A lightweight visual system for determining the gender of poultry based on artificial intelligence
यह शोध पत्र YBDF नामक एक कम लागत वाले, एआई-संचालित विजुअल सिस्टम का प्रस्ताव करता है, जो पोल्ट्री लिंग निर्धारण में 91.33% सटीकता प्राप्त करने के लिए एक नव स्थापित चिकन गोनाड डेटासेट और एक नवीन BDF वर्गीकरण मॉडल का उपयोग करता है, जो मौजूदा मैनुअल और इंस्ट्रूमेंटल विधियों की सीमाओं को प्रभावी ढंग से दूर करता 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 पोल्ट्री फार्मिंग की हलचल भरी दुनिया में, एक सरल जैविक तथ्य जटिल आर्थिक निर्णयों को संचालित करता है: नर और मादा चूजों को फलने-फूलने के लिए अलग-अलग आहार की आवश्यकता होती है। नर चूजे वजन बढ़ाने के लिए उच्च-ऊर्जा वाले भोजन पर सबसे अच्छा बढ़ते हैं, जबकि मादाओं को अंडे के उत्पादन को अधिकतम करने के लिए उच्च-प्रोटीन भोजन की आवश्यकता होती है। दशकों से, किसान चूजों के पैदा होने के बाद उनके लिंग को पहचानने के दो मुख्य तरीकों पर निर्भर रहे हैं। एक विधि में कुशल श्रमिकों द्वारा सूक्ष्म क्लोअका (cloaca) का मैन्युअल निरीक्षण शामिल है, जो एक तेज़ कार्य है लेकिन मानवीय त्रुटि और थकान के प्रति संवेदनशील है। दूसरा तरीका विशेष मशीनों का उपयोग करता है जो सटीक तो हैं लेकिन बड़े पैमाने के संचालन के लिए अत्यधिक महंगी और धीमी हैं। दोनों दृष्टिकोण आधुनिक, कुशल फार्मों की मांगों के साथ तालमेल बिठाने में संघर्ष करते हैं, जिससे एक ऐसे समाधान के लिए जगह बन जाती है जो किफायती भी हो और सटीक भी।
इस चुनौती ने शोधकर्ताओं को आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) का उपयोग करने के लिए प्रेरित किया है, विशेष रूप से कंप्यूटर विज़न का उपयोग करके नर और मादा चूजों के बीच के अंतर को "देखने" के लिए। हालांकि कुछ पिछले प्रयासों ने चहचहाने की आवाज़ या पंखों की बनावट का विश्लेषण करने की कोशिश की थी, लेकिन ये विधियाँ वास्तविक हैचरी के शोर भरे, अप्रत्याशित वातावरण में अक्सर विफल हो जाती हैं। शोर मशीनों के कारण दब जाता है, और पंख पहचान के लिए आवश्यक सूक्ष्म शारीरिक अंतरों को छिपा सकते हैं। इस समस्या को हल करने के लिए, शोधकर्ताओं की एक टीम ने एक नई दृश्य प्रणाली विकसित की है जो सीधे चूजे के गोनाड्स (gonads) पर ध्यान केंद्रित करती है, जो कि वे आंतरिक अंग हैं जो लिंग निर्धारित करते हैं। उन्नत इमेज रिकग्निशन को एक विशेष कैमरा सेटअप के साथ जोड़कर, उन्होंने एक ऐसा उपकरण बनाया है जो उच्च सटीकता के साथ चूजे के लिंग की पहचान कर सकता है, जो अधिक मानवीय और कुशल खेती की दिशा में एक संभावित मार्ग प्रदान करता है।
