DFL-YOLO: A Density-Guided Network with Large Selective Kernels and Frequency Decoupling for Dense Multi-Class Tree Crown Detection

वन विशाल, जीवित पुस्तकालय हैं जो कार्बन का भंडारण करते हैं, जलवायु को नियंत्रित करते हैं और अनगिनत प्रजातियों को आश्रय देते हैं। उन्हें बचाने के लिए, वैज्ञानिकों और भूमि प्रबंधकों को यह जानने की आवश्यकता होती है कि वास्तव में कहाँ क्या उग रहा है, पेड़ कितने बड़े हैं, और उनकी संख्या कितनी है। दशकों तक, इसका अर्थ था लोगों को टेप माप और क्लिपबोर्ड के साथ जंगलों में भेजना, जो एक धीमी और महंगी प्रक्रिया थी जो एक बार में भूमि के बहुत छोटे हिस्सों को ही कवर कर सकती थी। आज, इसका समाधान अक्सर ऊपर से आता है। कैमरों से लैस ड्रोन कैनोपी (छत्र) के ऊपर उड़ते हैं, हजारों चित्र कैप्चर करते हैं जो जंगल की संरचना को अविश्वसनीय विवरण के साथ प्रकट करते हैं। हालाँकि, इन चित्रों को सटीक डेटा में बदलना आश्चर्यजनक रूप से कठिन है। जब एक ड्रोन नीचे देखता है, तो पेड़ अक्सर एक-दूसरे के बहुत करीब होते हैं, उनके क्राउन (शीर्ष) पहेली के टुकड़ों की तरह एक-दूसरे के ऊपर ओवरलैप होते हैं, और वे आकार में बहुत भिन्न होते हैं। कुछ नन्हे पौधे होते हैं, जबकि कुछ विशालकाय दिग्गज, जो छाया और झाड़ियों के साथ मिलकर उन कंप्यूटर प्रोग्रामों को भ्रमित कर देते हैं जो उन्हें गिनने की कोशिश कर रहे होते हैं।

सिचुआन एग्रीकल्चरल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इस दृश्य पहेली को सुलझाने का एक नया तरीका विकसित किया है। उन्होंने एक विशेष कंप्यूटर सिस्टम बनाया है जिसे ड्रोन छवियों को देखने और पिछले तरीकों की तुलना में बहुत अधिक सटीकता के साथ व्यक्तिगत पेड़ के क्राउन की पहचान करने के लिए डिज़ाइन किया गया है। यह सिस्टम, जिसे वे DFL-YOLO कहते हैं, काम को तीन अलग-अलग चरणों में विभाजित करके करता है, ठीक वैसे ही जैसे एक मानव विशेषज्ञ एक जटिल दृश्य के प्रति दृष्टिकोण अपनाता है। सबसे पहले, यह परिवेश की एक व्यापक समझ बनाता है, छोटे, अलग-थलग पेड़ों और बड़े, निरंतर कैनोपी दोनों को पहचानना सीखता है। दूसरा, यह उन भीड़भाड़ वाले क्षेत्रों पर ध्यान केंद्रित करता है जहाँ पेड़ ओवरलैप होते हैं, पेड़ों के तीखे किनारों को धुंधले बैकग्राउंड शोर से अलग करने की तकनीक का उपयोग करता है। अंत में, यह प्रत्येक पेड़ के सटीक स्थान को सूक्ष्मता से निर्धारित करता है, यह सुनिश्चित करता है कि कंप्यूटर क्राउन के चारों ओर एक ऐसा बॉक्स बनाए जो पूरी तरह से फिट हो, भले ही पेड़ आंशिक रूप से छिपा हुआ हो या अपने पड़ोसियों के बीच दबा हुआ हो।

