A Hybrid Computer Vision and AI Framework for Wildlife Hospital Patient Identification Systems: Kangaroo Facial Recognition as a Case Study

वन्यजीव अस्पतालों के शांत कोनों में, स्मृति का एक मौन संकट प्रतिदिन घटित होता है। ये केंद्र ऐसे अभयारण्य हैं जहाँ घायल मूल जानवरों का उपचार किया जाता है, लेकिन पालतू जानवरों के विपरीत, जंगली मरीज़ बिना किसी नाम, कॉलर या माइक्रोचिप के आते हैं। वे अक्सर इतने तनावग्रस्त होते हैं कि उन्हें संभालना कठिन होता है, और इतने घायल होते हैं कि उन्हें टैग करना मुश्किल होता है, और दिखने में इतने समान होते हैं कि केवल आंखों से उन्हें अलग पहचानना असंभव होता है। उन स्वयंसेवकों के लिए जो उनकी देखभाल करते हैं, एक जैसे दिखने वाले कंगारूओं के समूह में से एक विशिष्ट कंगारू की पहचान करना पूरी तरह से मानवीय स्मृति और चेहरे पर मौजूद निशान या कान के कटे हुए हिस्से जैसे क्षणिक दृश्य संकेतों पर निर्भर करता है। यह प्रणाली नाजुक है; जब कोई स्वयंसेवक जाता है, तो वह ज्ञान भी उनके साथ चला जाता है कि कौन सा जानवर कौन है, जिससे डुप्लिकेट रिकॉर्ड, गलत उपचार और खोए हुए इतिहास का जोखिम बना रहता है। इसे हल करने के लिए, शोधकर्ता कंप्यूटर विज़न नामक विज्ञान की एक शाखा की ओर मुड़ रहे हैं, जो मशीनों को पैटर्न को उसी तरह पहचानने के लिए प्रशिक्षित करती है जैसे मनुष्य करते हैं। आर्टिफिशियल इंटेलिजेंस, विशेष रूप से एक ऐसी विधि के साथ जो चेहरों के बीच सूक्ष्म अंतर को मापना सीखती है, को जोड़कर, वैज्ञानिक एक ऐसी डिजिटल स्मृति बनाने की आशा करते हैं जो कभी नहीं भूलती, जिससे अस्पतालों को बचाव के क्षण से लेकर उन्हें वापस जंगल में छोड़ने तक प्रत्येक मरीज़ को ट्रैक करने में मदद मिल सके।

न्यू साउथ वेल्स के पॉसमवुड वाइल्डलाइफ रिकवरी सेंटर में, यह चुनौती तत्काल और निरंतर है। ईस्टर्न ग्रे कंगारू प्रवेशों का बहुमत बनाते हैं, और वे पहचान करने में विशेष रूप से कठिन होते हैं। एक ही घटना से बचाए गए दो जोई (बच्चे), शायद दोनों बिना किसी विशिष्ट निशान वाले सॉफ्ट टिश्यू इंजरी से पीड़ित हों, मानव पर्यवेक्षक के लिए इतने दृष्टिगत रूप से अविभेद्य हो सकते हैं कि उन्हें एक ही इकाई के रूप में माना जा सकता है। पहचान की वर्तमान विधि मैनुअल है, जो स्वयंसेवकों द्वारा चेहरों को याद रखने या अस्थायी पट्टियों को नोट करने पर निर्भर करती है, जो एक ऐसी प्रक्रिया है जो व्यक्तिपरक है, त्रुटियों के प्रति संवेदनशील है, और जैसे-जैसे बचाए गए जानवरों की संख्या बढ़ती है, उसे बड़े पैमाने पर लागू करना असंभव है। इसे संबोधित करने के लिए, यूनिवर्सिटी ऑफ टेक्नोलॉजी सिडनी और पॉसमवुड के शोधकर्ताओं की एक टीम ने एक नई प्रणाली विकसित की है जिसे कंगारूओं की पहचान उनके चेहरों का उपयोग करके स्वचालित रूप से करने के लिए डिज़ाइन किया गया है। उन्होंने केवल एक कैमरा नहीं बनाया जो फोटो लेता है; उन्होंने एक संपूर्ण वर्कफ़्लो बनाया जो वीडियो कैप्चर करता है, जानवर का चेहरा ढूंढता है, और प्रत्येक कंगारू के लिए एक अद्वितीय डिजिटल सिग्नेचर बनाने के लिए डीप लर्निंग का उपयोग करता है, जिससे सिस्टम को बिना जानवर को छुए ज्ञात मरीजों के डेटाबेस के विरुद्ध एक नई फोटो का मिलान करने की अनुमति मिलती है।

