Amazon SageMaker ভূ-স্থানিক ক্ষমতা সহ একটি কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্ম তৈরি করুন

ভূ-রাজনৈতিক সংঘাত, সরবরাহ শৃঙ্খল বিঘ্নিত হওয়া এবং জলবায়ু পরিবর্তনের ফলে বিশ্বব্যাপী খাদ্য সংকটের ঝুঁকি বাড়ছে। একইসাথে, জনসংখ্যা বৃদ্ধি এবং পুষ্টি ও প্রোটিন-সমৃদ্ধ খাবারের উপর ফোকাসকারী খাদ্য পরিবর্তনের ফলে সামগ্রিক চাহিদা বৃদ্ধি পেয়েছে। বাড়তি চাহিদা মেটাতে, কৃষকদের শস্যের ফলন সর্বাধিক করতে হবে এবং এগিয়ে থাকার জন্য নির্ভুল কৃষি প্রযুক্তি ব্যবহার করে স্কেলে অপারেশনগুলি কার্যকরভাবে পরিচালনা করতে হবে।

ঐতিহাসিকভাবে, কৃষকরা সিদ্ধান্ত নেওয়ার জন্য উত্তরাধিকারসূত্রে প্রাপ্ত জ্ঞান, ট্রায়াল এবং ত্রুটি এবং অ-নির্দেশমূলক কৃষি পরামর্শের উপর নির্ভর করে। কী ফসল লাগাতে হবে, কতটা সার প্রয়োগ করতে হবে, কীভাবে কীটপতঙ্গ নিয়ন্ত্রণ করতে হবে এবং কখন ফসল কাটতে হবে তা প্রধান সিদ্ধান্তের মধ্যে রয়েছে। যাইহোক, খাদ্যের ক্রমবর্ধমান চাহিদা এবং ফসলের ফলন সর্বাধিক করার প্রয়োজনীয়তার সাথে, উত্তরাধিকার সূত্রে প্রাপ্ত জ্ঞান ছাড়াও কৃষকদের আরও তথ্যের প্রয়োজন। রিমোট সেন্সিং, আইওটি এবং রোবোটিক্সের মতো উদ্ভাবনী প্রযুক্তিগুলি কৃষকদের উত্তরাধিকার সিদ্ধান্ত গ্রহণের অতীতে যেতে সাহায্য করার সম্ভাবনা রয়েছে। কাছাকাছি-রিয়েল-টাইম অন্তর্দৃষ্টি দ্বারা চালিত ডেটা-চালিত সিদ্ধান্তগুলি কৃষকদের বর্ধিত খাদ্য চাহিদার ব্যবধান বন্ধ করতে সক্ষম করতে পারে।

যদিও কৃষকরা ঐতিহ্যগতভাবে যন্ত্রপাতি এবং ফলন ডেটা রেকর্ড করে বা ক্ষেত্র পর্যবেক্ষণের নোট গ্রহণ করে তাদের ক্রিয়াকলাপ থেকে ম্যানুয়ালি ডেটা সংগ্রহ করে, AWS-এ কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মের নির্মাতারা কৃষকদের তাদের বিশ্বস্ত কৃষি পরামর্শদাতাদের সাথে কাজ করতে সাহায্য করে সেই ডেটা স্কেলে ব্যবহার করে। ছোট ক্ষেত্র এবং অপারেশনগুলি আরও সহজে একজন কৃষককে ফসলের উপর প্রভাব ফেলতে পারে এমন সমস্যাগুলি দেখতে পুরো ক্ষেত্রটি দেখতে দেয়। যাইহোক, বৃহৎ ক্ষেত্র এবং খামারগুলির জন্য ঘন ঘন প্রতিটি ক্ষেত্রের স্কাউটিং করা সম্ভব নয়, এবং সফল ঝুঁকি প্রশমনের জন্য একটি সমন্বিত কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্ম প্রয়োজন যা স্কেলগুলিতে অন্তর্দৃষ্টি আনতে পারে। এই প্ল্যাটফর্মগুলি ভিজ্যুয়ালাইজেশন এবং বিশ্লেষণ অ্যাপ্লিকেশনগুলিতে ব্যবহারের জন্য একাধিক উত্স থেকে তথ্য একত্রিত করে কৃষকদের তাদের ডেটা বোঝাতে সহায়তা করে। ভূ-স্থানিক ডেটা, স্যাটেলাইট ইমেজরি, মাটির ডেটা, আবহাওয়া এবং টপোগ্রাফি ডেটা সহ, রোপণ, পুষ্টির প্রয়োগ এবং ফসল কাটার সময় কৃষি সরঞ্জাম দ্বারা সংগৃহীত ডেটার সাথে স্তরযুক্ত। উন্নত ভূ-স্থানিক ডেটা বিশ্লেষণ, উন্নত ডেটা ভিজ্যুয়ালাইজেশন, এবং AWS প্রযুক্তির মাধ্যমে কর্মপ্রবাহের স্বয়ংক্রিয়তার মাধ্যমে অন্তর্দৃষ্টিগুলি আনলক করে, কৃষকরা তাদের ক্ষেত্র এবং ফসলের নির্দিষ্ট ক্ষেত্রগুলি সনাক্ত করতে পারে যেগুলি একটি সমস্যার সম্মুখীন হচ্ছে এবং তাদের শস্য ও ক্রিয়াকলাপগুলিকে রক্ষা করতে পদক্ষেপ নিতে পারে৷ এই সময়োপযোগী অন্তর্দৃষ্টিগুলি কৃষকদের তাদের বিশ্বস্ত কৃষিবিদদের সাথে আরও ভালভাবে কাজ করতে, তাদের পরিবেশগত পদচিহ্ন হ্রাস করতে, তাদের লাভের উন্নতি করতে এবং তাদের জমিকে আগামী প্রজন্মের জন্য উত্পাদনশীল রাখতে সাহায্য করে।

