50,000 গাছের একটি নার্সারি সেগুলি গুনতে তিন দিন সময় নিত। দলগুলো ক্লিপবোর্ড নিয়ে সারিতে হাঁটত, দুপুরের গরমে গণনা হারিয়ে ফেলত, এবং আবার শুরু করত। এখন একটি ড্রোন উড়ান এবং একটি AI মডেল যথেষ্ট যা উপর থেকে প্রতিটি গাছের মানচিত্র তৈরি করে।
গাছ এবং উদ্ভিদ গণনা নার্সারি, বাগান এবং বনায়ন প্রকল্পে সবচেয়ে সময়সাপেক্ষ কাজগুলির মধ্যে একটি। বীমা কোম্পানিগুলো সঠিক সংখ্যা চায়। ক্রেতাদের চালানের পরিমাণ নিশ্চিত করতে হয়। ব্যবস্থাপকদের জানতে হয় কী শীতকাল টিকে গেছে। এই মাত্রায় ম্যানুয়াল গণনা ধীর, অসঙ্গত এবং ব্যয়বহুল। AI-চালিত আকাশ গণনা একই উত্তরে দ্রুত পথ প্রদান করে।
সঠিক গাছ গণনা কেন গুরুত্বপূর্ণ
গাছ গণনা শুধু ইনভেন্টরি ব্যবস্থাপনা নয়। এটি প্রকৃত আর্থিক সিদ্ধান্তগুলিকে চালিত করে।
নার্সারিগুলো সঠিক গণনা অনুযায়ী গাছ বিক্রি করে। 10,000 চারার একটি অর্ডার সঠিকভাবে পূরণ করতে হবে, এবং নার্সারিকে প্রতিশ্রুতি দেওয়ার আগে জানতে হবে তাদের কাছে 10,000 না 9,400 আছে। ঝড় বা রোগের পর বীমা দাবির জন্য ক্ষতি প্রমাণ করতে নথিভুক্ত গণনা প্রয়োজন। বাগান ব্যবস্থাপকরা গাছ গণনার উপর ভিত্তি করে ফলন অনুমান করেন, এবং গণনায় 5% ত্রুটি সরাসরি ফসল পরিকল্পনায় 5% ত্রুটিতে রূপান্তরিত হয়।
বনায়ন প্রকল্পের জন্য, রোপিত গাছ গণনা পরিবেশ বিধি এবং কার্বন ক্রেডিট প্রতিশ্রুতির সাথে সম্মতি যাচাই করে। এই গণনাগুলো প্রায়ই শত শত হেক্টর অসমতল ভূখণ্ড জুড়ে করতে হয় যেখানে প্রতিটি সারিতে হাঁটা অবাস্তব।
আকাশ থেকে AI গণনা কিভাবে কাজ করে
প্রক্রিয়াটিতে তিনটি ধাপ আছে: উড়া, ক্যাপচার করা এবং গণনা করা।
RGB ক্যামেরা সজ্জিত একটি ড্রোন গাছের আকার এবং ঘনত্বের উপর নির্ভর করে 30 থেকে 80 মিটার উচ্চতায় লক্ষ্য এলাকার উপরে গ্রিড প্যাটার্নে উড়ে। উড়ান মাঠের প্রতিটি অংশ জুড়ে ওভারল্যাপিং ছবি ক্যাপচার করে। 10 হেক্টরের একটি নার্সারির জন্য, উড়ান 15 থেকে 30 মিনিট সময় নেয়।
ছবিগুলো আকাশ থেকে গাছ শনাক্তকরণে প্রশিক্ষিত একটি AI মডেলে আপলোড করা হয়। মডেলটি প্রতিটি ছবি স্ক্যান করে, স্বতন্ত্র গাছের মাথা বা কাণ্ড শনাক্ত করে, এবং সেগুলিকে শনাক্তকরণ পয়েন্ট দিয়ে চিহ্নিত করে। ওভারল্যাপিং ছবিগুলো জোড়া দেওয়া হয় যাতে প্রতিটি গাছ ফ্রেমের মধ্যে নকল ছাড়াই শুধুমাত্র একবার গণনা করা হয়।
আউটপুট হলো মোট গণনা এবং প্রতিটি শনাক্তকৃত গাছের সঠিক অবস্থান দেখানো একটি জিওরেফারেন্সড মানচিত্র। নার্সারি ব্যবস্থাপকরা জুম ইন করতে, শনাক্তকরণ যাচাই করতে এবং গাছ অনুপস্থিত বা মৃত সেই ফাঁক খুঁজে পেতে পারেন।
নির্ভুলতার মানদণ্ড
নির্ভুলতা মাথার ঘনত্ব, ছবির রেজোলিউশন এবং গাছের ব্যবধানের উপর নির্ভর করে। সাম্প্রতিক গবেষণার সংখ্যা উৎসাহজনক।
ঘন মাথার অবস্থায় 93 থেকে 95% নির্ভুলতা। ম্যানুয়াল প্রচেষ্টা 70% এর বেশি কমায় এবং প্রচলিত পদ্ধতির তুলনায় প্রায় 5 গুণ দ্রুত ছবি প্রক্রিয়া করে।
একটি রিয়েল-টাইম UAS গণনা সিস্টেম 99.09% F1 স্কোর অর্জন করেছে, উড়ানের সময় গাছ সঠিকভাবে শনাক্ত করে এবং টেকঅফের সেকেন্ড পরে ফলাফল পাওয়া যায়।