शोधकर्ताओं ने सबसे मौलिक बाधा को हल करने से शुरुआत की: डेटा। कंप्यूटर को यह सिखाने के लिए कि एक नर और मादा चूजे के बीच कैसे अंतर किया जाए, उन्हें प्रत्येक विशिष्ट शारीरिक लक्षणों को दिखाने वाली स्पष्ट छवियों के एक विशाल पुस्तकालय की आवश्यकता थी। उन्होंने एक दिन के पीले ब्रॉयलर चूजों की 1,200 से अधिक उच्च-रिज़ॉल्यूशन वाली तस्वीरें एकत्र कीं। एक सावधानीपूर्वक, गैर-आक्रामक प्रक्रिया के माध्यम से, विशेषज्ञों ने गोनाड्स को कैप्चर करने के लिए प्रत्येक चूजे के क्लोकल क्षेत्र को धीरे से उजागर किया। छवियों ने एक स्पष्ट अंतर दिखाया: नर चूजे एक छोटा, गोलाकार उभार प्रदर्शित करते हैं, जबकि मादा चूजे अपेक्षाकृत सपाट दिखाई देते हैं। हालांकि, इन छवियों को कैप्चर करना कठिन है क्योंकि अंग नरम डाउन पंखों के नीचे छिपे होते हैं, और इस प्रक्रिया में अक्सर मानव उंगलियां चूजे को पकड़े हुए होती हैं, जो दोनों ही दृश्य को बाधित कर सकते हैं या भ्रमित करने वाली छाया बना सकते हैं। इसे दूर करने के लिए, टीम ने चीन में अपने प्रकार के पहले मानकीकृत डेटासेट का निर्माण किया, जिसमें प्रत्येक छवि को सावधानीपूर्वक नर या मादा के रूप में लेबल किया गया, जिससे उनके आर्टिफिशियल इंटेलिजेंस सिस्टम की नींव रखी गई।
डेटा हाथ में आने के बाद, टीम ने एक दो-भाग वाली प्रणाली का निर्माण किया जिसे इस तरह डिज़ाइन किया गया था कि वह एक मानव विशेषज्ञ के काम करने के तरीके की नकल कर सके, लेकिन मशीन की गति और निरंतरता के साथ। पहला भाग एक 'लोकेटर' (locator) के रूप में कार्य करता है। एक प्रसिद्ध ऑब्जेक्ट डिटेक्शन तकनीक का उपयोग करते हुए, सिस्टम चूजे की एक छवि को स्कैन करता है और तुरंत उस सटीक स्थान को ढूंढ लेता है जहाँ गोनाड्स स्थित होते हैं, और पक्षी के बाकी हिस्से, पंखों और उसे पकड़ी हुई मानवीय उंगलियों को अनदेखा कर देता है। इसके बाद यह केवल उस छोटे से क्षेत्र को क्रॉप (काट) लेता है और उसे एक मानक प्रारूप में रीसाइज करता है। यह चरण महत्वपूर्ण है क्योंकि यह उस दृश्य अव्यवस्था को हटा देता है जो अक्सर अन्य प्रणालियों को भ्रमित करती है, यह सुनिश्चित करती है कि कंप्यूटर केवल प्रासंगिक जैविक विशेषताओं को देखे।
सिस्टम का दूसरा भाग 'क्लासिफायर' (classifier) है, जो निर्णय लेने वाला "मस्तिष्क" है। यह घटक एक विशेष न्यूरल नेटवर्क का उपयोग करता है, जो मानव मस्तिष्क की नकल करने वाला एक प्रकार का कंप्यूटर प्रोग्राम है, ताकि क्रॉप की गई छवि का विश्लेषण किया जा सके। शोधकर्ताओं ने इस नेटवर्क को दो विशिष्ट चीजों पर ध्यान केंद्रित करने के लिए डिज़ाइन किया है: क्षेत्र की समग्र आकृति और उसके भीतर के विशिष्ट विवरण। उन्होंने एक ऐसी प्रणाली को एकीकृत किया जो सिस्टम को पृष्ठभूमि को ब्लॉक करते हुए एक विशिष्ट विवरण पर ध्यान केंद्रित करने (जैसे कि कोई व्यक्ति किसी विशिष्ट विवरण पर ध्यान केंद्रित करने के लिए अपनी आँखें सिकोड़ता है) की अनुमति देती है। डीप लेयर्स के फीचर एक्सट्रैक्शन को इस दोहरे फोकस के साथ जोड़कर, सिस्टम सूक्ष्म गोलाकार उभार या सपाट सतह को पहचानना सीख जाता है, भले ही छवि थोड़ी अपूर्ण हो।