এই পোস্টে, আমরা দেখেছি আপনি কীভাবে তৈরি করা ভবিষ্যদ্বাণীগুলি ব্যবহার করতে পারেন৷ আমাজন সেজমেকার ভূ-স্থানিক ক্ষমতা একটি কৃষি তথ্য প্ল্যাটফর্মের একটি ব্যবহারকারী ইন্টারফেসে। উপরন্তু, আমরা আলোচনা করি যে কীভাবে সফ্টওয়্যার ডেভেলপমেন্ট দলগুলি তাদের কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মগুলিতে রিমোট সেন্সিং অ্যালগরিদম, ক্লাউড মাস্কিং (স্যাটেলাইট ইমেজের মধ্যে স্বয়ংক্রিয়ভাবে মেঘ সনাক্তকরণ) এবং স্বয়ংক্রিয়ভাবে চিত্র প্রক্রিয়াকরণ পাইপলাইনগুলি সহ উন্নত মেশিন লার্নিং (ML)-চালিত অন্তর্দৃষ্টি যুক্ত করছে৷ একসাথে, এই সংযোজনগুলি কৃষিবিদ, সফ্টওয়্যার বিকাশকারী, এমএল প্রকৌশলী, ডেটা বিজ্ঞানী এবং রিমোট সেন্সিং দলগুলিকে কৃষকদের মাপযোগ্য, মূল্যবান সিদ্ধান্ত গ্রহণের সহায়তা ব্যবস্থা প্রদান করতে সহায়তা করে। এই পোস্টটি একটি উদাহরণ প্রদান করে এন্ড-টু-এন্ড নোটবুক এবং GitHub সংগ্রহস্থল যেটি ML-ভিত্তিক ফার্ম ফিল্ড সেগমেন্টেশন এবং কৃষির জন্য প্রাক-প্রশিক্ষিত ভূ-স্থানিক মডেল সহ সেজমেকার ভূ-স্থানিক ক্ষমতা প্রদর্শন করে।

কৃষিগত ডেটা প্ল্যাটফর্মগুলিতে ভূ-স্থানিক অন্তর্দৃষ্টি এবং ভবিষ্যদ্বাণী যোগ করা

স্যাটেলাইট চিত্রের সাথে মিলিত গাণিতিক এবং কৃষিবিদ্যার মডেলগুলি সময়ের সাথে সাথে স্যাটেলাইট চিত্র, পিক্সেল বাই পিক্সেল দ্বারা ফসলের স্বাস্থ্য এবং অবস্থার দৃশ্যায়ন সক্ষম করে। যাইহোক, এই প্রতিষ্ঠিত মডেলগুলির জন্য স্যাটেলাইট চিত্রগুলিতে অ্যাক্সেস প্রয়োজন যা মেঘ বা অন্যান্য বায়ুমণ্ডলীয় হস্তক্ষেপ দ্বারা বাধাগ্রস্ত হয় না যা চিত্রের গুণমানকে হ্রাস করে। প্রতিটি প্রক্রিয়াকৃত চিত্র থেকে ক্লাউড সনাক্ত এবং অপসারণ না করে, ভবিষ্যদ্বাণী এবং অন্তর্দৃষ্টিতে উল্লেখযোগ্য ভুল থাকবে এবং কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মগুলি কৃষকের আস্থা হারাবে৷ যেহেতু কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্ম প্রদানকারীরা সাধারণত বিভিন্ন ভৌগলিক অঞ্চল জুড়ে হাজার হাজার খামার ক্ষেত্র সমন্বিত গ্রাহকদের পরিষেবা প্রদান করে, কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মগুলির জন্য কম্পিউটার দৃষ্টি এবং একটি স্বয়ংক্রিয় সিস্টেমের প্রয়োজন হয় যাতে আরও প্রক্রিয়াকরণ বা বিশ্লেষণ প্রদানের আগে প্রতিটি স্যাটেলাইট চিত্রের মধ্যে মেঘ বা অন্যান্য বায়ুমণ্ডলীয় সমস্যাগুলি বিশ্লেষণ, সনাক্ত করা এবং ফিল্টার আউট করা যায়। ক্রেতাসাধারণের জন্য.