কাণ্ড শনাক্তকরণে 95% নির্ভুলতা এবং 0.977 গড় নির্ভুলতা, ম্যানুয়াল পদ্ধতির তুলনায় 515% গতি উন্নতি সহ।
প্যাটার্নটি সামঞ্জস্যপূর্ণ: অভিন্ন সারিতে ভালো ব্যবধানে রাখা গাছ 95%+ নির্ভুলতা অর্জন করে। ঘন, ওভারল্যাপিং মাথা নির্ভুলতা 90% এর একটু উপরে নামিয়ে আনে কারণ মডেলটি উপর থেকে দৃশ্যত মিশে যাওয়া পৃথক মাথা আলাদা করতে কষ্ট পায়।
গাছের আকাশ ফটোগ্রাফির জন্য সেরা অনুশীলন
- কভারেজ এবং রেজোলিউশনের সেরা ভারসাম্যের জন্য 40 থেকে 60 মিটার উচ্চতায় উড়ুন
- সম্পূর্ণ কভারেজ এবং সঠিক স্টিচিং নিশ্চিত করতে 70 থেকে 80% ছবি ওভারল্যাপ ব্যবহার করুন
- মাথা শনাক্তকরণে বিভ্রান্তিকারী ছায়া কমাতে দুপুরে বা মেঘলা পরিস্থিতিতে উড়ুন
- বাতাসের দিনগুলো এড়িয়ে চলুন যখন শাখাগুলো দোলে এবং ছবি ঝাপসা হয়
- ঘন মাথার জন্য, প্রতি গাছে রেজোলিউশন বাড়াতে নীচে উড়ুন
- পুরো ডেটাসেট জুড়ে অভিন্ন স্কেল বজায় রাখতে স্থির উচ্চতায় ছবি ক্যাপচার করুন
গণনার বাইরে: আকাশ AI আর কী প্রকাশ করে
ড্রোন ছবি থেকে গাছ গণনা একটি দরকারী উপজাত দেয়: ফাঁকের মানচিত্র। অনুপস্থিত গাছ, মৃত গাছ, এবং দুর্বল বৃদ্ধির এলাকা শনাক্তকরণ প্যাটার্নে গর্ত হিসাবে দেখা যায়। নার্সারি ব্যবস্থাপকরা এই ফাঁক মানচিত্রগুলো পুনরায় রোপণ পরিকল্পনা, সেচ সমন্বয় নির্ধারণ এবং কীটপতঙ্গ বা রোগের প্রাদুর্ভাব ছড়ানোর আগে শনাক্ত করতে ব্যবহার করেন।
কিছু সিস্টেম গণনাকে স্বাস্থ্য শ্রেণীবিভাগের সাথে একত্রিত করে, চাপের লক্ষণ দেখানো গাছ চিহ্নিত করতে মাল্টিস্পেকট্রাল ইমেজিং ব্যবহার করে। একটি ড্রোন উড়ান ইনভেন্টরি গণনা, স্বাস্থ্য মূল্যায়ন এবং ফাঁক বিশ্লেষণ প্রদান করতে পারে, এই তিনটি কাজ মাটিতে পৃথক ম্যানুয়াল প্রচেষ্টা প্রয়োজন।
জানার মতো সীমাবদ্ধতা
- ঘন, ওভারল্যাপিং মাথা নির্ভুলতা কমায় কারণ স্বতন্ত্র গাছ উপর থেকে দৃশ্যত মিশে যায়। পূর্ণ পাতার পর্ণমোচী প্রজাতি শীতকালে খালি শাখার গাছের তুলনায় আলাদা করা কঠিন।
- 30 সেন্টিমিটারের নিচে খুব তরুণ চারা স্ট্যান্ডার্ড ড্রোন উচ্চতা থেকে নির্ভরযোগ্যভাবে শনাক্ত করার জন্য খুব ছোট হতে পারে। নিচু উড়ান সাহায্য করে কিন্তু কভারেজ কমায়।
- মিশ্র প্রজাতির রোপণ যেখানে বিভিন্ন গাছের আকার ওভারল্যাপ করে অভিন্ন সারিতে প্রশিক্ষিত মডেলকে বিভ্রান্ত করতে পারে।
- বিমানবন্দর, শহুরে এলাকা বা সুরক্ষিত আকাশসীমার কাছে ড্রোন উড়ানের নিয়ন্ত্রক বিধিনিষেধ আপনি কোথায় উড়তে পারবেন তা সীমিত করতে পারে।
উপসংহার
ড্রোন-ভিত্তিক AI গাছ গণনা একাধিক দিনের ম্যানুয়াল কাজকে একটি একক উড়ানে পরিণত করে। নির্ভুলতা বীমা দাবি, বিক্রয় আদেশ এবং নিয়ন্ত্রক সম্মতির জন্য যথেষ্ট, এবং প্রতিটি নতুন মডেল প্রজন্মের সাথে উন্নত হচ্ছে।
যদি আপনার কার্যক্রম ক্লিপবোর্ড নিয়ে সারিতে হেঁটে গাছ গোনে, তাহলে একই এলাকার উপর একটি ড্রোন উড়িয়ে দেখুন। ড্রোন অবতরণের আগেই গণনা আপনার পর্দায় থাকবে, এবং মানচিত্র আপনাকে সেই জিনিস দেখাবে যা মাটিতে কোনো হাঁটা কখনো প্রকাশ করতে পারত না।