AI প্রযুক্তি ব্যবহার করে আপনার গবাদি পশুর উপর নজর রাখা আমাজন ওয়েব সার্ভিসেস

At আমাজন ওয়েব সার্ভিসেস (এডব্লিউএস), আমরা শুধুমাত্র গ্রাহকদের বিভিন্ন ধরনের ব্যাপক প্রযুক্তিগত সমাধান প্রদানের ব্যাপারে আগ্রহী নই, আমরা আমাদের গ্রাহকদের ব্যবসায়িক প্রক্রিয়াগুলি গভীরভাবে বোঝার জন্যও আগ্রহী। আমরা একটি তৃতীয় পক্ষের দৃষ্টিভঙ্গি এবং উদ্দেশ্যমূলক রায় গ্রহণ করি যাতে গ্রাহকদের তাদের মূল্য প্রস্তাবগুলি বাছাই করতে, ব্যথার পয়েন্টগুলি সংগ্রহ করতে, উপযুক্ত সমাধান প্রস্তাব করতে এবং তাদের ব্যবসায়িক লক্ষ্যগুলিকে পদ্ধতিগতভাবে অর্জনে সহায়তা করার জন্য সবচেয়ে সাশ্রয়ী এবং ব্যবহারযোগ্য প্রোটোটাইপ তৈরি করতে সহায়তা করি৷

এই পদ্ধতি বলা হয় পিছনে কাজ AWS এ এর অর্থ হল প্রযুক্তি এবং সমাধানগুলিকে একপাশে রাখা, গ্রাহকদের প্রত্যাশিত ফলাফল থেকে শুরু করে, তাদের মূল্য নিশ্চিত করা এবং তারপর শেষ পর্যন্ত একটি সমাধান বাস্তবায়নের আগে বিপরীত ক্রমে কী করা দরকার তা নির্ধারণ করা। বাস্তবায়ন পর্বের সময়, আমরা ধারণাটিও অনুসরণ করি নূন্যতম টেকসই পণ্য এবং দ্রুত একটি প্রোটোটাইপ তৈরি করার চেষ্টা করুন যা কয়েক সপ্তাহের মধ্যে মান তৈরি করতে পারে এবং তারপরে এটিতে পুনরাবৃত্তি করতে পারে।

আজ, আসুন একটি কেস স্টাডি পর্যালোচনা করি যেখানে AWS এবং New Hope Dairy ক্লাউডে একটি স্মার্ট ফার্ম তৈরি করতে সহযোগিতা করেছে। এই ব্লগ পোস্ট থেকে, আপনি একটি স্মার্ট ফার্ম তৈরির জন্য AWS কী প্রদান করতে পারে এবং কীভাবে AWS বিশেষজ্ঞদের সাথে ক্লাউডে স্মার্ট ফার্ম অ্যাপ্লিকেশন তৈরি করতে পারেন সে সম্পর্কে গভীর ধারণা পেতে পারেন।

প্রকল্প পটভূমি

দুধ একটি পুষ্টিকর পানীয়। জাতীয় স্বাস্থ্যের বিবেচনায়, চীন সক্রিয়ভাবে দুগ্ধ শিল্পের বিকাশের প্রচার করছে। ইউরোমনিটর ইন্টারন্যাশনালের তথ্য অনুসারে, ২০২০ সালে চীনে দুগ্ধজাত পণ্যের বিক্রি ৬৩৮.৫ বিলিয়ন আরএমবিতে পৌঁছেছে এবং ২০২৫ সালে ৮১০ বিলিয়ন আরএমবিতে পৌঁছবে বলে আশা করা হচ্ছে। উপরন্তু, গত ১৪ বছরে চক্রবৃদ্ধি বার্ষিক বৃদ্ধির হারও ১০ শতাংশে পৌঁছেছে, দ্রুত উন্নয়ন দেখাচ্ছে।