স্যাটেলাইট ইমেজরিতে মেঘ এবং বায়ুমণ্ডলীয় সমস্যা সনাক্তকারী এমএল কম্পিউটার ভিশন মডেলগুলির বিকাশ, পরীক্ষা এবং উন্নতি করা কৃষিগত ডেটা প্ল্যাটফর্মের নির্মাতাদের জন্য চ্যালেঞ্জ উপস্থাপন করে। প্রথমত, উপগ্রহ চিত্র গ্রহণের জন্য ডেটা পাইপলাইন তৈরি করতে সময়, সফ্টওয়্যার উন্নয়ন সংস্থান এবং আইটি অবকাঠামো প্রয়োজন। প্রতিটি স্যাটেলাইট ইমেজ প্রদানকারী একে অপরের থেকে ব্যাপকভাবে পৃথক হতে পারে। স্যাটেলাইটগুলি প্রায়শই বিভিন্ন স্থানিক রেজোলিউশনে চিত্র সংগ্রহ করে; রেজোলিউশন প্রতি পিক্সেল অনেক মিটার থেকে পিক্সেল প্রতি সেন্টিমিটারে পরিমাপ করা খুব উচ্চ-রেজোলিউশনের চিত্র পর্যন্ত হতে পারে। উপরন্তু, প্রতিটি স্যাটেলাইট বিভিন্ন মাল্টি-স্পেকট্রাল ব্যান্ডের সাথে চিত্র সংগ্রহ করতে পারে। কিছু ব্যান্ড পুঙ্খানুপুঙ্খভাবে পরীক্ষা করা হয়েছে এবং উদ্ভিদ উন্নয়ন এবং স্বাস্থ্য সূচকগুলির সাথে দৃঢ় সম্পর্ক দেখায় এবং অন্যান্য ব্যান্ডগুলি কৃষির জন্য অপ্রাসঙ্গিক হতে পারে। স্যাটেলাইট নক্ষত্রপুঞ্জ বিভিন্ন হারে পৃথিবীতে একই স্থানের পুনর্বিবেচনা করে। ছোট নক্ষত্রপুঞ্জগুলি প্রতি সপ্তাহে বা তারও বেশি সময় একটি ক্ষেত্র পুনরায় দেখতে পারে এবং বৃহত্তর নক্ষত্রপুঞ্জগুলি প্রতিদিন একাধিকবার একই অঞ্চলে পুনরায় পরিদর্শন করতে পারে। স্যাটেলাইট ইমেজ এবং ফ্রিকোয়েন্সিগুলির এই পার্থক্যগুলি API ক্ষমতা এবং বৈশিষ্ট্যগুলির মধ্যেও পার্থক্যের দিকে পরিচালিত করে। সম্মিলিতভাবে, এই পার্থক্যগুলির অর্থ কৃষিগত ডেটা প্ল্যাটফর্মগুলিকে জটিল ইনজেশন পদ্ধতি সহ একাধিক ডেটা পাইপলাইন বজায় রাখতে হবে।

দ্বিতীয়ত, ছবিগুলি গৃহীত হওয়ার পরে এবং রিমোট সেন্সিং দল, ডেটা বিজ্ঞানী এবং কৃষিবিদদের কাছে উপলব্ধ করার পরে, এই দলগুলিকে অবশ্যই প্রতিটি চিত্রের মধ্যে প্রতিটি অঞ্চলকে মেঘলা হিসাবে অ্যাক্সেস, প্রক্রিয়াকরণ এবং লেবেল করার একটি সময়সাপেক্ষ প্রক্রিয়ায় জড়িত থাকতে হবে। বিভিন্ন ভৌগোলিক অঞ্চলে ছড়িয়ে থাকা হাজার হাজার ক্ষেত্র এবং প্রতি ক্ষেত্রে একাধিক স্যাটেলাইট চিত্রের সাথে, লেবেলিং প্রক্রিয়াটি উল্লেখযোগ্য পরিমাণে সময় নিতে পারে এবং ব্যবসার সম্প্রসারণ, নতুন গ্রাহক ক্ষেত্র বা চিত্রের নতুন উত্সগুলির জন্য ক্রমাগতভাবে প্রশিক্ষিত হতে হবে।

