AI বন্যপ্রাণী গণনা: অনুমান ছাড়া আকাশ সমীক্ষা

একটি চলমান বিমানে একজন মানব পর্যবেক্ষক প্রতি 10টি হাতির মধ্যে প্রায় 1টি মিস করেন। অ্যালগরিদম ক্লান্ত হয় না।

বন্যপ্রাণী জনসংখ্যা সমীক্ষা সংরক্ষণের মেরুদণ্ড। প্রতিটি ব্যবস্থাপনা সিদ্ধান্ত, চোরাশিকার-বিরোধী টহল রুট থেকে শুরু করে আবাসস্থল সুরক্ষা বাজেট পর্যন্ত, নির্ভর করে কতগুলি প্রাণী সেখানে আছে তা জানার ওপর। কয়েক দশক ধরে মানক পদ্ধতি একই ছিল: ভূদৃশ্যের ওপর নিচু দিয়ে উড়ে যাও এবং যা দেখ তা গোনো। সমস্যা হলো একটি চলমান বিমানে মানুষের চোখ এই কাজে খুব ভালো নয়।

ঐতিহ্যবাহী আকাশ সমীক্ষা এবং এর সীমাবদ্ধতা

একটি প্রচলিত বন্যপ্রাণী সমীক্ষা এভাবে কাজ করে: প্রশিক্ষিত পর্যবেক্ষকরা নিচু দিয়ে উড়ন্ত বিমান (সাধারণত মাটি থেকে 60 থেকে 100 মিটার উপরে) থেকে ঝুঁকে পড়েন এবং দুই পাশে একটি নির্ধারিত ফালিতে প্রাণী গোনেন। তারা প্রজাতি, দলের আকার এবং অবস্থান কাগজে বা ভয়েস রেকর্ডারে লিপিবদ্ধ করেন, প্রায়ই একটানা 6 থেকে 8 ঘণ্টা।

সমস্যাগুলি ভালোভাবে নথিবদ্ধ। পর্যবেক্ষকের ক্লান্তি প্রথম ঘণ্টার পরেই শুরু হয় এবং নির্ভুলতা ক্রমাগত কমে। একই ট্রান্সেক্ট গণনাকারী বিভিন্ন পর্যবেক্ষক নিয়মিতভাবে 10 থেকে 30% পর্যন্ত ভিন্ন গণনা দেন। ছায়ায়, ঝোপের পেছনে বা ছিটেফোঁটা বনে থাকা প্রাণী প্রায়ই মিস হয়। আবহাওয়া, অশান্তি এবং উচ্চতা অতিরিক্ত পরিবর্তনশীলতা আনে। এবং উড়ানগুলি নিজেই ব্যয়বহুল এবং বিপজ্জনক: নিম্ন-উচ্চতার সমীক্ষা উড়ান সংরক্ষণে সবচেয়ে ঝুঁকিপূর্ণ কার্যকলাপগুলির মধ্যে একটি।

AI কীভাবে গণনা বদলে দেয়

AI-সহায়তা প্রাপ্ত আকাশ সমীক্ষা কর্মপ্রবাহকে উলটে দেয়। রিয়েল টাইমে প্রাণী শনাক্ত ও গণনা করতে মানব পর্যবেক্ষকদের ওপর নির্ভর করার বদলে, বিমান (বা ড্রোন) সম্পূর্ণ সমীক্ষা এলাকার উচ্চ-রেজোলিউশন ছবি তোলে। মাটিতে ফিরে, একটি ডিটেকশন মডেল প্রতিটি ছবি স্ক্যান করে এবং প্রতিটি প্রাণীকে চিহ্নিত করে।

ডিটেকশন মডেল, সাধারণত RetinaNet-এর মতো কনভোলিউশনাল নিউরাল নেটওয়ার্ক, ছবি একটি পাসে প্রসেস করে। এটি আকৃতি, আকার এবং পটভূমির বিপরীতে কনট্রাস্ট দিয়ে প্রাণী শনাক্ত করে, তারপর প্রতিটি ডিটেকশনে একটি কনফিডেন্স স্কোরসহ মার্কার রাখে। একজন মানব পর্যালোচক চিহ্নিত ছবি এবং সীমান্ত ক্ষেত্রগুলি পরীক্ষা করেন, কিন্তু মূল গণনা স্বয়ংক্রিয়ভাবে হয়।

ওয়াগেনিনজেন বিশ্ববিদ্যালয়ের প্রাণী জনসংখ্যা গবেষণায় প্রকাশিত গবেষণায় দেখা গেছে যে RetinaNet বিশেষজ্ঞ মানব এনোটেশনের তুলনায় 95% হাতি, 91% জিরাফ এবং 90% জেব্রা শনাক্ত করেছে, পাশাপাশি অতিরিক্ত 2.8 থেকে 4.0% প্রাণী সঠিকভাবে চিহ্নিত করেছে যা মানব এনোটেটররা সম্পূর্ণ মিস করেছিলেন। মডেলটি প্রতি সঠিক ডিটেকশনে মাত্র 1.6 থেকে 5.0 ফলস পজিটিভ দিয়েছে।

