چلتے ہوائی جہاز میں انسانی مبصر تقریباً ہر 10 میں سے 1 ہاتھی چھوڑ دیتا ہے۔ الگورتھم تھکتا نہیں۔
جنگلی حیات کی آبادی کے سروے تحفظ کی ریڑھ کی ہڈی ہیں۔ ہر انتظامی فیصلہ, شکار مخالف گشت کے راستوں سے لے کر مسکن تحفظ کے بجٹ تک, اس پر منحصر ہے کہ باہر کتنے جانور ہیں۔ دہائیوں سے معیاری طریقہ ایک ہی رہا ہے: زمین کے اوپر نچلی پرواز کریں اور جو نظر آئے گنیں۔ مسئلہ یہ ہے کہ چلتے ہوائی جہاز میں انسانی آنکھیں اس کام میں بہت اچھی نہیں ہیں۔
روایتی فضائی سروے اور اس کی حدود
ایک روایتی جنگلی حیات سروے اس طرح کام کرتا ہے: تربیت یافتہ مبصرین نچلی پرواز کرنے والے ہوائی جہاز (عام طور پر زمین سے 60 سے 100 میٹر اوپر) سے جھک کر دونوں طرف مقررہ پٹی میں جانوروں کو گنتے ہیں۔ وہ انواع, گروہ کے سائز اور مقامات کاغذ پر یا وائس ریکارڈر سے ریکارڈ کرتے ہیں, اکثر 6 سے 8 گھنٹے مسلسل۔
مسائل اچھی طرح دستاویزی ہیں۔ مبصر کی تھکاوٹ پہلے گھنٹے کے بعد شروع ہوتی ہے اور درستگی مسلسل گرتی ہے۔ مختلف مبصرین ایک ہی ٹرانسیکٹ گنتے ہوئے عام طور پر 10 سے 30% مختلف شمارش دیتے ہیں۔ سائے میں, جھاڑیوں کے پیچھے یا دھبے دار جنگل میں جانور اکثر چھوٹ جاتے ہیں۔ موسم, ہلچل اور بلندی سب اضافی تغیر پیدا کرتے ہیں۔ اور خود پروازیں مہنگی اور خطرناک ہیں: کم بلندی سروے فلائنگ تحفظ کی سب سے زیادہ خطرے والی سرگرمیوں میں سے ایک ہے۔
AI شمارش کو کیسے بدلتا ہے
AI معاون فضائی سروے ورک فلو کو الٹ دیتے ہیں۔ ریئل ٹائم میں جانوروں کو دیکھنے اور گننے کے لیے انسانی مبصرین پر انحصار کرنے کی بجائے, ہوائی جہاز (یا ڈرون) پورے سروے علاقے کی اعلیٰ ریزولیوشن تصاویر لیتا ہے۔ زمین پر واپس, ایک ڈیٹیکشن ماڈل ہر تصویر اسکین کرتا ہے اور ہر جانور کو نشان زد کرتا ہے۔
ڈیٹیکشن ماڈل, عام طور پر RetinaNet جیسا کنولیوشنل نیورل نیٹ ورک, تصاویر کو ایک پاس میں پروسیس کرتا ہے۔ یہ جانوروں کو شکل, سائز اور پس منظر کے خلاف کنٹراسٹ سے شناخت کرتا ہے, پھر ہر ڈیٹیکشن پر اعتماد کے اسکور کے ساتھ مارکر لگاتا ہے۔ انسانی جائزہ لینے والا فلیگ شدہ تصاویر اور ایج کیسز چیک کرتا ہے, لیکن بڑی شمارش خودکار طور پر ہوتی ہے۔
Wageningen University کے جانوروں کی آبادی مطالعات میں شائع شدہ تحقیق سے معلوم ہوا کہ RetinaNet نے ماہر انسانی حاشیہ نگاری کے مقابلے 95% ہاتھیوں, 91% زرافوں اور 90% زیبراؤں کا پتا لگایا, جبکہ 2.8 سے 4.0% اضافی جانوروں کی درست شناخت کی جو انسانی حاشیہ نگاروں سے مکمل طور پر چھوٹ گئے تھے۔ ماڈل نے فی حقیقی مثبت صرف 1.6 سے 5.0 غلط مثبت پیدا کیے۔
