Automated estimation of gadoid and flatfish abundance in stereo-BRUV footage using YOLO object detection
यह अध्ययन एक YOLO-आधारित स्वचालित पाइपलाइन प्रस्तुत करता है जो उत्तरी सागर के पवन फार्मों से प्राप्त स्टीरियो-BRUV फुटेज में गडोइड (gadoid) और फ्लैटफिश (flatfish) का सफलतापूर्वक पता लगाता है, जो मछली की प्रचुरता का कुशलतापूर्वक अनुमान लगाने की इसकी क्षमता को मान्य करने के लिए एक कस्टम मीट्रिक पेश करता है और यह प्रदर्शित करता है कि दोहरे कैमरा दृष्टिकोणों को संयोजित करना एकल दृष्टिकोणों की तुलना में जनसंख्या अनुमानों की संवेदनशीलता को बढ़ाता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
समुद्र तल एक विशाल, परिवर्तनशील परिदृश्य है जहाँ जीवन उन तरीकों से पनपता है जो अक्सर मानवीय आँखों से अदृश्य होते हैं। मछली की आबादी समय के साथ कैसे बदलती है, इसे समझने के लिए वैज्ञानिकों को उनकी गिनती करने की आवश्यकता होती है, लेकिन पानी के नीचे ऐसा करना बेहद कठिन है। पारंपरिक तरीकों में अक्सर समुद्र तल पर जाल या ट्रैप खींचना शामिल होता है, जो उन पारिस्थितिक तंत्रों को नुकसान पहुँचा सकते हैं जिनका अध्ययन शोधकर्ता कर रहे हैं। एक सौम्य विकल्प उभर कर आया है: बेटेड रिमोट अंडरवॉटर वीडियो (baited remote underwater video)। वैज्ञानिक एक कैमरा सिस्टम को नीचे उतारते हैं, जिसे मछली के थोड़े से चारे (bait) के साथ वजन दिया जाता है। चारे की गंध स्थानीय मछलियों को आकर्षित करती है, और कैमरा एक घंटे या उससे अधिक समय के लिए उन्हें रिकॉर्ड करता है। यह विधि समुद्री जीवन में एक गैर-आक्रामक खिड़की प्रदान करती है, लेकिन इसके साथ एक बहुत बड़ी बाधा आती है। एक एकल सर्वेक्षण सैकड़ों गीगाबाइट वीडियो फुटेज उत्पन्न कर सकता है। मछलियों की गिनती प्राप्त करने के लिए, एक मानव विशेषज्ञ को उस फुटेज के हर मिनट को, फ्रेम दर फ्रेम, देखना पड़ता है ताकि एक समय में देखे गए व्यक्तियों की अधिकतम संख्या का पता लगाया जा सके। यह मैन्युअल प्रक्रिया धीमी, महंगी है और इस बात को सीमित करती है कि कितना डेटा कभी विश्लेषण किया जा सकता है।
एक्सटर विश्वविद्यालय के शोधकर्ताओं की एक टीम ने कंप्यूटर को गिनती करना सिखाकर इस बाधा को दूर किया है। उन्होंने एक विशेष आर्टिफिशियल इंटेलिजेंस (AI) प्रणाली विकसित की है जिसे समुद्री वीडियो देखने और दो विशिष्ट समूहों की मछलियों की पहचान करने और उन्हें गिनने के लिए डिज़ाइन किया गया है: कॉड जैसी मछलियाँ, जिन्हें गैडॉइड्स (gadoids) कहा जाता है, और फ्लैटफिश। यह अध्ययन उत्तरी उत्तर सागर (northern North Sea) में आयोजित किया गया था, जो एक ऐसा क्षेत्र है जहाँ अपतटीय पवन फार्म (offshore wind farms) स्थित हैं, जहाँ टीम इस बात की निगरानी कर रही थी कि ये विशाल संरचनाएं स्थानीय मछली जीवन को कैसे प्रभावित करती हैं। केवल एक कैमरा एंगल पर निर्भर रहने के बजाय, टीम ने एक स्टीरियो सिस्टम का उपयोग किया, जो दृश्य को दो थोड़े अलग दृष्टिकोणों से एक साथ रिकॉर्ड करता है, ठीक वैसे ही जैसे मानव आँखें करती हैं। हजारों एनोटेटेड (annotated) वीडियो फ्रेमों पर अपने AI को प्रशिक्षित करके, उन्होंने एक ऐसा पाइपलाइन बनाया जो मानव द्वारा लगने वाले समय के एक अंश में घंटों के फुटेज को स्कैन कर सकता है, जिससे मछलियों की प्रचुरता की विश्वसनीय गणना प्राप्त होती है।
शोधकर्ताओं ने केवल एक डिटेक्टर नहीं बनाया; उन्होंने एक ऐसी प्रणाली बनाई जो मछली गणना की विशिष्ट चुनौतियों को समझती है। एक भीड़भाड़ वाले वीडियो फ्रेम में, मछलियाँ अक्सर एक-दूसरे के पीछे छिप जाती हैं, जिससे यह बताना मुश्किल हो जाता है कि वास्तव में कितनी मछलियाँ मौजूद हैं। टीम ने अपने मॉडल को यह पहचानने के लिए प्रशिक्षित किया कि जैसे-जैसे मछलियों की संख्या बढ़ती है, उन्हें पूरी तरह से गिनने की कठिनाई भी बढ़ती है। उन्होंने सफलता को मापने का एक नया तरीका पेश किया जो इस वास्तविकता को स्वीकार करता है, यह स्वीकार करते हुए कि जब मछलियाँ घनी रूप से पैक होती हैं, तो त्रुटि की एक छोटी सीमा स्वाभाविक है। जब उन्होंने अपने सिस्टम का परीक्षण मानव विशेषज्ञों द्वारा की गई गणनाओं के विरुद्ध किया, तो परिणाम आश्चर्यजनक थे। कंप्यूटर के अनुमान मानव गणनाओं के साथ बहुत उच्च सटीकता के साथ मेल खाते थे, जिसने लगभग हर मामले में फ्लैटफिश और कॉड-जैसे मछलियों की उपस्थिति और अनुमानित संख्या को सही ढंग से पहचाना। सिस्टम इतना प्रभावी था कि यह मैन्युअल काम के एक बड़े हिस्से को प्रतिस्थापित कर सकता था, जिससे सर्वेक्षण डेटा को प्रोसेस करने में लगने वाला समय महीनों से घटकर हफ्तों में आ गया।
