Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
एक्स-रे में हड्डियों के पैटर्न और असामान्यताओं को पहचानना दृश्य डेटा का विश्लेषण है, इसलिए यह कंप्यूटर विज़न है। NLP भाषा या पाठ पर काम करता है। परीक्षा टिप: चित्र या वीडियो दिखे तो पहले कंप्यूटर विज़न सोचें। / The system examines patterns in an X-ray image, so it uses computer vision. NLP processes language rather than images. Exam tip: when the input is an image or video, first consider computer vision.
A. सटीक कृषि में फसल रोग पहचान/Crop disease detection in precision agriculture
Explanation
Simple Explanation
पत्तियों की छवियों में रोग के लक्षण पहचानकर खेत के प्रभावित भाग बताना सटीक कृषि का उपयोग है। चेहरा पहचान भी छवियों का उपयोग करती है, पर उसका उद्देश्य व्यक्ति पहचानना है। परीक्षा टिप: संदर्भ में फसल और रोग हों तो कृषि AI चुनें। / Detecting disease symptoms in leaf images and locating affected crop areas is an application of AI in precision agriculture. Facial recognition also uses images, but it identifies people rather than crop health. Exam tip: crop-and-disease contexts point to agricultural AI.
A. चित्रों को मॉडल के लिए उपयुक्त बनाना/To make images suitable for the model
Explanation
Simple Explanation
चित्र पूर्वप्रसंस्करण में आकार बदलना, शोर हटाना, प्रकाश या रंग को सामान्य करना और पिक्सेल मानों को व्यवस्थित करना जैसे कार्य शामिल हो सकते हैं। इसका उद्देश्य कच्चे चित्रों को मॉडल के लिए एकसमान और विश्लेषण योग्य बनाना है, जिससे पहचान या वर्गीकरण की सटीकता बेहतर हो सकती है। चित्र मिटाना, ध्वनि बनाना या पाठ का अनुवाद करना पूर्वप्रसंस्करण का सामान्य उद्देश्य नहीं है। परीक्षा-युक्ति: पूर्वप्रसंस्करण को मॉडल में दिए जाने से पहले चित्र की गुणवत्ता और एकरूपता सुधारने वाले चरणों के रूप में याद रखें। / Image preprocessing may include resizing, removing noise, normalizing lighting or color, and organizing pixel values. Its purpose is to make raw images more consistent and suitable for analysis by a computer vision model, which can improve recognition or classification accuracy. Deleting images, generating sound, or translating text is not the general purpose of preprocessing. Exam tip: Remember preprocessing as the set of steps performed before model input to improve an image’s quality and consistency.
A. ताकि मॉडल सीख सके कि प्रत्येक चित्र किस वर्ग का है/So the model can learn which class each image belongs to
Explanation
Simple Explanation
वर्ग चिह्न प्रशिक्षण चित्र का सही वर्ग, जैसे बिल्ली या कुत्ता, बताते हैं। पर्यवेक्षित शिक्षण में मॉडल चित्र की विशेषताओं को उसके सही वर्ग से जोड़कर नए चित्रों का वर्गीकरण सीखता है। इसलिए विकल्प A सही है; अन्य विकल्प चित्र के आकार, कैमरे या चित्र की सामग्री में बदलाव से संबंधित हैं, लेबल के उद्देश्य से नहीं। परीक्षा-युक्ति: जिस प्रश्न में सही उत्तर पहले से दिए गए वर्गों से सीखने की बात हो, वहाँ labels पर्यवेक्षित शिक्षण का संकेत होते हैं। / A label gives the correct class of a training image, such as cat or dog. In supervised learning, the model connects visual features with these known classes and then uses that learning to classify new images. Therefore, option A is correct; the other options describe changes to image size, camera quality, or image content, not the purpose of labels. Exam tip: Labels are a key sign of supervised learning because they provide the expected answer during training.
A. चित्र में वस्तु का स्थान और विस्तार दिखाने के लिए/To show an object's location and extent in an image
Explanation
Simple Explanation
सीमा डिब्बा वस्तु के चारों ओर एक आयताकार क्षेत्र बनाता है, जिससे मॉडल वस्तु का स्थान और उसका अनुमानित विस्तार दिखा सकता है। केवल पूरे चित्र को एक वर्ग देना image classification है, object detection नहीं। परीक्षा में याद रखें: object detection सामान्यतः वस्तु का वर्ग और bounding box दोनों बताता है। / A bounding box is a rectangular region drawn around an object to indicate its location and approximate extent. Assigning one class to the whole image is image classification, not object detection. Exam tip: object detection generally provides both the object class and its bounding box.