ML-এর জন্য সেন্টিনেল স্যাটেলাইট ইমেজ এবং ডেটাতে সমন্বিত অ্যাক্সেস

রিমোট সেন্সিং এমএল মডেল ডেভেলপমেন্টের জন্য সেজমেকার জিওস্পেশিয়াল ক্ষমতা ব্যবহার করে এবং এর থেকে স্যাটেলাইট ইমেজ ব্যবহার করে AWS ডেটা এক্সচেঞ্জ জনসাধারণের জন্য সুবিধাজনকভাবে উপলব্ধ আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) বালতি, AWS-এ কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মের নির্মাতারা দ্রুত এবং আরও সহজে তাদের লক্ষ্য অর্জন করতে পারে। আপনার S3 বালতিতে সবসময় সেন্টিনেল-1 এবং সেন্টিনেল-2-এর সবচেয়ে আপ-টু-ডেট স্যাটেলাইট চিত্র থাকে কারণ ওপেন ডেটা এক্সচেঞ্জ এবং অ্যামাজন সাসটেইনেবিলিটি ডেটা ইনিশিয়েটিভ উপগ্রহ চিত্রগুলিতে স্বয়ংক্রিয় অন্তর্নির্মিত অ্যাক্সেস প্রদান করে৷

নিম্নলিখিত চিত্রটি এই স্থাপত্যের চিত্র তুলে ধরেছে।

সেজমেকার ভূ-স্থানিক ক্ষমতাগুলির মধ্যে অন্তর্নির্মিত প্রাক-প্রশিক্ষিত গভীর নিউরাল নেটওয়ার্ক মডেলগুলি অন্তর্ভুক্ত রয়েছে যেমন ভূমি ব্যবহারের শ্রেণীবিভাগ এবং ক্লাউড মাস্কিং, স্যাটেলাইট চিত্র, মানচিত্র, এবং AWS এবং তৃতীয় পক্ষের অবস্থানের ডেটা সহ ভূ-স্থানিক ডেটা উত্সগুলির একটি সমন্বিত ক্যাটালগ সহ। একটি সমন্বিত ভূ-স্থানিক ডেটা ক্যাটালগের সাথে, সেজমেকার ভূ-স্থানিক গ্রাহকদের স্যাটেলাইট চিত্র এবং অন্যান্য ভূ-স্থানিক ডেটাসেটগুলিতে সহজে অ্যাক্সেস রয়েছে যা জটিল ডেটা ইনজেশন পাইপলাইনগুলির বিকাশের বোঝাকে সরিয়ে দেয়। এই ইন্টিগ্রেটেড ডেটা ক্যাটালগ আপনার নিজস্ব মডেল বিল্ডিং এবং সময় পরিসংখ্যান, রিস্যাম্পলিং, মোজাইকিং এবং রিভার্স জিওকোডিংয়ের মতো উদ্দেশ্য-নির্মিত ক্রিয়াকলাপ সহ বৃহৎ-স্কেল ভূ-স্থানিক ডেটাসেটগুলির প্রক্রিয়াকরণ এবং সমৃদ্ধকরণকে ত্বরান্বিত করতে পারে। Amazon S3 থেকে সহজেই চিত্র গ্রহণ করার এবং SageMaker জিওস্পেশিয়াল প্রাক-প্রশিক্ষিত এমএল মডেলগুলি ব্যবহার করার ক্ষমতা যা স্বয়ংক্রিয়ভাবে মেঘ সনাক্ত করে এবং প্রতিটি সেন্টিনেল-2 স্যাটেলাইট ইমেজ স্কোর করে, এটি গ্রহণ, প্রক্রিয়া এবং করার জন্য রিমোট সেন্সিং, এগ্রোনমি এবং ডেটা সায়েন্স দলকে নিযুক্ত করার প্রয়োজনীয়তা দূর করে। মেঘলা অঞ্চল সহ হাজার হাজার স্যাটেলাইট চিত্রকে ম্যানুয়ালি লেবেল করুন।

সেজমেকার ভূ-স্থানিক ক্ষমতাগুলি আগ্রহের একটি এলাকা (AOI) এবং আগ্রহের সময় (TOI) সংজ্ঞায়িত করার ক্ষমতা সমর্থন করে, ওপেন ডেটা এক্সচেঞ্জ S3 বাকেট আর্কাইভের মধ্যে একটি জিওস্পেশিয়াল ইন্টারসেক্ট সহ ছবির জন্য অনুসন্ধান করুন যা অনুরোধ পূরণ করে, এবং সত্যিকারের রঙের ছবি ফেরত দেয়, নরমালাইজড ডিফারেন্স ভেজিটেশন ইনডেক্স (NDVI), ক্লাউড ডিটেকশন এবং স্কোর এবং ল্যান্ড কভার। এনডিভিআই হল একটি সাধারণ সূচক যা স্যাটেলাইট চিত্রের সাথে ফসলের স্বাস্থ্য বোঝার জন্য একটি নতুন প্রক্রিয়াকৃত এবং রঙ-কোডেড চিত্রের মাধ্যমে ক্লোরোফিলের পরিমাণ এবং সালোকসংশ্লেষণের ক্রিয়াকলাপের পরিমাপ কল্পনা করে।