शोधकर्ताओं ने सीधे रिकवरी सेंटर से एक वास्तविक दुनिया का डेटासेट एकत्र करके शुरुआत की। उन्होंने लगभग 70 व्यक्तिगत कंगारूओं की छवियां और छोटे वीडियो क्लिप एकत्र किए, और प्रत्येक जानवर की सही पहचान सुनिश्चित करने के लिए स्वयंसेवकों के साथ मिलकर काम किया। यह कोई नियंत्रित प्रयोगशाला सेटिंग नहीं थी; जानवर तनावग्रस्त, घायल और अक्सर चलते-फिरते थे, जिससे डेटा अव्यवस्थित और संसाधित करने में कठिन हो गया। धुंधली छवियों और कम गुणवत्ता वाले शॉट्स को फ़िल्टर करने के बाद, उनके पास 68 विशिष्ट व्यक्तियों का एक क्यूरेटेड सेट बचा। अपने सिस्टम को प्रशिक्षित करने के लिए, उन्हें कंप्यूटर को अप्रासंगिक विवरणों जैसे कि पट्टी के रंग या बाड़े की पृष्ठभूमि को अनदेखा करने और केवल कंगारू के चेहरे की सूक्ष्म, स्थायी विशेषताओं पर ध्यान केंद्रित करने के लिए सिखाना था। उन्होंने हजारों छवियों को प्रोसेस किया, वीडियो को व्यक्तिगत फ्रेमों में विभाजित किया ताकि जानवर को विभिन्न कोणों और प्रकाश स्थितियों से कैप्चर किया जा सके, जिससे यह सुनिश्चित हो सके कि सिस्टम एक एकल स्नैपशॉट के बजाय जानवर की वास्तविक पहचान को सीखता है।

अपने विचारों का परीक्षण करने के लिए, टीम ने तीन अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस मॉडल बनाए और उनकी तुलना की। पहला मॉडल वीडियो फ्रेम के एक अनुक्रम को देखने के लिए डिज़ाइन किया गया था, ठीक वैसे ही जैसे एक इंसान कंगारू के सिर हिलाने को देखता है, ताकि एक स्थिर छवि की तुलना में अधिक जानकारी प्राप्त की जा सके। अन्य दो मॉडलों ने एक बार में केवल एक फोटो देखी, जो यह तय करने के लिए अलग-अलग गणितीय रणनीतियों का उपयोग करते थे कि दो चेहरे कितने समान हैं। इनमें से एक सिंगल-इमेज मॉडल को सरल और तेज़ होने के लिए डिज़ाइन किया गया था, जबकि दूसरे को विभिन्न पहचानों को अलग करने के मामले में अधिक सख्त बनाया गया था। शोधकर्ताओं ने अपने डेटासेट पर तीनों मॉडलों को प्रशिक्षित किया और फिर छवियों के एक अलग समूह पर उनका परीक्षण किया जिन्हें कंप्यूटर ने पहले कभी नहीं देखा था। लक्ष्य यह देखना था कि क्या सिस्टम एक नए चित्र को देखकर सही ढंग से कह सकता है, "यह वही जानवर है जिसे हमने कल देखा था," या "यह एक नया मरीज है।"

परिणामों ने दिखाया कि वीडियो-आधारित दृष्टिकोण सबसे प्रभावी था। फ्रेम के अनुक्रमों का विश्लेषण करने वाले मॉडल ने टेस्ट सेट में सही पहचान करने में 95.1% की सफलता दर हासिल की, और उल्लेखनीय रूप से 100% रैंक-1 रिट्रीवल रेट प्राप्त किया, जिसका अर्थ है कि इस विशिष्ट क्लोज्ड-सेट मूल्यांकन में इसने हर क्वेरी के लिए शीर्ष मिलान को सही ढंग से पहचाना। हालाँकि, शोधकर्ताओं ने इस बात पर जोर दिया कि इस पूर्ण स्कोर को इस विशिष्ट परीक्षण सेटअप के लिए एक ऊपरी सीमा के रूप में देखा जाना चाहिए न कि इस बात के प्रमाण के रूप में कि कार्य पूरी तरह से हल हो गया है, क्योंकि वास्तविक दुनिया की स्थितियाँ जिनमें नए मरीज और ओपन-सेट क्वेरी शामिल हैं, अधिक चुनौतियाँ पेश करती हैं। सिंगल फोटो देखने वाले सरल मॉडलों ने भी अच्छा प्रदर्शन किया, जिन्होंने लगभग 82% बार सही जानवर की पहचान की, जो वर्तमान मैनुअल विधियों की तुलना में एक महत्वपूर्ण सुधार है लेकिन वीडियो मॉडल की सटीकता से कम है। शोधकर्ताओं ने पाया कि वीडियो मॉडल की कुछ क्षणों में जानवर को देखने की क्षमता ने उसे कान के आकार या फर की बनावट जैसे सूक्ष्म विवरणों को पकड़ने में मदद की, जो एक स्थिर फ्रेम में छूट सकते थे। उन्होंने यह भी पता लगाया कि चेहरों की तुलना करने के लिए उपयोग किए जाने वाले गणितीय नियमों की सख्ती मायने रखती थी; कुछ बहुत समान दिखने वाले कंगारूओं के लिए, एक नरम दृष्टिकोण बेहतर काम करता था, जबकि दूसरों के लिए, उन्हें अलग करने के लिए एक सख्त दृष्टिकोण की आवश्यकता थी।