शोधकर्ताओं ने अपने नए सिस्टम का परीक्षण संयुक्त राज्य अमेरिका के वास्तविक जंगलों से ली गई छवियों के एक विशाल संग्रह पर किया, जिसमें राष्ट्रीय पारिस्थितिक वेधशालाओं और अन्य स्रोतों से डेटा को मिलाया गया था। इस डेटासेट में 1,60,000 से अधिक लेबल किए गए पेड़ शामिल थे, जो छोटे पौधों से लेकर बड़े, परिपक्व नमूनों तक विस्तृत थे, जो अक्सर इतने घने थे कि उनकी शाखाएं एक-दूसरे को छू रही थीं। जब उन्होंने अपने नए सिस्टम को मौजूदा सर्वोत्तम उपकरणों के विरुद्ध चलाया, तो परिणाम स्पष्ट थे। नए तरीके ने पेड़ों को पहचानने और उन्हें सही ढंग से खोजने में पिछले मानक की तुलना में काफी बेहतर प्रदर्शन किया। इसने पेड़ों को खोजने और उन्हें सही ढंग से रेखांकित करने में 82.2% की सफलता दर हासिल की, जो बेसलाइन सिस्टम द्वारा प्राप्त 79.6% से एक उल्लेखनीय उछाल है। इससे भी महत्वपूर्ण बात यह है कि जब शोधकर्ताओं ने एक सख्त स्तर की सटीकता की मांग की—जिसमें कंप्यूटर से पेड़ के आकार को लगभग पूरी तरह से मिलाने की अपेक्षा की गई—तब भी नए सिस्टम ने प्रतिस्पर्धा को पछाड़ दिया, और सटीकता में चार प्रतिशत से अधिक का सुधार किया।

यह समझने के लिए कि यह नया सिस्टम इतना अच्छा क्यों काम करता है, हमें यह देखना होगा कि यह छवि को कैसे संसाधित करता है। शोधकर्ताओं ने महसूस किया कि मानक कंप्यूटर विज़न उपकरण अक्सर संघर्ष करते हैं क्योंकि वे छवि के सभी हिस्सों के साथ समान व्यवहार करते हैं, चाहे क्षेत्र कितना भी भीड़भाड़ वाला या विरल क्यों न हो। उनका समाधान तीन विशिष्ट अपग्रेडों में शामिल था। पहला अपग्रेड कंप्यूटर को एक साथ "बड़ी तस्वीर" और "छोटे विवरण" देखने में मदद करता है। एक विशेष फिल्टर का उपयोग करके जो छवि के एक विस्तृत क्षेत्र को एक साथ देखता है, सिस्टम पेड़ के संदर्भ को समझ सकता है, चाहे वह किसी खाली जगह में अकेला खड़ा हो या एक घने समूह के भीतर दबा हो। यह इसे एक छोटे पेड़ को पहचानने की अनुमति देता है जिसे बड़े पेड़ों से घिरे होने के कारण अनदेखा किया जा सकता था।

दूसरा और शायद सबसे चतुर अपग्रेड ओवरलैपिंग पेड़ों की समस्या को संबोधित करता है। एक घने जंगल में, एक पेड़ की छाया और पत्तियां अक्सर दूसरे में मिल जाती हैं, जिससे यह बताना मुश्किल हो जाता है कि एक कहाँ समाप्त होता है और दूसरा कहाँ शुरू होता है। शोधकर्ताओं ने अपने सिस्टम को एक "डेंसिटी मैप" (घनत्व मानचित्र) की भविष्यवाणी करना सिखाया, जो एक प्रकार का हीट मैप है जो दिखाता है कि पेड़ कहाँ सबसे अधिक घने हैं। इस मानचित्र का उपयोग करके, सिस्टम भीड़भाड़ वाले क्षेत्रों में पेड़ों के किनारों को तेज करने और बैकग्राउंड शोर को सुचारू करने के बारे में सीखता है। यह प्रभावी रूप से कंप्यूटर को निर्देश देता है कि वह जंगल के फर्श या छाया की भ्रमित करने वाली बनावटों को अनदेखा करते हुए, उन सीमाओं पर अतिरिक्त ध्यान दे जहाँ पेड़ आपस में मिलते हैं। किनारों को नरम बैकग्राउंड से अलग करने की यह प्रक्रिया सिस्टम को दो पेड़ों के बीच अंतर करने में सक्षम बनाती है जो लगभग एक-दूसरे को छू रहे हैं, एक ऐसा कार्य जिसने पहले कई त्रुटियों का कारण बनाया था।

