एआई मॉडल और प्लेटफ़ॉर्म

यूके में आक्रामक पौधों की पहचान करने में मदद करने के लिए एआई मॉडल

Daniel Nelson
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुसड़क किनारे लगे कैमरों की छवियों पर प्रशिक्षित एआई मॉडल, मैन्युअल सर्वेक्षणों की तुलना…
और देखें
  • सड़क किनारे लगे कैमरों की छवियों पर प्रशिक्षित एआई मॉडल, मैन्युअल सर्वेक्षणों की तुलना में जापानी नॉटवीड की तेजी से पहचान कर सकते हैं।
  • यूकेसीईएच और कीन एआई का पायलट प्रोजेक्ट, अन्य देशों में आक्रामक प्रजातियों से निपटने के लिए वैश्विक स्तर पर विस्तारित हो सकता है।
  • ऑस्ट्रेलिया और कनाडा में इसी तरह की एआई परियोजनाएं, आक्रामक पौधों के खिलाफ बढ़ते अंतरराष्ट्रीय उपयोग को दर्शाती हैं।

पर्यावरण वैज्ञानिक और कृत्रिम बुद्धिमत्ता शोधकर्ता यूके में फैल रही एक आक्रामक प्रजाति के खिलाफ लड़ने के लिए एआई का उपयोग कर रहे हैं। यूके सेंटर फॉर इकोलॉजी एंड हाइड्रोलॉजी (यूकेसीईएच) और बिरमिंघम के शोधकर्ताओं ने सड़क किनारे जैसे क्षेत्रों में विभिन्न आक्रामक प्रजातियों की उपस्थिति के लिए सर्वेक्षण करने के लिए एक एआई मॉडल विकसित किया है, जिसमें जापानी क्नॉटवीड भी शामिल है।

जापानी क्नॉटवीड एक आक्रामक प्रजाति है जो यूके में प्राकृतिक परिदृश्य और भवनों को नुकसान पहुंचा सकती है, क्योंकि यह भवनों की नींव को नुकसान पहुंचा सकती है। यह अक्सर यूके में सबसे अधिक नुकसान पहुंचाने वाली और आक्रामक आक्रामक पौधों की प्रजाति मानी जाती है। जापानी क्नॉटवीड को हटाना अक्सर चुनौतीपूर्ण साबित होता है क्योंकि इसे खोजना और पहचानना मुश्किल होता है। एआई शोधकर्ताओं को उम्मीद है कि मशीन लर्निंग एल्गोरिदम जापानी क्नॉटवीड की पहचान करने में लगने वाले समय और संसाधनों को कम कर सकते हैं।

मॉडल के लिए प्रशिक्षण डेटा वाहनों के ऊपर लगे उच्च-गति वाले कैमरों का उपयोग करके एकत्र किया गया था, जिसने सड़क किनारे की लगभग 120 मील की वनस्पति की तस्वीरें लीं। पारिस्थितिक विज्ञानी तस्वीरों की जांच करेंगे और क्नॉटवीड को लेबल करेंगे, और तस्वीरों को उनके जीपीएस स्थान के साथ टैग किया जाएगा। लेबल वाली तस्वीरों का उपयोग एक कंप्यूटर विजन मॉडल को जापानी क्नॉटवीड के नमूनों को पहचानने के लिए प्रशिक्षित करने के लिए किया जाएगा। इसी प्रक्रिया का उपयोग यूके में पाए जाने वाले अन्य आक्रामक पौधों की प्रजातियों को पहचानने के लिए किया जाएगा, जैसे कि हिमालयन बालसम और रोडोडेंड्रोन। सिस्टम का उपयोग अश्वथ बातों का पता लगाने के लिए भी किया जाएगा, जो यूके में मूल निवासी हैं लेकिन रोग से प्रभावित होने के कारण खतरे में हैं।