उच्च सटीकता के बावजूद, शोधकर्ता अपने काम की सीमाओं को नोट करने में सावधानी बरतते रहे। सिस्टम का परीक्षण 68 कंगारूओं के अपेक्षाकृत छोटे समूह पर किया गया था, और एक वास्तविक अस्पताल में मरीजों की संख्या लगातार बढ़ती रहती है। अध्ययन ने एक संभावित खामी को भी उजागर किया: कंप्यूटर कभी-कभी गलत चीजें सीख सकता है। एक उदाहरण में, सिस्टम एक विशिष्ट जोई (बच्चे) को पहचानने में असाधारण रूप से कुशल हो गया, न कि उसके चेहरे के कारण, बल्कि हाल ही के भोजन से उसके थूथन पर दूध के अवशेष के कारण। मशीन ने इस अस्थायी विशेषता को एक स्थायी पहचानकर्ता के रूप में पकड़ लिया था, एक ऐसी गलती जो जानवर को साफ करने के बाद गायब हो जाती। यह इस बात की याद दिलाता है कि हालांकि तकनीक शक्तिशाली है, इसे मानवीय निगरानी के साथ उपयोग किया जाना चाहिए ताकि यह सुनिश्चित हो सके कि यह जानवर को पहचान रही है न कि किसी क्षणिक अवशेष को। शोधकर्ताओं ने यह भी उल्लेख किया कि जंगल में, कंगारू अक्सर समूहों में दिखाई देते हैं, और वर्तमान सिस्टम एक समय में एक जानवर की पहचान करने के लिए डिज़ाइन किया गया है, जो भविष्य के विकास के लिए एक नई चुनौती पेश करता है।

इस शोध का अंतिम लक्ष्य केवल एक चतुर एल्गोरिदम बनाना नहीं है, बल्कि एक व्यावहारिक उपकरण बनाना है जो वन्यजीव अस्पताल की दैनिक लय में फिट हो सके। प्रस्तावित प्रणाली गैर-आक्रामक (non-invasive) है, जिसके लिए केवल एक मोबाइल डिवाइस के साथ स्वयंसेवक द्वारा ली गई एक फोटो या एक छोटा वीडियो आवश्यक है। सॉफ्टवेयर फिर जानवर की पहचान की पुष्टि करने या उसे एक नए मरीज के रूप में चिह्नित करने के लिए अस्पताल के डेटाबेस की तुरंत जांच करेगा। यह स्वयंसेवकों को अपनी स्मृति पर निर्भर रहने या कई लोगों के साथ क्रॉस-चेक करने की आवश्यकता को समाप्त कर देगा, जिससे चिकित्सा रिकॉर्ड और उपचार योजनाओं में त्रुटियों का जोखिम कम हो जाएगा। जबकि वर्तमान अध्ययन यह सिद्ध करता है कि ऐसा सिस्टम तकनीकी रूप से व्यवहार्य और अत्यधिक सटीक है, शोधकर्ता एक ऐसे भविष्य की कल्पना करते हैं जहाँ यह तकनीक अस्पताल के वर्कफ़्लो में एकीकृत होगी, जो सैकड़ों जानवरों की देखभाल करने वाले कर्मचारियों का समर्थन करेगी। प्रत्येक घायल कंगारू को एक स्थायी, डिजिटल पहचान देकर, यह प्रणाली वन्यजीव पुनर्वास को अधिक कुशल, सुरक्षित और टिकाऊ बनाने का वादा करती है, जिससे यह सुनिश्चित होता है कि कोई भी जानवर एक व्यस्त रिकवरी सेंटर की भागदौड़ में खो न जाए।