SageMaker ভূ-স্থানিক ক্ষমতার ব্যবহারকারীরা পূর্ব-নির্মিত NDVI সূচক ব্যবহার করতে পারে বা তাদের নিজস্ব বিকাশ করতে পারে। সেজমেকার ভূ-স্থানিক ক্ষমতাগুলি ডেটা বিজ্ঞানী এবং এমএল ইঞ্জিনিয়ারদের জন্য জিওস্পেশিয়াল ডেটা ব্যবহার করে এবং আগের চেয়ে কম প্রচেষ্টায় দ্রুত এবং স্কেলে ML মডেলগুলি তৈরি, প্রশিক্ষণ এবং স্থাপন করা সহজ করে তোলে৷

কৃষক এবং কৃষিবিদদের ক্ষেত্র এবং বাড়িতে অন্তর্দৃষ্টিতে দ্রুত অ্যাক্সেসের প্রয়োজন

কৃষক এবং স্টেকহোল্ডারদের কাছে প্রক্রিয়াকৃত চিত্র এবং অন্তর্দৃষ্টি অবিলম্বে সরবরাহ করা কৃষি ব্যবসা এবং ক্ষেত্রের সিদ্ধান্ত গ্রহণের জন্য গুরুত্বপূর্ণ। প্রতিটি ক্ষেত জুড়ে খারাপ ফসলের স্বাস্থ্যের ক্ষেত্রগুলি চিহ্নিত করা সময়ের সমালোচনামূলক উইন্ডোতে কৃষককে সার, ভেষজনাশক এবং কীটনাশক প্রয়োগ করে ঝুঁকি কমাতে এবং এমনকি সম্ভাব্য শস্য বীমা দাবির ক্ষেত্রগুলি সনাক্ত করতে দেয়। কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মগুলির জন্য ওয়েব অ্যাপ্লিকেশন এবং মোবাইল অ্যাপ্লিকেশন সহ অ্যাপ্লিকেশনগুলির একটি স্যুট তৈরি করা সাধারণ। এই অ্যাপ্লিকেশনগুলি স্বজ্ঞাত ব্যবহারকারী ইন্টারফেসগুলি সরবরাহ করে যা কৃষকদের এবং তাদের বিশ্বস্ত স্টেকহোল্ডারদের বাড়িতে, অফিসে বা মাঠে দাঁড়িয়ে থাকাকালীন তাদের প্রতিটি ক্ষেত্র এবং ছবি নিরাপদে পর্যালোচনা করতে সহায়তা করে। এই ওয়েব এবং মোবাইল অ্যাপ্লিকেশনগুলিকে, তবে, API-এর মাধ্যমে প্রক্রিয়াকৃত চিত্রাবলী এবং কৃষিগত অন্তর্দৃষ্টিগুলি গ্রহণ এবং দ্রুত প্রদর্শন করতে হবে।

অ্যামাজন এপিআই গেটওয়ে ডেভেলপারদের জন্য স্কেলে RESTful এবং WebSocket API তৈরি, প্রকাশ, রক্ষণাবেক্ষণ, নিরীক্ষণ এবং সুরক্ষিত করা সহজ করে তোলে। সঙ্গে API গেটওয়ে, API অ্যাক্সেস এবং অনুমোদনের সাথে একত্রিত করা হয়েছে AWS আইডেন্টিটি অ্যাক্সেস ম্যানেজমেন্ট (IAM), এবং সেইসাথে নেটিভ OIDC এবং OAuth2 সমর্থন অফার করে অ্যামাজন কগনিটো. অ্যামাজন কগনিটো এটি একটি সাশ্রয়ী মূল্যের গ্রাহক পরিচয় এবং অ্যাক্সেস ম্যানেজমেন্ট (CIAM) পরিষেবা যা ফেডারেশন বিকল্পগুলির সাথে একটি সুরক্ষিত পরিচয় স্টোরকে সমর্থন করে যা লক্ষ লক্ষ ব্যবহারকারীকে স্কেল করতে পারে।