A. किसी गलत व्यक्ति को मिलान बता देना/Marking an incorrect person as a match
Explanation
Simple Explanation
गलत सकारात्मक तब होता है जब प्रणाली वास्तव में गलत व्यक्ति होने पर भी मिलान होने का परिणाम देती है। इसलिए विकल्प A सही है। विकल्प B सही सकारात्मक का उदाहरण है, जबकि विकल्प C गलत नकारात्मक का उदाहरण है। परीक्षा में याद रखें: false positive का अर्थ है—गलत स्थिति को सकारात्मक या ‘हाँ’ बताना। / A false positive occurs when the system reports a match even though the identified person is actually incorrect. Therefore, option A is correct. Option B describes a true positive, while option C describes a false negative. Exam tip: remember that a false positive means incorrectly reporting a positive result or “yes.”
एक नगर निगम कैमरों से मिली तस्वीरों में कचरे के ढेरों की स्वतः पहचान करके सफाई दल को सूचना भेजना चाहता है। इसके लिए AI का कौन-सा अनुप्रयोग सबसे उपयुक्त है?
कंप्यूटर विज़न चित्रों में वस्तुओं और दृश्य पैटर्न की पहचान करता है, इसलिए कैमरा-तस्वीरों में कचरा ढूँढने के लिए यह सही है। NLP पाठ और वाक् पहचान ध्वनि पर काम करती है। परीक्षा टिप: पहले इनपुट पहचानें—चित्र, पाठ या ऑडियो। / Computer vision detects objects and visual patterns in images, so it can locate garbage in camera pictures. NLP handles text, while speech recognition processes audio. Exam tip: first identify the input type—image, text, or audio.
A. रोग या जल जरूरत का जल्दी संकेत मिल सकता है/Early signals of disease or water need can be found
Explanation
Simple Explanation
फसल की तस्वीरों, ड्रोन या सेंसर से प्राप्त आँकड़ों का विश्लेषण करके कृत्रिम बुद्धिमत्ता रोग, कीट-प्रकोप या पानी की कमी के शुरुआती संकेत पहचान सकती है। इससे किसान समय पर सिंचाई या उपचार का निर्णय ले सकता है। इसलिए विकल्प A सही है; अन्य विकल्प AI-आधारित निगरानी के लाभ नहीं बताते। परीक्षा-टिप: कृषि में AI के प्रमुख उपयोगों को समय पर निगरानी, संसाधनों के बेहतर उपयोग और समस्या की शीघ्र पहचान से जोड़ें। / By analysing data from crop images, drones, or sensors, artificial intelligence can identify early signs of disease, pest attack, or water shortage. This enables farmers to take timely decisions about irrigation or treatment. Therefore, option A is correct; the other options do not describe benefits of AI-based monitoring. Exam tip: Associate AI applications in agriculture with timely monitoring, efficient resource use, and early problem detection.
एक नगर निगम कूड़े के ढेरों की तस्वीरों का विश्लेषण करके प्लास्टिक, कागज और जैविक कचरे को अलग-अलग पहचानने के लिए AI प्रणाली बनाता है। यह मुख्यतः किस AI क्षमता का उदाहरण है?
कंप्यूटर विज़न AI को तस्वीरों में वस्तुओं और उनके प्रकार पहचानने में सक्षम बनाता है, इसलिए कचरे की छवियों का वर्गीकरण इसी का उपयोग है। NLP केवल लिखे या बोले शब्दों के लिए होता है। परीक्षा में चित्र या कैमरा दिखे तो कंप्यूटर विज़न चुनें। / Computer vision enables AI to identify objects and categories in images, so classifying waste from photographs uses this capability. NLP is used for written or spoken language, not visual images. Exam tip: if a camera or picture is involved, look for computer vision.
A. पत्तियों की तस्वीरों का विश्लेषण करके फसल रोग की पहचान करना/Analysing leaf images to identify crop diseases
Explanation
Simple Explanation
एआई आधारित कंप्यूटर विज़न पत्तियों की छवियों में धब्बे, रंग और बनावट के संकेतों से फसल रोग पहचान सकता है। B केवल रिकॉर्ड-रखना है। परीक्षा टिप: छवि-विश्लेषण वाले उदाहरण प्रायः कंप्यूटर विज़न से जुड़े होते हैं। / AI-based computer vision can detect crop diseases by finding patterns such as spots, colour changes, and texture in leaf images. B is only record-keeping. Exam tip: image-analysis applications usually involve computer vision.
