ECL-YOLOv8: An improved YOLOv8-based algorithm for detecting cattle faces and muzzles in complex open pasture environments
यह अध्ययन ECL-YOLOv8 का प्रस्ताव करता है, जो एक उन्नत YOLOv8-आधारित मॉडल है जो बेसलाइन एल्गोरिदम की तुलना में जटिल खुले चरागाह वातावरणों में मवेशियों के चेहरे और थूथन को एक साथ पहचानने की मजबूती और सटीकता को महत्वपूर्ण रूप से बढ़ाता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक पशुपालन के विशाल, खुले परिदृश्यों में, एक झुंड का प्रबंधन करने के लिए केवल एक चरवाहे की दृष्टि से अधिक की आवश्यकता होती है; इसके लिए एक ऐसी प्रणाली की आवश्यकता होती है जो प्रत्येक जानवर को एक अद्वितीय व्यक्ति के रूप में पहचान सके। दशकों से, किसान अपने मवेशियों का हिसाब रखने के लिए भौतिक टैग, कान के निशान, या यहाँ तक कि ब्रांडिंग पर भरोसा करते आए हैं, ऐसी विधियाँ जिनमें अक्सर जानवर के लिए असुविधा या टैग गिरने का जोखिम शामिल होता है। हाल के वर्षों में, एक अधिक कोमल और कुशल दृष्टिकोण उभर कर आया है: जानवर के अपने चेहरे और नाक को एक प्राकृतिक आईडी कार्ड के रूप में उपयोग करना। जिस तरह एक मानव उंगलियों के निशान एक व्यक्ति के लिए अद्वितीय होते हैं, उसी तरह एक गाय की थूथन (मज़ल) पर रेखाओं और छिद्रों का पैटर्न उस विशिष्ट जानवर के लिए अलग होता है, जो इसे पहचानने का एक स्थायी, गैर-आक्रामक तरीका प्रदान करता है। हालाँकि, जबकि कंप्यूटर नियंत्रित, स्टूडियो जैसे परिवेश में चेहरों को पहचानने में काफी कुशल हो गए हैं, चरागाह की वास्तविक दुनिया बहुत अधिक अव्यवस्थित है। गायें कीचड़ में चरती हैं, बाड़ों के पीछे खड़ी होती हैं, अलग-अलग दूरियों पर चलती हैं, और बदलते सूर्य के प्रकाश का सामना करती हैं, जो इन सभी स्थितियों के कारण मानक कंप्यूटर विज़न सिस्टम भ्रमित हो जाते हैं।
इस समस्या को हल करने के लिए, शानक्सी कृषि विश्वविद्यालय के शोधकर्ताओं की एक टीम ने विशेष रूप से इन अराजक, वास्तविक दुनिया की स्थितियों में मवेशियों को खोजने और पहचानने के लिए डिज़ाइन किया गया एक नया कंप्यूटर प्रोग्राम विकसित किया है। उन्होंने अपना सिस्टम एक मौजूदा, शक्तिशाली टूल के ऊपर बनाया है जिसे YOLOv8 के रूप में जाना जाता है, जो कि एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जो अपनी गति और छवियों में वस्तुओं को पहचानने की क्षमता के लिए प्रसिद्ध है। शोधकर्ताओं ने महसूस किया कि जबकि इस टूल का मानक संस्करण एक गाय को ढूंढ सकता था, लेकिन यह अक्सर जानवर के दूर होने, आंशिक रूप से छिपे होने, या मिट्टी से ढके होने पर चेहरे और थूथन के विशिष्ट विवरणों को सटीक रूप से पहचानने में संघर्ष करता था। इसे ठीक करने के लिए, उन्होंने एक उन्नत संस्करण बनाया जिसे वे ECL-YOLOv8 कहते हैं। यह नया मॉडल एक विशेष लेंस और फिल्टर के सेट की तरह कार्य करता है जो कंप्यूटर को छवि के सही हिस्सों पर ध्यान केंद्रित करने में मदद करता