WIO-ReefFish: A High-Resolution Dataset for Taxon-Aware Coral Reef Fish Detection in the Western Indian Ocean

कोरल रीफ (मूंगा चट्टान) के स्वास्थ्य को समझने के लिए, वैज्ञानिक अक्सर उसके ऊपर तैरती मछलियों पर नज़र रखते हैं। मौजूद विभिन्न प्रजातियों की विविधता और संख्या एक जीवित रिपोर्ट कार्ड की तरह कार्य करती है, जो यह बताती है कि रीफ फल-फूल रही है या संघर्ष कर रही है। दशकों से, शोधकर्ता गोताखोरों पर निर्भर रहे हैं जो रीफ के साथ तैरते हैं, देखी गई मछलियों को गिनते हैं और जो कुछ भी उन्हें मिला उसे लिख लेते हैं। यह मैन्युअल काम धीमा, महंगा और उन विशाल समुद्री क्षेत्रों की निगरानी के लिए बड़े पैमाने पर करना कठिन है जिनकी निगरानी की आवश्यकता है। हाल के वर्षों में, कंप्यूटरों ने पानी के नीचे के वीडियो में इन मछलियों को स्वचालित रूप से पहचानना सीख लिया है, जिससे इस प्रक्रिया को तेज करने का एक तरीका मिल गया है। हालाँकि, इन कंप्यूटर प्रोग्रामों के प्रभावी ढंग से सीखने के लिए, उन्हें वास्तविक दुनिया की छवियों के बड़े संग्रह पर प्रशिक्षित करने की आवश्यकता होती है जहाँ प्रत्येक मछली को किसी मनुष्य द्वारा सावधानीपूर्वक पहचाना गया हो। ऐसे संग्रह दुर्लभ रहे हैं, विशेष रूप से पश्चिमी हिंद महासागर के लिए, जिससे आधुनिक तकनीक के साथ इन महत्वपूर्ण आवासों की निगरानी करने की हमारी क्षमता में एक कमी रह गई है।

एक नया अध्ययन इस कमी को दूर करने के लिए एक विशाल, उच्च-गुणवत्ता वाले अंडरवॉटर इमेज संग्रह को पेश करके इस अंतर को संबोधित करता है, जिसे विशेष रूप से कंप्यूटर को रीफ मछलियों को खोजने और पहचानने के लिए सिखाने हेतु डिज़ाइन किया गया है। शोधकर्ताओं ने एक हजार अत्यंत स्पष्ट तस्वीरें संकलित कीं, जिनमें से प्रत्येक एक विस्तृत दृश्य कैप्चर करती है जैसा कि एक गोताखोर एक मानक सर्वेक्षण के दौरान देखता है। ये चित्र केवल स्नैपशॉट नहीं हैं; इनके साथ हजारों सटीक रूपरेखाएँ (आउटलाइन्स) बनाई गई हैं, जो बिल्कुल यह चिह्नित करती हैं कि प्रत्येक मछली कहाँ है और वह किस प्रकार की है। यह डेटासेट मछलियों के चौबीस विभिन्न समूहों को कवर करता है, जो उनके प्राकृतिक वातावरण में एक साथ रहने के जटिल तरीके को संरक्षित करता है। इस संसाधन को सार्वजनिक करके, टीम ने कंप्यूटर विज़न टूल्स के लिए एक यथार्थवादी प्रशिक्षण मैदान प्रदान किया है, जो सरल प्रयोगशाला परीक्षणों से आगे बढ़कर कोरल रीफ की अव्यवस्थित और भीड़भाड़ वाली वास्तविकता तक पहुँचता है।

टीम ने इन छवियों का उपयोग यह परीक्षण करने के लिए किया कि नौ अलग-अलग कंप्यूटर मॉडल दो विशिष्ट कार्यों को कितनी अच्छी तरह से कर सकते हैं। पहले कार्य में कंप्यूटर के लिए एक मछली को खोजना और उसके विशिष्ट प्रकार का नाम बताना आवश्यक था, जिसे 'क्लास-अवेयर डिटेक्शन' (वर्ग-जागरूक पहचान) कहा जाता है। दूसरे कार्य में कंप्यूटर से केवल यह पूछा गया कि मछली कहाँ स्थित है, बिना यह जाने कि उसकी सटीक प्रजाति क्या है, जिसे उन्होंने 'क्लास-एग्नोस्टिक लोकलाइजेशन' (वर्ग-अज्ञेय स्थानीयकरण) कहा। परिणामों ने प्रदर्शन में एक स्पष्ट अंतर दिखाया। जब कंप्यूटरों से केवल मछली को खोजने के लिए कहा गया, तो उन्होंने बहुत अच्छा प्रदर्शन किया, और नई व अनदेखी छवियों में भी उन्हें सफलतापूर्वक खोज निकाला। हालाँकि, जब कार्य के लिए कंप्यूटर को मछली के विशिष्ट प्रकार की पहचान भी करनी थी, तो प्रदर्शन काफी गिर गया। सबसे अच्छे मॉडल ने प्रजातियों की पहचान करने के मध्यम स्तर से लेकर, केवल मछली को खोजने के उच्च स्तर तक अपनी सटीकता में सुधार किया। यह इंग दर्शाता है कि जबकि कंप्यूटर यह पहचानने में काफी कुशल हो रहे हैं कि वहाँ एक मछली है, रीफ के जटिल दृश्य शोर (विजुअल नॉइज़) के बीच एक प्रजाति को दूसरी से अलग बताना एक बहुत बड़ी चुनौती बनी हुई है।

अध्ययन ने यह भी परीक्षण किया कि ये मॉडल उन स्थानों में कितनी अच्छी तरह काम करेंगे जिन्हें उन्होंने पहले कभी नहीं देखा है। जब शोधकर्ताओं ने विभिन्न सर्वेक्षण स्थानों और विभिन्न देशों की छवियों पर इन प्रणालियों का मूल्यांकन किया, तो विशिष्ट मछलियों के प्रकारों को पहचानने की क्षमता में उल्लेखनीय गिरावट आई। मॉडल नए वातावरण में अपने ज्ञान को सामान्य बनाने (जनरलाइज करने) में संघर्ष करते रहे जब उन्हें प्रजातियों के नाम बताने के लिए कहा गया। इसके विपरीत, मछलियों को केवल खोजने की क्षमता इन विभिन्न सेटिंग्स में मजबूत और विश्वसनीय बनी रही। यह सुझाव देता है कि जबकि स्वचालित उपकरण किसी क्षेत्र में मछलियों की संख्या गिनने में मदद करने के लिए तैयार हैं, किसी नए क्षेत्र में विशिष्ट प्रकार की मछलियों को छाँटने के लिए उन पर भरोसा करने के लिए और अधिक विकास की आवश्यकता है। यह कार्य इस क्षेत्र में प्रगति को मापने के लिए एक नया मानक स्थापित करता है, जो पश्चिमी हिंद महासागर में कोरल रीफ जैव विविधता की बड़े पैमाने पर निगरानी में सहायता करने के लिए अधिक मजबूत उपकरण बनाने हेतु एक आधार प्रदान करता है।