Frontiers in Conservation Science کے ایک مطالعے سے معلوم ہوا کہ AI معاون طریقے دستی طریقوں کے مقابلے آبادی تخمینے کی معیاری غلطی کو 31 سے 67% کم کر سکتے ہیں, مساوی لاگت پر نمونے کی کوشش میں 160 سے 1,050% اضافے کی صلاحیت کے ساتھ۔ اس کا مطلب ہے زیادہ علاقے کا سروے, زیادہ بار, اسی بجٹ میں۔
کون سی انواع بہترین کام کرتی ہیں
ہر نوع ہوا سے AI شمارش کے لیے یکساں آسان نہیں ہے۔ بہترین نتائج بڑے, واضح رنگ کے اور کھلے مسکنوں میں پائے جانے والے جانوروں سے آتے ہیں۔
ہاتھی, مویشی, زیبرا اور وائلڈبیسٹ مثالی امیدوار ہیں۔ ان کا سائز شناخت آسان بناتا ہے, اور کھلا ساوانا مضبوط کنٹراسٹ فراہم کرتا ہے۔
فلیمنگوز, پینگوئنز اور سمندری پرندوں کی کالونیاں کھلی زمین پر گھنے, نظر آنے والے گروہوں میں بیٹھتی ہیں۔ AI ایک تصویر میں ہزاروں افراد گننے میں عمدہ ہے۔
سیلز, سمندری شیر اور والرس ساحل پر اوپر سے واضح نظر آتے ہیں۔ تھرمل امیجنگ دوسرا شناخت چینل شامل کرتی ہے۔
رینچرز اور جنگلی حیات مینیجرز کھلے چراگاہ میں مویشی, گھوڑوں اور قطبی ہرنوں کے لیے ایک جیسی تکنیکیں استعمال کرتے ہیں۔
قابل آڈٹ ہونے کا فائدہ
فوٹو بیسڈ سروے کے سب سے کم سراہے گئے فوائد میں سے ایک مستقل مزاجی ہے۔ روایتی مبصر کی گنتی کلپ بورڈ پر ایک نمبر ہے۔ اسے پرواز کے بعد دوبارہ چیک, چیلنج یا بہتر نہیں کیا جا سکتا۔
تصویر مستقل ثبوت ہے۔ AI سروے کے دوران لی گئی ہر تصویر کو محفوظ کیا جا سکتا ہے, مختلف جائزہ لینے والوں سے دوبارہ جانچا جا سکتا ہے, اور سالوں بعد بہتر الگورتھمز سے دوبارہ پروسیس کیا جا سکتا ہے۔ اگر نیا ماڈل پچھلے سال سے 5% زیادہ درست ہے, تو آپ اسے پچھلے سال کی تصاویر پر چلا سکتے ہیں اور دوبارہ اڑے بغیر بہتر تاریخی تخمینہ حاصل کر سکتے ہیں۔
یہ ایک بڑھتا ہوا ڈیٹا سیٹ بناتا ہے جو وقت کے ساتھ بہتر ہوتا ہے۔ Wild Me جیسی تحفظ تنظیموں نے اوپن سورس پلیٹ فارمز (جیسے Scout) بنائے ہیں جو دنیا بھر کے محققین کو فضائی تصاویر میں حصہ ڈالنے اور دوبارہ تجزیہ کرنے کی اجازت دیتے ہیں۔ خود تصویر سائنسی ریکارڈ بن جاتی ہے, نہ کہ اس سے اخذ شدہ شمارش۔
AI شمارش ابھی بھی کہاں مشکل میں ہے
