A CEDNet-based Algorithm for Cattle Detection and Counting in Complex Farming Environment in UAV Imagery

आधुनिक कृषि के विशाल, खुले परिदृश्यों में, मवेशों के बड़े झुंडों का प्रबंधन करना एक ऐसा कार्य है जिसके लिए निरंतर सतर्कता की आवश्यकता होती है। किसानों को ठीक-ठीक पता होना चाहिए कि उनके पास कितने जानवर हैं, वे कहाँ हैं, और वे कैसा व्यवहार कर रहे हैं ताकि झुंड के स्वास्थ्य और खेत की दक्षता सुनिश्चित की जा सके। दशकों से, इसका अर्थ खेतों में पैदल घूमना या महंगी, श्रम-गहन गणना विधियों पर भरोसा करना रहा है। आज, तकनीक एक नया दृष्टिकोण प्रदान करती है: मानव रहित हवाई वाहन, या ड्रोन, जो चारागाहों के ऊपर उड़ सकते हैं और नीचे मौजूद पशुधन की उच्च-रिज़ॉल्यूशन वाली छवियां कैप्चर कर सकते हैं। ये छवियां एक ऐसा पक्षी-दृष्टिकोण (बर्ड्स-आई व्यू) प्रदान करती हैं जो जमीन से प्राप्त करना असंभव है, लेकिन वे एक अनूठी चुनौती भी पेश करती हैं। जब एक ड्रोन गायों की घनी भीड़ को नीचे से देखता है, तो जानवर अक्सर एक-दूसरे को ढक लेते हैं, छिपा देते हैं, या कीचड़ भरी जमीन और छाया में मिल जाते हैं। मानक कंप्यूटर प्रोग्राम, जो आमतौर पर वस्तुओं के चारों ओर बॉक्स बनाकर उन्हें पहचानने के लिए प्रशिक्षित होते हैं, इन अराजक दृश्यों में संघर्ष करते हैं। वे एक दूसरे के पीछे छिपी हुई गाय को मिस कर सकते हैं, या जानवरों की भारी संख्या से भ्रमित हो सकते हैं। इसके अलावा, कंप्यूटर को इन जानवरों को पहचानने के लिए सिखाने के लिए आमतौर पर मनुष्यों को हजारों तस्वीरों में हर एक गाय के चारों ओर सटीक बॉक्स या रूपरेखा खींचने में घंटों बिताने की आवश्यकता होती है, जो एक धीमी, महंगी और कठिन प्रक्रिया है।

इन समस्याओं को हल करने के लिए, चेंगडू यूनिवर्सिटी ऑफ इंफॉर्मेशन टेक्नोलॉजी और साउथवेस्ट मिंज़ू यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने ड्रोन इमेजरी का उपयोग करके मवेशियों को गिनने का एक नया तरीका विकसित किया है। उन्होंने एक विशेष कंप्यूटर एल्गोरिदम बनाया जिसे C2Net कहा जाता है, जिसे विशेष रूप से एक कामकाजी फार्म की अव्यवस्थित, भीड़भाड़ वाली वास्तविकता को संभालने के लिए डिज़ाइन किया गया है। हर जानवर के चारों ओर जटिल बॉक्स बनाने के बजाय, इस नई विधि में केवल प्रत्येक गाय के केंद्र को चिह्नित करने के लिए एक साधारण बिंदु (डॉट) की आवश्यकता होती है। डेटा तैयार करने के तरीके में यह छोटा सा बदलाव सिस्टम को प्रशिक्षित करने के लिए लगने वाले समय और लागत को काफी कम कर देता है। शोधकर्ताओं ने एक विशाल नया इमेज संग्रह बनाया, जिसे HerdSet7K कहा जाता है, जिसमें खुले घास के मैदानों से लेकर भीड़भाड़ वाले फीडिंग पेन तक, विभिन्न वातावरणों में मवेशियों की लगभग 7,000 तस्वीरें शामिल हैं। इस डेटासेट में ऐसे दृश्य भी शामिल हैं जहाँ गायें इतनी करीब हैं कि वे एक ठोस द्रव्यमान बनाती हैं, साथ ही ऐसे परिदृश्य भी हैं जहाँ वे फैली हुई हैं, जिससे कंप्यूटर को व्यक्तियों को अलग करने के बारे में सीखने में मदद मिलती है, भले ही वे आपस में छू रही हों या आंशिक रूप से छिपी हुई हों।