जब परीक्षण किया गया, तो सिस्टम ने उल्लेखनीय सटीकता के साथ प्रदर्शन किया। नियंत्रित प्रयोगों में, नए सिस्टम ने 91 प्रतिशत से अधिक मामलों में चूजे के लिंग की सही पहचान की। यह केवल एक मानक डिटेक्शन मॉडल के उपयोग की तुलना में एक महत्वपूर्ण सुधार था, जो केवल 55 प्रतिशत की सटीकता के साथ संघर्ष कर रहा था, जिससे यह स्पष्ट हुआ कि वास्तविक दुनिया की छवियों को संभालने के लिए विशेष डिज़ाइन कितना आवश्यक था। शोधकर्ताओं ने अपने सिस्टम की तुलना कई अन्य लोकप्रिय आर्टिफिशियल इंटेलिजेंस मॉडलों के साथ भी की, जिनमें जटिल ट्रांसफार्मर आर्किटेक्चर और क्लासिक कन्वोल्यूशनल नेटवर्क शामिल थे। उनके सिस्टम ने न केवल उच्चतम सटीकता प्राप्त की, बल्कि कम कंप्यूटेशनल संसाधनों के साथ भी ऐसा किया, जिससे यह छोटे फार्मों में पाए जाने वाले सीमित हार्डवेयर के लिए अधिक तेज़ और उपयुक्त बन गया।
यह सुनिश्चित करने के लिए कि सिस्टम केवल अनुमान नहीं लगा रहा है बल्कि वास्तव में सही जैविक विशेषताओं को सीख रहा है, शोधकर्ताओं ने यह देखने के लिए एक तकनीक का उपयोग किया कि कंप्यूटर निर्णय लेते समय कहाँ "देख" रहा था। परिणामों ने दिखाया कि उनका सिस्टम गोनाडल क्षेत्र पर तीव्रता से केंद्रित था, विशेष रूप से उभार या सपाट क्षेत्र पर, जबकि अन्य मॉडल अक्सर आसपास के पंखों या मानवीय उंगलियों से विचलित हो जाते थे। इसने पुष्टि की कि सिस्टम उन्हीं शारीरिक संकेतों पर निर्भर था जिनका उपयोग मानव विशेषज्ञ करते हैं, न कि पृष्ठभूमि में आकस्मिक पैटर्न ढूंढने पर। एक वाणिज्यिक हैचरी में स्थापित वास्तविक दुनिया के परीक्षण में, सिस्टम ने मामूली, किफायती हार्डवेयर पर लगातार छह घंटे तक काम किया, और प्रकाश में बदलाव या पक्षियों को संभालने वाले व्यक्ति के बदलने के बावजूद, प्रति सेकंड लगभग 11 से 12 चूजों को निरंतर सटीकता के साथ प्रोसेस किया।
अध्ययन निष्कर्ष निकालता है कि यह हल्का विजुअल सिस्टम पोल्ट्री उद्योग के लिए एक व्यवहार्य, कम लागत वाला विकल्प है। लिंग पहचान प्रक्रिया को उच्च सटीकता के साथ स्वचालित करके, यह मैनुअल श्रम और महंगी मशीनरी पर निर्भरता को कम करने का वादा करता है, जिससे संभावित रूप से लागत कम हो सकती है और पशु कल्याण में सुधार हो सकता है। शोधकर्ताओं ने अपना डेटासेट और अपने सिस्टम का सोर्स कोड सार्वजनिक रूप से उपलब्ध करा दिया है, जिससे अन्य लोगों को इस कार्य को आगे बढ़ाने के लिए आमंत्रित किया गया है। हालांकि वर्तमान सिस्टम का परीक्षण चूजों की एक ही नस्ल पर विशिष्ट परिस्थितियों में किया गया था, लेकिन इस दृष्टिकोण की सफलता आधुनिक कृषि के विविध और चुनौतीपूर्ण वातावरण के अनुकूल मजबूत, स्वचालित उपकरण विकसित करने के लिए एक स्पष्ट मार्ग का सुझाव देती 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।