AI فضائی شمارش طاقتور ہے لیکن عالمگیر نہیں۔ کئی حالات واقعی مشکل رہتے ہیں۔
- گھنی پودوں - موٹے درختوں کے تاج کے نیچے جانور معیاری کیمروں سے غیر مرئی ہیں۔ جنگلی ہاتھی اور پرائمیٹس ہوا سے سروے کرنا مشکل رہتے ہیں۔
- رات کی انواع - صرف رات کو متحرک مخلوقات کو تھرمل یا انفراریڈ امیجنگ کی ضرورت ہوتی ہے, جس کی مکانی ریزولیوشن دن کے RGB کیمروں سے کم ہوتی ہے۔
- سطح کے نیچے آبی جانور - پانی کے نیچے سمندری انواع, جیسے ڈولفن یا مچھلی, فضائی تصاویر سے قابل اعتماد طور پر نہیں پکڑے جا سکتے۔
- چھوٹی یا چھپی ہوئی انواع - اپنے ماحول میں گھل مل جانے والے جانور, جیسے خشک گھاس پر خرگوش, ڈیٹیکشن ماڈلز کو ان کی حدود تک دھکیلتے ہیں۔
- شدید موسم - بادل, بارش اور تیز ہوائیں تصویر کے معیار کو خراب کرتی ہیں اور ڈرون اور ہوائی جہاز آپریشنز کو مکمل طور پر روک سکتی ہیں۔
AI جنگلی حیات شمارش کا آغاز
- اپنا پلیٹ فارم منتخب کریں- صارفی ڈرون (DJI Mavic یا اسی طرح) چھوٹے علاقوں کے لیے کام کرتا ہے؛ انسانی ہوائی جہاز یا فکسڈ ونگ ڈرونز بڑے ذخائر کا احاطہ کرتے ہیں۔
- اپنی فلائٹ گرڈ کی منصوبہ بندی کریں- مستقل بلندی اور مکمل علاقے کی کوریج بمعہ تصویر اوور لیپ کے لیے خودکار وے پوائنٹ نیویگیشن استعمال کریں۔
- صحیح وقت پر تصویر لیں- صبح سویرے یا دیر دوپہر کی روشنی تیز سائے کم کرتی ہے۔ دوپہر سے بچیں جب جانور سائے تلاش کرتے ہیں۔
- ڈیٹیکشن ماڈل سے پروسیس کریں- تصاویر AI شمارش پلیٹ فارم پر اپ لوڈ کریں۔ اوپن سورس آپشنز میں جنگلی حیات مخصوص شناخت کے لیے Wild Me کا Scout شامل ہے۔
- فلیگ شدہ شناختوں کا جائزہ لیں- کم اعتماد مارکرز اور ایج کیسز دستی طور پر چیک کریں۔ یہ ہائبرڈ نقطہ نظر درستگی کو زیادہ سے زیادہ بناتا ہے۔
- سب کچھ محفوظ کریں- شمارش ڈیٹا کے ساتھ اصل تصاویر ذخیرہ کریں۔ مستقبل کے الگورتھمز آج کی تصاویر سے اور زیادہ قدر نکالیں گے۔
خلاصہ
جنگلی حیات کا تحفظ درست آبادی کے ڈیٹا پر منحصر ہے, اور دہائیوں سے بہترین دستیاب ٹول شور مچانے والے ہوائی جہاز میں ایک تھکا ہوا مبصر تھا۔ AI فضائی شمارش تحفظ میں انسانی مہارت کی جگہ نہیں لیتی, بلکہ دستی شمارش کی رکاوٹ کو معادلے سے ہٹاتی ہے۔
اگلی بار جب کسی ریزرو کو آبادی کا تخمینہ چاہیے, سب سے درست جواب کیمرے سے آئے گا, کلپ بورڈ سے نہیں۔ اور کلپ بورڈ کے برعکس, تصاویر ایک دہائی بعد بھی مفید ہوں گی۔