इस नए सिस्टम का मूल भाग कंप्यूटर को दूरी और स्थान देखने का सिखाने का एक चतुर तरीका है। केवल गाय के आकार को खोजने के बजाय, एल्गोरिदम एक ऐसा मानचित्र बनाता है जो दिखाता है कि छवि का प्रत्येक बिंदु निकटतम गाय से कितनी दूर है। उन क्षेत्रों में जहाँ गायें घनी रूप से पैक हैं, यह मानचित्र प्रत्येक जानवर के लिए विशिष्ट, गैर-अतिव्यापी (नॉन-ओवरलैपिंग) क्षेत्र बनाता है, जिससे कंप्यूटर भीड़ से भ्रमित हुए बिना प्रत्येक के सटीक केंद्र को पहचान सकता है। यह दृष्टिकोण, जिसे शोधकर्ता 'फोकल इनवर्स डिस्टेंस ट्रांसफॉर्म' कहते हैं, एक मार्गदर्शक के रूप में कार्य करता है जो कंप्यूटर को व्यक्तिगत जानवरों को अलग करने में मदद करता है, भले ही वे दृश्य रूप से आपस में मिल गए हों। इस तकनीक का उपयोग करके, सिस्टम उच्च सटीकता के साथ झुंड की गिनती कर सकता है और साथ ही यह भी ट्रैक कर सकता है कि प्रत्येक जानवर कहाँ स्थित है, जो आहार संबंधी आदतों की निगरानी करने या यह पता लगाने के लिए आवश्यक है कि क्या कोई गाय घायल है या लड़ रही है।

जब शोधकर्ताओं ने अपने नए सिस्टम का अन्य अग्रणी कंप्यूटर विज़न मॉडलों के विरुद्ध परीक्षण किया, तो परिणामों ने कठिन परिस्थितियों में एक स्पष्ट लाभ दिखाया। उन परिदृश्यों में जहाँ जमीन कीचड़ भरी थी, रोशनी कम थी, या गायें घने समूहों में क्लस्टर थीं, पारंपरिक मॉडल अक्सर विफल हो गए, कई जानवरों को मिस कर दिया या गलत तरीके से गिना। हालाँकि, नए C2Net सिस्टम ने अपनी सटीकता बनाए रखी। सैकड़ों छवियों वाले परीक्षणों में, सिस्टम ने अपने प्रतिस्पर्धियों की तुलना में काफी कम गणना त्रुटि दर हासिल की, जिसमें वास्तविक गणना की तुलना में प्रति छवि औसतन लगभग 20 जानवरों का अंतर था। इससे भी महत्वपूर्ण बात यह है कि यह उच्च स्तर की निश्चितता के साथ व्यक्तिगत गायों को खोजने में सक्षम था, यहाँ तक कि सबसे भीड़भाड़ वाले पेन में भी जहाँ अन्य सिस्टम हार मान लेते थे। सिस्टम इतना कुशल भी सिद्ध हुआ कि इसे छोटे, पोर्टेबल कंप्यूटरों पर चलाया जा सकता है, जिसका अर्थ है कि इसे बड़े, महंगे सर्वरों की आवश्यकता के बिना वास्तविक समय में ड्रोन या फार्म रोबोट पर संभावित रूप से उपयोग किया जा सकता है।

यह अध्ययन प्रदर्शित करता है कि पशुधन की निगरानी को एक ऐसे तरीके से स्वचालित करना संभव है जो अत्यधिक सटीक और वास्तविक खेती के लिए व्यावहारिक है। जटिल, समय लेने वाले एनोटेशन के बजाय सरल बिंदु मार्करों पर ध्यान केंद्रित करके, शोधकर्ताओं ने इन बुद्धिमान प्रणालियों को बनाने की बाधा को कम कर दिया है। नया तरीका केवल जानवरों को गिनता ही नहीं है; यह झुंड के वितरण का एक विश्वसनीय मानचित्र भी प्रदान करता है, जो किसानों को संसाधन आवंटन और पशु कल्याण के बारे में बेहतर निर्णय लेने में मदद कर सकता है। टीम ने अपने डेटासेट और एल्गोरिदम के कोड को सार्वजनिक रूप से उपलब्ध कराया है, इस उम्मीद में कि यह खुला दृष्टिकोण भविष्य की कृषि के लिए स्मार्ट, अधिक कुशल उपकरणों के विकास को गति देगा। अंत में, यह कार्य एक निरंतर समस्या के लिए एक व्यावहारिक समाधान प्रदान करता है, जो एक भीड़भाड़ वाले चारागाह के अराजक दृश्य शोर को किसान के लिए स्पष्ट, कार्रवाई योग्य डेटा में बदल देता है।