কাঁচা, প্রক্রিয়াবিহীন স্যাটেলাইট ইমেজ অনেক বড় হতে পারে, কিছু কিছু ক্ষেত্রে প্রতি ইমেজে শত শত মেগাবাইট বা এমনকি গিগাবাইটও হতে পারে। যেহেতু বিশ্বের অনেক কৃষিক্ষেত্রে দুর্বল বা কোন সেলুলার সংযোগ নেই, তাই ছোট ফরম্যাটে এবং প্রয়োজনীয় ব্যান্ডউইথ সীমিত করে এমন উপায়ে চিত্র এবং অন্তর্দৃষ্টিগুলি প্রক্রিয়া করা এবং পরিবেশন করা গুরুত্বপূর্ণ। অতএব, ব্যবহার করে এডাব্লুএস ল্যাম্বদা একটি টাইল সার্ভার স্থাপন করতে, ছোট আকারের জিওটিআইএফএফ, জেপিইজি, বা অন্যান্য চিত্র বিন্যাসগুলি ব্যবহারকারীর কাছে প্রদর্শিত বর্তমান মানচিত্রের দৃশ্যের উপর ভিত্তি করে ফেরত দেওয়া যেতে পারে, অনেক বড় ফাইলের আকার এবং প্রকারের বিপরীতে যা কর্মক্ষমতা হ্রাস করে। ওয়েব এবং মোবাইল অ্যাপ্লিকেশনগুলির জন্য অনুরোধগুলি পরিচালনা করার জন্য এপিআই গেটওয়ের সাথে ল্যাম্বডা ফাংশনগুলির মাধ্যমে স্থাপন করা একটি টাইল সার্ভারকে একত্রিত করে, কৃষক এবং তাদের বিশ্বস্ত স্টেকহোল্ডাররা কম বিলম্বের সাথে একবারে এক বা শতাধিক ক্ষেত্রের চিত্র এবং ভূ-স্থানিক ডেটা ব্যবহার করতে পারে এবং একটি সর্বোত্তম ব্যবহারকারী অর্জন করতে পারে। অভিজ্ঞতা

সেজমেকার ভূ-স্থানীয় ক্ষমতাগুলি একটি স্বজ্ঞাত ব্যবহারকারী ইন্টারফেসের মাধ্যমে অ্যাক্সেস করা যেতে পারে যা আপনাকে ভূ-স্থানিক ডেটার একটি সমৃদ্ধ ক্যাটালগে সহজে অ্যাক্সেস পেতে, ডেটা রূপান্তর এবং সমৃদ্ধ করতে, উদ্দেশ্য-নির্মাণ মডেলগুলিকে প্রশিক্ষণ দিতে বা ব্যবহার করতে, ভবিষ্যদ্বাণীগুলির জন্য মডেল স্থাপন করতে এবং ভিজ্যুয়ালাইজ করতে এবং ডেটা অন্বেষণ করতে সক্ষম করে। সমন্বিত মানচিত্র এবং স্যাটেলাইট ছবি। সেজমেকার ভূ-স্থানিক ব্যবহারকারীর অভিজ্ঞতা সম্পর্কে আরও পড়তে, পড়ুন জারভিও কীভাবে অ্যামাজন সেজমেকার ভূ-স্থানিক ক্ষমতার সাথে ডিজিটাল ফার্মিংয়ের জন্য স্থানিক ডেটার পাইপলাইনকে ত্বরান্বিত করেছে.

কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মগুলি স্কেলে ডেটা এবং অন্তর্দৃষ্টির বিভিন্ন স্তর সরবরাহ করে

নিম্নলিখিত উদাহরণ ইউজার ইন্টারফেস প্রদর্শন করে যে কিভাবে কৃষিগত ডেটা প্ল্যাটফর্মের একজন নির্মাতা সেজমেকার ভূ-স্থানীয় ক্ষমতা দ্বারা প্রদত্ত অন্তর্দৃষ্টিকে একীভূত করতে পারে।

