कृत्रिम मेधा (AI) ‘पहाड़ियों के मिथुन’ पर रख रहा नजर — और यह तकनीकी किसानों के अपने झुंड पर नजर रखने के तरीके को बदल सकता है

नागालैंड के एक भाकृअनुप फार्म में कैमरे और कृत्रिम मेधा (AI) मिथुन के रोजमर्रा के व्यवहार को समझना सीख रहे हैं। यह तकनीक अंततः किसानों को प्रजनन, पशु स्वास्थ्य और चौबीसों घंटे निगरानी में मदद कर सकती है।

नागालैंड: मिथुन (Bos frontalis) के एक शेड में शांत घंटों के दौरान कोई पशु चारा खा रहा हो सकता है, खड़ा हो सकता है, लेटा हो सकता है या किसी दूसरे पशु पर चढ़ रहा हो सकता है। झुंड पर नजर रखने वाले किसान के लिए ये सामान्य गतिविधियां हैं। लेकिन इनमें पशु के स्वास्थ्य, आराम और प्रजनन स्थिति से जुड़े महत्वपूर्ण संकेत भी छिपे हो सकते हैं।

अब शोधकर्ता एक कंप्यूटर को उन संकेतों पर ध्यान देना सिखा रहे हैं।

नागालैंड स्थित भाकृअनुप-राष्ट्रीय मिथुन अनुसंधान केन्द्र (एनआरसी-मिथुन) के फार्म में शोधकर्ताओं ने एक कृत्रिम बुद्धिमत्ता-आधारित प्रणाली विकसित की है, जो मिथुन के व्यवहार का वास्तविक समय में पता लगा सकती है और उसका अनुकरण कर सकती है। हाल ही में Engineering Research Express में प्रकाशित अध्ययन में इस कार्य को प्राकृतिक फार्म वातावरण में मिथुन के व्यवहार का स्वचालित पता लगाने और उसकी निगरानी के लिए विकसित पहला कृत्रिम मेधा (AI)-आधारित, वास्तविक समय और गैर-संपर्क ढांचा बताया गया है। पूर्वोत्तर भारत के समुदायों के लिए यह केवल प्रौद्योगिकी से जुड़ी कहानी नहीं है।

‘पहाड़ियों का मवेशी’ के रूप में जाना जाने वाला मिथुन लंबे समय से जनजातीय समुदायों के सामाजिक और आर्थिक जीवन का अभिन्न हिस्सा रहा है। यह धन, वस्तु-विनिमय, दहेज, अनुष्ठानों और सामुदायिक भोज से जुड़ा है, साथ ही मांस उपलब्ध कराने और आजीविका का समर्थन करने में भी महत्वपूर्ण भूमिका निभाता है।

फिर भी, प्रत्येक पशु पर करीबी नजर रखना कठिन है। पारंपरिक व्यवहार निगरानी काफी हद तक लोगों द्वारा पशुओं को मैन्युअल रूप से देखने पर निर्भर करती है। इसमें समय और श्रम लगता है तथा जब पशुओं की लगातार निगरानी करनी हो, जिसमें रात का समय भी शामिल है, तब यह विशेष रूप से चुनौतीपूर्ण हो जाता है।

यहीं भाकृअनुप का फार्म इस प्रयोग का एक महत्वपूर्ण हिस्सा बन गया है। शोधकर्ताओं ने एनआरसी-मिथुन फार्म के दो शेडों में लगाए गए 12 हाई-डेफिनिशन CCTV कैमरों से प्राप्त फुटेज का उपयोग किया। कैमरे लगातार काम करते हैं और रात-दिन निगरानी उपलब्ध कराते हैं, जिसमें इन्फ्रारेड फुटेज भी शामिल है। इस निगरानी प्रणाली से शोधकर्ताओं ने 3,000 मैन्युअली एनोटेट की गई तस्वीरों का एक डेटासेट तैयार किया, जिनमें चार प्रमुख व्यवहारों—चारा खाना, खड़ा होना, लेटना और चढ़ना—को दर्शाया गया था।

AI प्रणाली के दो मुख्य कार्य हैं। पहला, YOLOv8n द्वारा संचालित, यह पहचानता है कि पशु क्या कर रहा है। दूसरा, DeepSORT का उपयोग करते हुए, यह एक फ्रेम से दूसरे फ्रेम तक अलग-अलग पशुओं का पीछा करता है और उन्हें स्थायी पहचान प्रदान करता है। सरल शब्दों में कहें तो कंप्यूटर को दो सवालों का जवाब देना सिखाया जा रहा है: “यह मिथुन क्या कर रहा है?” और “यह कौन-सा मिथुन है?”

