान गर्मियों की नौकरी के रूप में खुद स्ट्रॉबेरी चुनी और छांटी है, और मैं कह सकता हूं कि यह कोई मजेदार काम नहीं है।

अधिक आधुनिक सेटअप छंटाई के लिए IoT पर निर्भर करते हैं। शुरुआती उपकरणों में से कुछ, जैसे [Weco](https://wecotek.com) के सॉर्टर्स, ऑप्टिकल सेंसर का उपयोग करके उत्पाद की गुणवत्ता का पता लगाते हैं, उदाहरण के लिए हरे टमाटर को अस्वीकार करते हैं। इन्हें खेत में हार्वेस्टर में या प्रसंस्करण संयंत्रों में तैनात किया जा सकता है।

जैसे-जैसे कृत्रिम बुद्धिमत्ता (AI) और मशीन लर्निंग (ML) में प्रगति होती है, ये मशीनें अधिक उन्नत हो सकती हैं, ऐसे ML मॉडल का उपयोग करके प्रशिक्षित होती हैं जो फल और विदेशी वस्तुओं जैसे पत्थर, मिट्टी या कीड़ों के बीच अंतर कर सकते हैं। ये मॉडल फल की गुणवत्ता का पता लगाने के लिए भी प्रशिक्षित किए जा सकते हैं, न केवल चोटिल फल बल्कि बीमारी या अन्य फसल समस्याओं का प्रारंभिक पता लगाना भी।

> 🎓 *ML मॉडल* शब्द का मतलब है मशीन लर्निंग सॉफ़्टवेयर को डेटा सेट पर प्रशिक्षित करने का परिणाम। उदाहरण के लिए, आप एक ML मॉडल को पके और कच्चे टमाटरों के बीच अंतर करने के लिए प्रशिक्षित कर सकते हैं, फिर नए चित्रों पर मॉडल का उपयोग करके देख सकते हैं कि टमाटर पके हैं या नहीं।

इन 4 पाठों में आप सीखेंगे कि छवि-आधारित AI मॉडल को फल की गुणवत्ता का पता लगाने के लिए कैसे प्रशिक्षित करें, इन्हें IoT डिवाइस से कैसे उपयोग करें, और इन्हें एज पर कैसे चलाएं - यानी IoT डिवाइस पर, न कि क्लाउड में।

> 💁 इन पाठों में कुछ क्लाउड संसाधनों का उपयोग किया जाएगा। यदि आप इस प्रोजेक्ट के सभी पाठ पूरे नहीं करते हैं, तो सुनिश्चित करें कि आप [अपने प्रोजेक्ट को साफ करें](../clean-up.md)।

## विषय

1. [फल गुणवत्ता डिटेक्टर को प्रशिक्षित करें](./lessons/1-train-fruit-detector/README.md)
1. [IoT डिवाइस से फल की गुणवत्ता जांचें](./lessons/2-check-fruit-from-device/README.md)
1. [अपने फल डिटेक्टर को एज पर चलाएं](./lessons/3-run-fruit-detector-edge/README.md)
1. [सेंसर से फल गुणवत्ता का पता लगाने को ट्रिगर करें](./lessons/4-trigger-fruit-detector/README.md)

## क्रेडिट

सभी पाठ ♥️ के साथ [Jen Fox](https://github.com/jenfoxbot) और [Jim Bennett](https://GitHub.com/JimBobBennett) द्वारा लिखे गए हैं।

**अस्वीकरण**:  
यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता सुनिश्चित करने का प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।