কোন প্রজাতিগুলি সবচেয়ে ভালো কাজ করে

প্রতিটি প্রজাতি আকাশ থেকে AI দিয়ে গণনা করা সমানভাবে সহজ নয়। সবচেয়ে ভালো ফলাফল আসে বড়, স্পষ্ট রঙের এবং খোলা আবাসস্থলে পাওয়া প্রাণীদের থেকে।

নিরীক্ষাযোগ্যতার সুবিধা

ফটো-ভিত্তিক সমীক্ষার সবচেয়ে কম প্রশংসিত সুবিধাগুলির একটি হলো স্থায়িত্ব। একটি ঐতিহ্যবাহী পর্যবেক্ষক গণনা হলো ক্লিপবোর্ডে একটি সংখ্যা। উড়ানের পরে এটি পুনরায় পরীক্ষা, চ্যালেঞ্জ বা উন্নত করা যায় না।

একটি ছবি স্থায়ী প্রমাণ। AI সমীক্ষার সময় তোলা প্রতিটি ছবি সংরক্ষণ করা যায়, বিভিন্ন পর্যালোচক দ্বারা পুনরায় পরীক্ষা করা যায়, এবং বছর পরে উন্নত অ্যালগরিদম দিয়ে পুনরায় প্রসেস করা যায়। যদি একটি নতুন মডেল গত বছরের তুলনায় 5% বেশি নির্ভুল হয়, তাহলে আপনি এটি গত বছরের ছবিতে চালাতে পারেন এবং আবার না উড়ে একটি ভালো ঐতিহাসিক অনুমান পেতে পারেন।

এটি একটি ক্রমবর্ধমান ডেটাসেট তৈরি করে যা সময়ের সাথে উন্নত হয়। Wild Me-এর মতো সংরক্ষণ সংস্থাগুলি ওপেন-সোর্স প্ল্যাটফর্ম (যেমন Scout) তৈরি করেছে যা বিশ্বব্যাপী গবেষকদের আকাশচিত্র অবদান ও পুনরায় বিশ্লেষণ করতে দেয়। বৈজ্ঞানিক রেকর্ড হয়ে ওঠে ছবি নিজেই, এটি থেকে প্রাপ্ত গণনা নয়।

যেখানে AI গণনা এখনও সমস্যায় পড়ে

AI আকাশ গণনা শক্তিশালী কিন্তু সার্বজনীন নয়। বেশ কিছু পরিস্থিতি সত্যিই কঠিন রয়ে গেছে।

• ঘন গাছপালা - পুরু গাছের ছাউনির নিচে প্রাণী মানক ক্যামেরায় অদৃশ্য। বনের হাতি এবং প্রাইমেট আকাশ থেকে সমীক্ষা করা এখনও কঠিন।
• নিশাচর প্রজাতি - কেবল রাতে সক্রিয় প্রাণীদের জন্য থার্মাল বা ইনফ্রারেড ইমেজিং প্রয়োজন, যার স্থানিক রেজোলিউশন দিনের RGB ক্যামেরার চেয়ে কম।
• পৃষ্ঠের নিচে জলজ প্রাণী - পানির নিচে সামুদ্রিক প্রজাতি, যেমন ডলফিন বা মাছ, আকাশচিত্র থেকে নির্ভরযোগ্যভাবে শনাক্ত করা যায় না।
• ছোট বা ছদ্মবেশী প্রজাতি - তাদের পরিবেশের সাথে মিশে যাওয়া প্রাণী, যেমন শুকনো ঘাসে খরগোশ, ডিটেকশন মডেলকে তাদের সীমায় ঠেলে দেয়।
• চরম আবহাওয়া - মেঘাচ্ছন্নতা, বৃষ্টি এবং তীব্র বাতাস ছবির গুণমান খারাপ করে এবং ড্রোন ও বিমান পরিচালনা সম্পূর্ণ বন্ধ করে দিতে পারে।

AI বন্যপ্রাণী গণনা কীভাবে শুরু করবেন

সারসংক্ষেপ

বন্যপ্রাণী সংরক্ষণ সঠিক জনসংখ্যা ডেটার ওপর নির্ভর করে, এবং কয়েক দশক ধরে সবচেয়ে ভালো উপলব্ধ সরঞ্জাম ছিল একটি শব্দময় বিমানে একজন ক্লান্ত পর্যবেক্ষক। AI-চালিত আকাশ গণনা সংরক্ষণে মানুষের দক্ষতা প্রতিস্থাপন করে না, তবে এটি প্রক্রিয়া থেকে ম্যানুয়াল গণনার বাধা সরিয়ে দেয়।

পরের বার যখন কোনো সংরক্ষিত এলাকায় জনসংখ্যা অনুমানের প্রয়োজন হবে, সবচেয়ে নির্ভুল উত্তর আসবে ক্যামেরা থেকে, ক্লিপবোর্ড থেকে নয়। এবং ক্লিপবোর্ডের বিপরীতে, ছবিগুলি এক দশক পরেও কাজে আসবে।