অন্যদিকে, 2022 সালের হিসাবে, চীনা দুগ্ধ শিল্পের বেশিরভাগ রাজস্ব এখনও তরল দুধ থেকে আসে। কাঁচা দুধের ষাট শতাংশ তরল দুধ এবং দইয়ের জন্য ব্যবহার করা হয় এবং অন্য 20 শতাংশ দুধের গুঁড়া-তরল দুধের একটি ডেরিভেটিভ। পনির এবং ক্রিমের মতো উচ্চ প্রক্রিয়াজাত পণ্যগুলির জন্য শুধুমাত্র খুব অল্প পরিমাণ ব্যবহার করা হয়।

তরল দুধ একটি হালকা প্রক্রিয়াজাত পণ্য এবং এর আউটপুট, গুণমান এবং খরচ কাঁচা দুধের সাথে ঘনিষ্ঠভাবে জড়িত। এর অর্থ হ'ল দুগ্ধ শিল্প যদি উচ্চ প্রক্রিয়াজাত পণ্য উত্পাদনের উপর ফোকাস করার ক্ষমতা মুক্ত করতে চায়, নতুন পণ্য তৈরি করতে এবং আরও উদ্ভাবনী জৈবপ্রযুক্তি গবেষণা পরিচালনা করতে চায়, তবে এটিকে প্রথমে কাঁচা দুধের উত্পাদন এবং গুণমান উন্নত এবং স্থিতিশীল করতে হবে।

দুগ্ধ শিল্পের একজন নেতা হিসেবে, নিউ হোপ ডেইরি কীভাবে তার খামার পরিচালনার দক্ষতা উন্নত করা যায় এবং কাঁচা দুধের উৎপাদন ও গুণমান বাড়ানো যায় তা নিয়ে চিন্তাভাবনা করছে। নিউ হোপ ডেইরি দুগ্ধ শিল্পে উদ্ভাবনের সুবিধার্থে AWS-এর তৃতীয় পক্ষের দৃষ্টিভঙ্গি এবং প্রযুক্তিগত দক্ষতা ব্যবহার করবে বলে আশা করছে। লিউটং হু, ভিপি এবং নিউ হোপ ডেইরির সিআইও-এর সমর্থন এবং প্রচারের মাধ্যমে, AWS গ্রাহক দল দুগ্ধ খামারগুলির জন্য অপারেশন এবং সম্ভাব্য উদ্ভাবন পয়েন্টগুলি সংগঠিত করতে শুরু করেছে।

দুগ্ধ খামার চ্যালেঞ্জ

AWS ক্লাউড প্রযুক্তির ক্ষেত্রে একজন বিশেষজ্ঞ, কিন্তু দুগ্ধ শিল্পে উদ্ভাবন বাস্তবায়নের জন্য, দুগ্ধ বিষয়ক বিশেষজ্ঞদের পেশাদার পরামর্শ প্রয়োজন। তাই, খামারের মুখোমুখি কিছু সমস্যা এবং চ্যালেঞ্জগুলি বোঝার জন্য আমরা লিয়াংরং সং, নিউ হোপ ডেয়ারির প্রোডাকশন টেকনোলজি সেন্টারের ডেপুটি ডিরেক্টর, রেঞ্চ ম্যানেজমেন্ট টিম এবং পুষ্টিবিদদের সাথে বেশ কয়েকটি গভীর সাক্ষাত্কার পরিচালনা করেছি।

প্রথমে সংরক্ষিত গরুর তালিকা নেওয়া হচ্ছে

খামারের দুগ্ধজাত গরু দুটি প্রকারে বিভক্ত: দুগ্ধ গাভী এবং সংরক্ষিত গরু. দুগ্ধজাত গাভী পরিপক্ক এবং ক্রমাগত দুধ উৎপাদন করে, আর সংরক্ষিত গাভী হল এমন গাভী যা দুধ উৎপাদনের বয়সে পৌঁছায়নি। বড় এবং মাঝারি আকারের খামারগুলি সাধারণত আরও আরামদায়ক ক্রমবর্ধমান পরিবেশ তৈরি করার জন্য একটি বড় খোলা কার্যকলাপ এলাকা সহ সংরক্ষিত গরু সরবরাহ করে।