अंतिम अपग्रेड प्रत्येक पेड़ के चारों ओर बनाए गए बॉक्स की सटीकता पर ध्यान केंद्रित करता है। भले ही कंप्यूटर एक पेड़ को ढूंढ ले, लेकिन वह एक ऐसा बॉक्स बना सकता है जो थोड़ा बड़ा या छोटा हो, या बाईं या दង ओर खिसका हुआ हो। शोधकर्ताओं ने एक नया तरीका पेश किया जिससे यह मापा जा सके कि कंप्यूटर का बॉक्स वास्तविक पेड़ से कितनी अच्छी तरह मेल खाता है। केवल बॉक्स के ओवरलैप होने की जाँच करने के बजाय, उनका तरीका बॉक्स के कोनों और वास्तविक पेड़ के कोनों के बीच की दूरी को देखता है। यह इस बात पर भी ध्यान देता है कि प्रत्येक विशिष्ट पेड़ को ढूंढना कितना कठिन है, जिससे उन कठिन पेड़ों को अधिक महत्व मिलता है जिन्हें ढूंढना मुश्किल है और आसान पेड़ों को कम महत्व मिलता है। यह सुनिश्चित करता है कि सिस्टम अपनी गलतियों से सीखे, जिससे कठिन उदाहरणों पर भी अधिक विश्वसनीय प्रदर्शन मिले।

टीम ने केवल एकत्र किए गए वन चित्रों पर अपने सिस्टम का परीक्षण करने तक ही सीमित नहीं रही। यह साबित करने के लिए कि उनका तरीका वास्तव में मजबूत है और केवल एक विशिष्ट डेटासेट के साथ भाग्यशाली नहीं है, उन्होंने अपने सिस्टम को एक पूरी तरह से अलग सेट पर फिर से प्रशिक्षित किया, जिसमें हवा से ली गई विभिन्न वस्तुओं की छवियां शामिल थीं: VisDrone2019 डेटासेट। पेड़ों के लिए विशेष रूप से ट्यून किए बिना भी, सिस्टम ने तेजी से अनुकूलन किया और इस नए डेटा पर अन्य अग्रणी मॉडलों से बेहतर प्रदर्शन किया। इसने वस्तुओं को पहचानने और उन्हें सही ढंग से रेखांकित करने में 54.5% की सफलता दर हासिल की, जिसने फिर से प्रतिस्पर्धा को पीछे छोड़ दिया। यह सुझाव देता है कि उनके द्वारा विकसित तकनीकें केवल एक विशिष्ट समस्या के लिए एक बार का समाधान नहीं हैं, बल्कि ऊपर से देखे जाने वाले भीड़भाड़ वाले दृश्यों को समझने के तरीके में एक सामान्य सुधार हैं।

शोधकर्ता स्वीकार करते हैं कि अभी भी बहुत कुछ किया जाना बाकी है। हालांकि उनका सिस्टम एक महत्वपूर्ण कदम है, लेकिन यह पूर्ण नहीं है। सबसे घने हिस्सों में, जहाँ पेड़ भारी छाया में होते हैं या अपने पड़ोसियों द्वारा पूरी तरह से ढके होते हैं, सिस्टम अभी भी हर एक पेड़ को खोजने के लिए संघर्ष करता है। इन उन्नत फिल्टरों को चलाने के लिए आवश्यक कम्प्यूटेशनल शक्ति भी सरल मॉडलों की तुलना में अधिक है, जो इसे क्षेत्र में छोटे, बैटरी से चलने वाले ड्रोन पर चलाना कठिन बना सकता है। फिर भी, यह अध्ययन एक स्पष्ट मार्ग प्रदान करता है। यह दिखाकर कि समस्या को संदर्भ निर्माण, घनत्व विश्लेषण और सटीक स्थानीयकरण में विभाजित करना काम करता है, उन्होंने वैज्ञानिक समुदाय को हमारे जंगलों की निगरानी के लिए एक नया ब्लूप्रिंट दिया है। जैसे-जैसे ये उपकरण बेहतर होंगे, वे वैज्ञानिकों को जंगलों के स्वास्थ्य को ट्रैक करने, कार्बन भंडारण को मापने और बीमारी के प्रकोप का पता लगाने में मदद करेंगे, जो पहले असंभव था, जिससे अराजक हरी छतरी को स्पष्ट, कार्रवाई योग्य डेटा में बदला जा सकेगा।