एआई मॉडल का परीक्षण 10 महीने की पायलट परियोजना के दौरान किया जाएगा। शोध टीम का कहना है कि कई चुनौतियों का सामना करने की आवश्यकता है, जैसे कि यह सुनिश्चित करना कि कैमरों द्वारा कब्जा की गई तस्वीरें निरंतर गुणवत्ता की हैं और जब एक ही तस्वीर में कई प्रजातियां हों तो सभी प्रजातियों की ठीक से पहचान की जाए। यदि पायलट कार्यक्रम आशाजनक परिणाम देता है, तो यह दुनिया भर के अन्य देशों में आक्रामक प्रजातियों के साथ अपनी लड़ाई में मदद करने के लिए अनुकूलित किया जा सकता है। यूकेसीईएच के एक गणनात्मक पारिस्थितिक विज्ञानी, डॉ टॉम ऑगस्ट, ने द नेक्स्ट वेब को बताया:

“आक्रामक पौधों की प्रजातियां अक्सर गलियारों में बढ़ती हैं, जिस कारण हम सड़क किनारे के सर्वेक्षण पर ध्यान केंद्रित कर रहे हैं। यदि पायलट परियोजना सफल होती है, तो यह अन्य देशों में या अन्य पौधों की प्रजातियों, पेड़ों या甚至 कीटों और जानवरों के लिए भी बढ़ाया जा सकता है।”

ऑगस्ट के अनुसार, एआई मॉडल प्राकृतिक दुनिया के बारे में जानने और आक्रामक प्रजातियों के लिए कुशल, लागत प्रभावी समाधानों को डिजाइन करने के लिए कई संभावनाएं प्रदान करते हैं। यूकेसीईएच बिरमिंघम स्थित एक एआई कंपनी कीन एआई के साथ सहयोग कर रहा है। कीन एआई के संस्थापक अमजद करीम ने साइंस फोकस को बताया कि एआई मॉडल का उपयोग आक्रामक प्रजातियों का पता लगाने और उनका विश्लेषण करने के लिए किया जा सकता है, जिससे भूमि मालिकों, राजमार्ग एजेंसियों और नीति निर्माताओं के लिए लागत और सुरक्षा में कमी आ सकती है। सड़क किनारे की तस्वीरें इकट्ठा करने का वर्तमान मुख्य तरीका सर्वेक्षकों की आवश्यकता है, और सड़क को अस्थायी रूप से बंद करने की आवश्यकता होती है जब वे अपना काम पूरा करते हैं।

यूकेसीईएच और कीन एआई द्वारा डिज़ाइन की गई नई परियोजना आक्रामक प्रजातियों से लड़ने के लिए एआई के आवेदन को देखने वाले बढ़ते रुझान में最新 है। पिछले साल, माइक्रोसॉफ्ट और सीएसआईआरओ के एआई शोधकर्ताओं ने ऑस्ट्रेलिया के काकाडू नेशनल पार्क में पाए जाने वाले एक आक्रामक प्रजाति को पहचानने के लिए एक एआई मॉडल डिज़ाइन करने के लिए मिलकर काम किया, जिसे पैरा घास कहा जाता है। पैरा घास एक तेजी से बढ़ने वाली घास है जो तेजी से फैल सकती है और एक क्षेत्र में मूल पौधों को तेजी से विस्थापित कर सकती है। शोधकर्ताओं ने ड्रोन द्वारा एकत्र की गई तस्वीरों का उपयोग किया, और एक बार मॉडल को लेबल वाली तस्वीरों पर प्रशिक्षित किया गया, तो यह पैरा घास की पहचान करने में सफल रहा, जिससे शोधकर्ताओं को कमजोर तटबंधों से इसे हटाने की अनुमति मिली। इसका परिणाम यह हुआ कि हजारों मैगपी गीज़ क्षेत्र में लौट आए। एक अन्य शोध टीम ने कनाडा में विभिन्न आक्रामक प्रजातियों के लिए सीमांत और शमन रणनीतियों को डिज़ाइन करने के लिए मशीन लर्निंग मॉडल का उपयोग किया।

Daniel Nelson

ब्लॉगर और प्रोग्रामर, जिनकी विशेषज्ञता मशीन लर्निंग और डीप लर्निंग के विषयों में है। डैनियल दूसरों को सामाजिक कल्याण के लिए एआई की शक्ति का उपयोग करने में मदद करना चाहते हैं।