যাইহোক, দুগ্ধজাত গাভী এবং সংরক্ষিত গাভী উভয়ই খামারের সম্পদ এবং প্রতিমাসে তাদের উদ্ভাবন করা প্রয়োজন। দুগ্ধজাত গাভী প্রতিদিন দোহন করা হয়, এবং যেহেতু তারা দুধের সময় তুলনামূলকভাবে স্থির থাকে, তাই ইনভেন্টরি ট্র্যাকিং সহজ। যাইহোক, সংরক্ষিত গরু একটি খোলা জায়গায় থাকে এবং অবাধে বিচরণ করে, যা তাদের জায় করা অসুবিধাজনক করে তোলে। প্রতিবার ইনভেন্টরি নেওয়ার সময়, বেশ কয়েকজন শ্রমিক বিভিন্ন এলাকা থেকে বারবার সংরক্ষিত গরু গণনা করে এবং অবশেষে, সংখ্যাগুলি পরীক্ষা করা হয়। এই প্রক্রিয়াটি বেশ কয়েকটি শ্রমিকের জন্য এক থেকে দুই দিন সময় নেয় এবং প্রায়শই গণনাগুলি সারিবদ্ধ করতে সমস্যা হয় বা প্রতিটি গরু গণনা করা হয়েছে কিনা তা নিয়ে অনিশ্চয়তা দেখা দেয়।

উল্লেখযোগ্য সময় বাঁচানো যেতে পারে যদি আমাদের কাছে দ্রুত এবং নির্ভুলভাবে গরু সংরক্ষণের উপায় থাকে।

দ্বিতীয়টি হল খোঁড়া গরু শনাক্ত করা

বর্তমানে, অধিকাংশ দুগ্ধ কোম্পানী নামের একটি জাত ব্যবহার করে Holstein, দুধ উৎপাদন করতে। হলস্টেইন হল কালো এবং সাদা গরু যা আমরা বেশিরভাগই পরিচিত। অধিকাংশ দুগ্ধ কোম্পানি একই জাত ব্যবহার করলেও, এখনও বিভিন্ন কোম্পানি এবং খামারের মধ্যে দুধ উৎপাদনের পরিমাণ এবং গুণমানের পার্থক্য রয়েছে। কারণ দুগ্ধজাত গাভীর স্বাস্থ্য সরাসরি দুধ উৎপাদনকে প্রভাবিত করে।

যাইহোক, গরু মানুষের মতো তাদের নিজের থেকে অস্বস্তি প্রকাশ করতে পারে না, এবং পশুচিকিত্সকদের জন্য নিয়মিত হাজার হাজার গরুর শারীরিক পরীক্ষা করা বাস্তবসম্মত নয়। অতএব, গরুর স্বাস্থ্যের অবস্থা দ্রুত বিচার করার জন্য আমাদের বাহ্যিক সূচক ব্যবহার করতে হবে।

একটি গরুর স্বাস্থ্যের বাহ্যিক সূচক অন্তর্ভুক্ত শরীরের অবস্থা স্কোর এবং পঙ্গুত্ব ডিগ্রী. শরীরের অবস্থার স্কোর মূলত গরুর শরীরের চর্বি শতাংশের সাথে সম্পর্কিত এবং এটি একটি দীর্ঘমেয়াদী সূচক, যখন খোঁড়া হওয়া একটি স্বল্পমেয়াদী সূচক যা পায়ে সমস্যা বা পায়ের সংক্রমণ এবং অন্যান্য সমস্যা যা গরুর মেজাজ, স্বাস্থ্য এবং দুধ উৎপাদনকে প্রভাবিত করে। উপরন্তু, প্রাপ্তবয়স্ক হোলস্টেইন গাভীর ওজন 500 কেজির বেশি হতে পারে, যা স্থিতিশীল না হলে তাদের পায়ের উল্লেখযোগ্য ক্ষতি হতে পারে। অতএব, যখন পঙ্গুত্ব দেখা দেয়, পশুচিকিত্সকদের যত তাড়াতাড়ি সম্ভব হস্তক্ষেপ করা উচিত।