परिणाम उल्लेखनीय रहे। YOLOv8n मॉडल ने मानक mAP@0.5 माप पर 99.5% mean average precision दर्ज की, जबकि recall 99.6% रहा। NVIDIA RTX 3060 पर डिटेक्शन लगभग 31 फ्रेम प्रति सेकंड की गति से हुआ, जिससे प्रणाली वास्तविक समय की गति पर काम करने में सक्षम रही।

शोधकर्ताओं ने प्रणाली का परीक्षण आंशिक रूप से दृश्य में बाधा आने, पृष्ठभूमि में अव्यवस्था, असमान या गीली जमीन, छाया, गति के कारण धुंधलापन और रात के समय इन्फ्रारेड फुटेज जैसी कठिन परिस्थितियों में भी किया।

किसान के लिए यह क्यों महत्वपूर्ण है? क्योंकि किसी पशु के स्पष्ट रूप से बीमार दिखाई देने से पहले उसका व्यवहार एक कहानी बता सकता है।

चारा खाने, खड़े रहने और लेटने के पैटर्न से आराम, पोषण और शारीरिक स्थिति के बारे में संकेत मिल सकते हैं। वहीं, चढ़ने का व्यवहार विशेष रूप से महत्वपूर्ण है, क्योंकि यह प्रजनन और मद प्रबंधन के लिए उपयोगी जानकारी प्रदान कर सकता है।

यदि ऐसी प्रणालियों को अंततः फार्मों पर विश्वसनीय रूप से तैनात किया जा सकता है, तो किसान और पशुधन प्रबंधक पूरे दिन और रात पशुओं का शारीरिक रूप से निरीक्षण किए बिना लगातार उनके व्यवहार से संबंधित जानकारी प्राप्त कर सकते हैं। दूरदराज और सीमित संसाधनों वाली पशुधन प्रणालियों के लिए यह महत्वपूर्ण हो सकता है।

लेकिन यह तकनीक अभी किसानों के लिए तैयार समाधान नहीं है। शोधकर्ताओं ने सावधान किया है कि अब तक इस प्रणाली का परीक्षण केवल एक फार्म पर किया गया है। विभिन्न फार्मों, क्षेत्रों, मौसमों, पशु घनत्व और कैमरा व्यवस्थाओं में इसके प्रदर्शन को अभी स्थापित किया जाना बाकी है। गंभीर रूप से दृश्य बाधित होने की स्थिति भी डिटेक्शन और ट्रैकिंग को प्रभावित कर सकती है। इसके अलावा, अध्ययन में केवल चार व्यवहार शामिल हैं और मानक पहचान-ट्रैकिंग मापदंडों का उपयोग करके ट्रैकिंग का मात्रात्मक मूल्यांकन नहीं किया गया है, क्योंकि पहचान-स्तर का ग्राउंड ट्रुथ उपलब्ध नहीं था।

यही कारण है कि भाकृअनुप की भूमिका विशेष रूप से महत्वपूर्ण हो जाती है। एनआरसी-मिथुन फार्म ने ऐसी चीज उपलब्ध कराई जिसे कोई AI प्रयोगशाला आसानी से दोबारा तैयार नहीं कर सकती: वास्तविक मिथुन वातावरण, वास्तविक पशु और लगातार फार्म निगरानी। इस प्रकार यह अनुसंधान पशुधन विज्ञान और कंप्यूटर विजन को ऐसे परिवेश में एक साथ लाता है, जो सीधे पशु और उस पर निर्भर समुदायों से जुड़ा है। शोधकर्ता अब आक्रामकता, शरीर की सफाई और बीमारी से संबंधित निष्क्रियता सहित अधिक व्यवहारों तक प्रणाली का विस्तार करने के साथ-साथ टेम्पोरल AI मॉडल, एज-डिवाइस पर तैनाती और विभिन्न फार्मों तथा मौसमों से बड़े डेटासेट तलाशने की परिकल्पना कर रहे हैं।

इसका उद्देश्य यह नहीं है कि कोई मशीन किसान की जगह ले ले। बल्कि यह है कि मशीन किसान की आंखों की एक और जोड़ी बन सके। जिस किसान के झुंड पर दिन का उजाला खत्म होने के काफी बाद तक नजर रखने की जरूरत हो, उसके लिए इसका अर्थ कुछ इतना सरल और मूल्यवान हो सकता है कि उसे पता चल सके कि किसी पशु ने चारा खाना बंद कर दिया है, उसकी सामान्य गतिविधि में बदलाव आया है या उसने प्रजनन संबंधी व्यवहार प्रदर्शित किया है।

पहाड़ियों में, जहां मिथुन पीढ़ियों से सामुदायिक जीवन का हिस्सा रहा है, पशु देखभाल की अगली पीढ़ी में इसलिए एक अप्रत्याशित नया फार्म सहायक शामिल हो सकता है: कृत्रिम बुद्धिमत्ता, जो एक कैमरे के माध्यम से चौबीसों घंटे शांतिपूर्वक निगरानी कर रही हो। कैमरा मिथुन को देख सकता है। लेकिन व्यापक उद्देश्य किसान को यह समझने में मदद करना है कि पशु क्या कह रहा है।

(स्रोत: भाकृअनुप-एनआरसी-मिथुन, नागालैंड)