सबसे आश्चर्यजनक खोजों में से एक वह तरीका था जिससे सिस्टम ने दो कैमरा एंगल्स का उपयोग किया। पारंपरिक सर्वेक्षणों में, वैज्ञानिक आमतौर पर मछली गिनने के लिए केवल एक कैमरा व्यू चुनते हैं, दूसरे कैमरे को बैकअप या मछली की लंबाई मापने के लिए उपयोग करते हैं। शोधकर्ताओं ने पाया कि कंप्यूटर को दोनों कोणों को देखने देने और दोनों में से उच्च गणना लेने से, उन्हें मछली की आबादी की बहुत स्पष्ट तस्वीर मिली। इस दृष्टिकोण को, जिसे उन्होंने "मैक्सिमम काउंट" (अधिकतम गणना) कहा, ने डेटा के शोर और अनिश्चितता को कम कर दिया। इसने सर्वेक्षण परिणामों को पर्यावरण में वास्तविक परिवर्तनों के प्रति अधिक संवेदनशील बना दिया। उदाहरण के लिए, जब पवन टरबाइन के आधारों से दूरी के साथ मछली की संख्या में बदलाव का विश्लेषण किया गया, तो दो-कैमरा पद्धति ने वह स्पष्ट पैटर्न दिखाया जो सिंगल-कैमरा पद्धति से छूट गया था। फ्लैटफिश, जो समुद्र तल के पास रहती हैं और उसमें घुल-मिल जाती हैं, केवल एक कोण से देखना विशेष रूप से कठिन था, लेकिन डुअल-व्यू दृष्टिकोण ने उन्हें बहुत अधिक प्रभावी ढंग से कैप्चर किया।
अध्ययन ने दीर्घकालिक निगरानी के लिए इस स्वचालन (automation) के व्यावहारिक लाभों पर भी प्रकाश डाला। हालांकि सिस्टम सेटअप करने के लिए प्रशिक्षण डेटा को लेबल करने और सॉफ्टवेयर को ट्यून करने में शुरुआती समय निवेश की आवश्यकता थी, लेकिन इसका प्रतिफल तुरंत मिला। टीम 2024 के सर्वेक्षण डेटा को केवल 68 दिनों में संसाधित करने में सक्षम थी, जबकि पिछले वर्ष के सर्वेक्षण में, जो पूरी तरह से मैन्युअल गणना पर निर्भर था, इसमें 134 दिन लगे थे। यह गति न केवल समय बचाती है; यह वैज्ञानिकों को यह पूछने की अनुमति देती है कि मानव गतिविधि के प्रति समुद्री पारिस्थितिकी तंत्र कैसे प्रतिक्रिया देते हैं। शोधकर्ताओं ने उल्लेख किया कि हालांकि उनका सिस्टम वर्तमान में विशेष रूप से उत्तर सागर की मछलियों और स्थितियों के लिए तैयार किया गया है, लेकिन इसका ढांचा खुला और सुलभ है। यह साबित करता है कि सही उपकरणों के साथ, समुद्री वैज्ञानिकों द्वारा एकत्र किए गए वीडियो डेटा के विशाल वॉल्यूम को मैन्युअल श्रम के बोझ के नीचे दबे बिना, कार्रवाई योग्य ज्ञान में बदला जा सकता है।
इस परियोजना की सफलता समुद्री संरक्षण के लिए एक नया मार्ग सुझाती है। गिनती के उबाऊ कार्य को स्वचालित करके, वैज्ञानिक अपना ध्यान डेटा एकत्र करने के बजाय उसके अर्थ निकालने पर केंद्रित कर सकते हैं। मछली की प्रचुरता में सूक्ष्म परिवर्तनों का पता लगाने की क्षमता, जैसे कि पवन टरबाइनों से दूर संख्या में गिरावट, इन औद्योगिक स्थलों का जिम्मेदारी से प्रबंधन करने के लिए महत्वपूर्ण साक्ष्य प्रदान करती है। शोधकर्ता जोर देते हैं कि जबकि कंप्यूटर एक शक्तिशाली उपकरण है, यह मानव विशेषज्ञता को पूरी तरह से बदलने के बजाय उसका पूरक होने पर सबसे अच्छा काम करता है। सिस्टम को अधिकांश गणना संभालने के लिए डिज़ाइन किया गया है, जो आवश्यकता पड़ने पर सबसे जटिल दृश्यों को मानव समीक्षा के लिए चिह्नित करता है। मानवीय अंतर्दृष्टि और मशीन की गति के बीच यह साझेदारी हमारे महासागरों के स्वास्थ्य की निगरानी के लिए एक स्केलेबल समाधान प्रदान करती है, यह सुनिश्चित करती है कि जैसे-जैसे हम समुद्र तल पर अधिक बुनियादी ढांचे का निर्माण करते हैं, हम उस जीवन पर भी एक सटीक और सतर्क नज़र रख सकें जो इसे अपना घर कहता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।