এই উদাহরণ ব্যবহারকারী ইন্টারফেস কৃষক এবং কৃষি স্টেকহোল্ডারদের দ্বারা গ্রাস করা সাধারণ ভূ-স্থানিক ডেটা ওভারলে চিত্রিত করে। এখানে, ভোক্তা তিনটি পৃথক ডেটা ওভারলে নির্বাচন করেছেন। প্রথমত, অন্তর্নিহিত সেন্টিনেল-2 প্রাকৃতিক রঙের স্যাটেলাইট চিত্রটি অক্টোবর, 2020 থেকে নেওয়া হয়েছে এবং সমন্বিত সেজমেকার জিওস্পেশিয়াল ডেটা ক্যাটালগের মাধ্যমে উপলব্ধ করা হয়েছে। এই ছবিটি সেজমেকার জিওস্পেশিয়াল প্রাক-প্রশিক্ষিত মডেল ব্যবহার করে ফিল্টার করা হয়েছে যা ক্লাউড কভার সনাক্ত করে। দ্বিতীয় ডেটা ওভারলে হল ক্ষেত্রের সীমানার একটি সেট, একটি সাদা রূপরেখা দিয়ে চিত্রিত। একটি ক্ষেত্রের সীমানা সাধারণত অক্ষাংশ এবং দ্রাঘিমাংশ স্থানাঙ্কের একটি বহুভুজ যা একটি খামার ক্ষেত্রের প্রাকৃতিক ভূগোল প্রতিফলিত করে, বা শস্য পরিকল্পনার মধ্যে কর্মক্ষম সীমানা পার্থক্য করে। তৃতীয় ডাটা ওভারলে হল নর্মালাইজড ডিফারেন্স ভেজিটেশন ইনডেক্স (NDVI) আকারে ইমেজরি ডেটা প্রক্রিয়া করা। আরও, NDVI চিত্রগুলি সংশ্লিষ্ট ক্ষেত্রের সীমানায় ওভারলেড করা হয়েছে, এবং একটি NDVI রঙের শ্রেণিবিন্যাস চার্ট পৃষ্ঠার বাম দিকে চিত্রিত করা হয়েছে।

নিম্নলিখিত চিত্রটি একটি সেজমেকার প্রাক-প্রশিক্ষিত মডেল ব্যবহার করে ফলাফলগুলিকে চিত্রিত করে যা ক্লাউড কভার সনাক্ত করে।

এই ছবিতে, মডেলটি স্যাটেলাইট ইমেজের মধ্যে মেঘ চিহ্নিত করে এবং ছবির মধ্যে প্রতিটি মেঘের উপরে একটি হলুদ মাস্ক প্রয়োগ করে। আরও ইমেজ প্রক্রিয়াকরণ থেকে মুখোশযুক্ত পিক্সেল (ক্লাউড) অপসারণ করে, ডাউনস্ট্রিম বিশ্লেষণ এবং পণ্যগুলি সঠিকতা উন্নত করেছে এবং কৃষক এবং তাদের বিশ্বস্ত উপদেষ্টাদের মূল্য প্রদান করেছে।

দুর্বল সেলুলার কভারেজের ক্ষেত্রে, বিলম্ব কমানো ব্যবহারকারীর অভিজ্ঞতা উন্নত করে

ভূ-স্থানিক ডেটা এবং রিমোট সেন্সিং ইমেজের মূল্যায়ন করার সময় কম বিলম্বের প্রয়োজন মোকাবেলা করতে, আপনি ব্যবহার করতে পারেন আমাজন ইলাস্টি ক্যাশে Lambda এর মাধ্যমে করা টাইল অনুরোধ থেকে পুনরুদ্ধার প্রক্রিয়াকৃত ছবি ক্যাশে করতে। অনুরোধ করা চিত্রগুলিকে একটি ক্যাশে মেমরিতে সঞ্চয় করার মাধ্যমে, বিলম্বতা আরও হ্রাস করা হয় এবং চিত্রের অনুরোধগুলি পুনরায় প্রক্রিয়া করার প্রয়োজন নেই৷ এটি অ্যাপ্লিকেশন কর্মক্ষমতা উন্নত করতে পারে এবং ডাটাবেসের উপর চাপ কমাতে পারে। কারণ আমাজন ইলাস্টি ক্যাশে ক্যাশিং কৌশল, ক্রস-রিজিওন রেপ্লিকেশন, এবং অটো স্কেলিং-এর জন্য অনেক কনফিগারেশন বিকল্প সমর্থন করে, অ্যাগ্রোনমিক ডেটা প্ল্যাটফর্ম প্রদানকারীরা আবেদনের প্রয়োজনের উপর ভিত্তি করে দ্রুত স্কেল করতে পারে, এবং শুধুমাত্র যা প্রয়োজন তার জন্য অর্থ প্রদান করে খরচ দক্ষতা অর্জন চালিয়ে যেতে পারে।

উপসংহার

এই পোস্টটি ভূ-স্থানিক ডেটা প্রসেসিং, এমএল-সক্ষম রিমোট সেন্সিং অন্তর্দৃষ্টি বাস্তবায়ন, এবং AWS-এ কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মগুলির বিকাশ এবং বর্ধনকে স্ট্রীমলাইন এবং সহজ করার উপায়গুলির উপর দৃষ্টি নিবদ্ধ করেছে। এটি বেশ কয়েকটি পদ্ধতি এবং পরিষেবাগুলিকে চিত্রিত করেছে যা AWS পরিষেবাগুলিতে কৃষি সংক্রান্ত ডেটা প্ল্যাটফর্মের নির্মাতারা তাদের লক্ষ্য অর্জনের জন্য ব্যবহার করতে পারে, যার মধ্যে SageMaker, Lambda, Amazon S3, Open Data Exchange, এবং ElastiCache রয়েছে৷