है। यह एक ऐसी तकनीक का उपयोग करता है जो गाय के चेहरे को एक साथ कई पैमानों (स्केल) से देखता है, जिससे यह सुनिश्चित होता है कि वह छोटे से छोटे विवरण को भी न छोड़े, चाहे जानवर पास हो या दूर। इसमें एक लचीला तंत्र भी शामिल है जो दृश्य को समायोजित कर सकता है ताकि यह संभाल सके कि गाय का चेहरा कैसा दिखेगा जब जानवर चबा रहा हो, अपना सिर घुमा रहा हो, या किसी अजीब मुद्रा में खड़ा हो। अंत में, यह थूथन के लिए एक विशेष तीक्ष्णता (शार्पनेस) की परत जोड़ता है, जो सिस्टम को बाड़ या कीचड़ जैसे भटकाने वाले बैकग्राउंड शोर को अनदेखा करने और नाक की अनूठी बनावट पर ध्यान केंद्रित करने में मदद करता है।
टीम ने अपने नए सिस्टम का परीक्षण शानक्सी प्रांत के एक बीफ कैटल फार्म में ली गई तस्वीरों के एक बड़े संग्रह पर किया। ये छवियां आदर्श स्टूडियो शॉट नहीं थीं; इन्होंने विभिन्न कठिन स्थितियों को कैद किया, जिसमें दूर से देखे गए दृश्य, कृषि उपकरणों द्वारा आंशिक रूप से बाधित जानवर, और मिट्टी से सने चेहरे शामिल थे। जब उन्होंने अपने नए ECL-YOLOv8 मॉडल को मूल, बिना संशोधित संस्करण के विरुद्ध चलाया, तो परिणाम स्पष्ट थे। उन्नत प्रणाली ने 92.6% मामलों में गाय के चेहरे और थूथन की सफलतापूर्वक पहचान की, जो आधार रेखा से एक महत्वपूर्ण उछाल है। इससे भी महत्वपूर्ण बात यह है कि यह थूथन को खोजने में बहुत बेहतर हो गया, जो कि एक छोटा और कठिन लक्ष्य है। नए मॉडल ने मानक संस्करण की तुलना में थूथन का पता लगाने की सटीकता में 5.3 प्रतिशत अंक का सुधार किया, और इसने सभी प्रयासों में 81.7% बार थूथन को पाया, जो मूल संस्करण की तुलना में 4.2 प्रतिशत अंक का सुधार है। इसका अर्थ यह है कि यह सिस्टम गाय को चूकने या एक को दूसरे के रूप में भ्रमित करने की संभावना बहुत कम रखता है, भले ही जानवर हिल रहा हो या रोशनी खराब हो।
शोधकर्ताओं ने अपने काम की तुलना कई अन्य लोकप्रिय कंप्यूटर विज़न मॉडलों के साथ भी की ताकि यह देखा जा सके कि यह प्रतिस्पर्धा के मुकाबले कैसा है। उनका नया मॉडल लगभग हर श्रेणी में इन अन्य प्रणालियों से बेहतर प्रदर्शन करता है, विशेष रूप से चरागाह की जटिल और अव्यवस्थित वास्तविकता को संभालने की इसकी क्षमता में। हालांकि इस सिस्टम को चलाने के लिए सबसे सरल संस्करणों की तुलना में थोड़े अधिक कंप्यूटिंग पावर की आवश्यकता होती है, लेकिन इसका प्रतिफल एक बहुत अधिक विश्वसनीय परिणाम है। अध्ययन यह निष्कर्ष निकालता है कि यह दृष्टिकोण स्मार्ट खेती के भविष्य के लिए एक मजबूत समाधान प्रदान करता है, जहाँ स्वचालित प्रणालियाँ बिना उन्हें परेशान किए झुंड की निगरानी कर सकती हैं। मवेशियों की पहचान को सटीक बनाकर, यह तकनीक स्वचालित स्वास्थ्य जांच, वजन की निगरानी और बेहतर समग्र झुंड प्रबंधन का मार्ग प्रशस्त करती है, और यह सब उनके प्राकृतिक वातावरण में जानवरों को शांत और निर्बाध रखते हुए किया जा सकता 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।