একটি এন্ড-টু-এন্ড উদাহরণ নোটবুক অনুসরণ করতে যা সেজমেকার ভূ-স্থানিক ক্ষমতা প্রদর্শন করে, নিম্নলিখিত উদাহরণে উপলব্ধ নোটবুকটি অ্যাক্সেস করুন GitHub সংগ্রহস্থল. আপনি ML সেগমেন্টেশন মডেলের মাধ্যমে কীভাবে কৃষিক্ষেত্রগুলি সনাক্ত করতে পারেন তা পর্যালোচনা করতে পারেন, বা আগে থেকে বিদ্যমান সেজমেকার জিওস্পেশিয়াল মডেলগুলি অন্বেষণ করতে পারেন এবং ভূ-স্থানিক কাজ যেমন ভূমি ব্যবহার এবং ভূমি কভার শ্রেণীবিভাগে আপনার নিজস্ব মডেল (BYOM) কার্যকারিতা আনতে পারেন৷ এন্ড-টু-এন্ড উদাহরণ নোটবুকটি সহচর পোস্টে বিশদভাবে আলোচনা করা হয়েছে জারভিও কীভাবে অ্যামাজন সেজমেকার জিওস্পেশিয়াল-এর সাথে ডিজিটাল ফার্মিংয়ের জন্য স্থানিক ডেটার পাইপলাইনগুলিকে ত্বরান্বিত করেছিল.

কৃষি শিল্প কিভাবে AWS ক্লাউড ব্যবহার করে বিশ্বব্যাপী খাদ্য সরবরাহ, সন্ধানযোগ্যতা এবং স্থায়িত্বের উদ্যোগ সম্পর্কিত গুরুত্বপূর্ণ সমস্যার সমাধান করছে সে সম্পর্কে আরও জানতে আমাদের সাথে যোগাযোগ করুন।

---

লেখক সম্পর্কে

উইল কনরাড AWS এ কৃষি শিল্পের সমাধানের প্রধান। তিনি কৃষকদের জীবিকা, কৃষির পরিবেশগত প্রভাব এবং যারা খাবার খান তাদের জন্য ভোক্তাদের অভিজ্ঞতা উন্নত করতে গ্রাহকদের প্রযুক্তি ব্যবহার করতে সহায়তা করার বিষয়ে তিনি উত্সাহী। তার অবসর সময়ে, তিনি জিনিসগুলি ঠিক করেন, গলফ খেলেন এবং তার চার সন্তানের কাছ থেকে অর্ডার নেন।

বিষেশ অধিকারী AWS প্রোটোটাইপিং দলের একজন মেশিন লার্নিং প্রোটোটাইপিং আর্কিটেক্ট। তিনি AWS গ্রাহকদের সাথে কাজ করে বিভিন্ন এআই এবং মেশিন লার্নিং ব্যবহারের ক্ষেত্রে তাদের উৎপাদনের যাত্রাকে ত্বরান্বিত করতে। তার অবসর সময়ে, তিনি হাইকিং, ভ্রমণ এবং পরিবার এবং বন্ধুদের সাথে সময় কাটাতে উপভোগ করেন।

প্রিয়াঙ্কা মহাকালী বিশ্বব্যাপী কৃষি গ্রাহকদের জন্য প্রযুক্তি সহ ক্রস-ইন্ডাস্ট্রি সলিউশন তৈরির 5 বছরেরও বেশি সময় ধরে AWS-এর একজন গাইডেন্স সলিউশন আর্কিটেক্ট। তিনি অত্যাধুনিক ব্যবহারের কেসগুলিকে সামনে নিয়ে আসার এবং গ্রাহকদের AWS-এ কৌশলগত সমাধান তৈরি করতে সহায়তা করার বিষয়ে উত্সাহী৷

রন অসবর্ন AWS গ্লোবাল টেকনোলজি লিড ফর এগ্রিকালচার - WWSO এবং একজন সিনিয়র সলিউশন আর্কিটেক্ট। রন AWS কৃষি ব্যবসার গ্রাহকদের এবং অংশীদারদের সুরক্ষিত, মাপযোগ্য, স্থিতিস্থাপক, স্থিতিস্থাপক এবং সাশ্রয়ী সমাধানের বিকাশ এবং স্থাপনে সহায়তা করার উপর দৃষ্টি নিবদ্ধ করে। রন একজন কসমোলজি উত্সাহী, এজি-টেকের মধ্যে একজন প্রতিষ্ঠিত উদ্ভাবক, এবং ব্যবসায়িক রূপান্তর এবং টেকসই সাফল্যের জন্য গ্রাহক এবং অংশীদারদের অবস্থানের বিষয়ে উত্সাহী।