2014 সালের একটি সমীক্ষা অনুসারে, চীনে গুরুতরভাবে খোঁড়া গরুর অনুপাত 31 শতাংশ পর্যন্ত হতে পারে। যদিও অধ্যয়নের পর থেকে পরিস্থিতির উন্নতি হতে পারে, তবে খামারগুলিতে পশুচিকিত্সকের সংখ্যা অত্যন্ত সীমিত, যা নিয়মিতভাবে গরু পর্যবেক্ষণ করা কঠিন করে তোলে। যখন পঙ্গুত্ব সনাক্ত করা হয়, পরিস্থিতি প্রায়শই গুরুতর হয়, এবং চিকিত্সা সময়সাপেক্ষ এবং কঠিন এবং দুধ উৎপাদন ইতিমধ্যেই প্রভাবিত হয়।

আমাদের যদি সময়মত গরুর খোঁড়াত্ব সনাক্ত করার উপায় থাকে এবং হালকা খোঁড়া পর্যায়ে পশুচিকিত্সকদের হস্তক্ষেপ করার জন্য তাৎক্ষণিকভাবে গাভীর সামগ্রিক স্বাস্থ্য এবং দুধ উৎপাদন বৃদ্ধি পাবে এবং খামারের কর্মক্ষমতা উন্নত হবে।

সবশেষে, ফিড খরচ অপ্টিমাইজেশান আছে

পশুসম্পদ শিল্পের মধ্যে, খাদ্য সবচেয়ে বড় পরিবর্তনশীল খরচ। ফিডের গুণমান এবং তালিকা নিশ্চিত করার জন্য, খামারগুলিকে প্রায়শই দেশীয় এবং বিদেশী সরবরাহকারীদের কাছ থেকে ফিড উপাদান ক্রয় করতে হয় এবং প্রক্রিয়াকরণের জন্য ফিড ফর্মুলেশন কারখানাগুলিতে সরবরাহ করতে হয়। সয়াবিন খাবার, ভুট্টা, আলফালফা, ওট গ্রাস এবং আরও অনেকগুলি সহ আধুনিক ফিড উপাদানগুলির অনেক প্রকার রয়েছে, যার মানে খেলাতে অনেকগুলি পরিবর্তনশীল রয়েছে৷ প্রতিটি ধরনের ফিড উপাদানের নিজস্ব মূল্য চক্র এবং দামের ওঠানামা আছে। উল্লেখযোগ্য ওঠানামার সময়, ফিডের মোট খরচ 15 শতাংশের বেশি ওঠানামা করতে পারে, যা একটি উল্লেখযোগ্য প্রভাব সৃষ্টি করে।

ফিড খরচ ওঠানামা করে, কিন্তু দুগ্ধজাত পণ্যের দাম দীর্ঘমেয়াদে তুলনামূলকভাবে স্থিতিশীল থাকে। ফলস্বরূপ, অন্যথায় অপরিবর্তিত অবস্থায়, সামগ্রিক মুনাফা ফিড খরচ পরিবর্তনের কারণে উল্লেখযোগ্যভাবে ওঠানামা করতে পারে।

এই ওঠানামা এড়াতে, দাম কম হলে আরও উপাদান সংরক্ষণ করার কথা বিবেচনা করা প্রয়োজন। কিন্তু স্টকিং এও বিবেচনা করতে হবে যে দাম প্রকৃতপক্ষে খালে আছে কি না এবং বর্তমান খরচের হার অনুযায়ী কি পরিমাণ ফিড ক্রয় করা উচিত।

যদি আমাদের কাছে সঠিকভাবে ফিড খরচের পূর্বাভাস দেওয়ার উপায় থাকে এবং এটিকে সামগ্রিক মূল্যের প্রবণতার সাথে একত্রিত করে কেনার জন্য সর্বোত্তম সময় এবং পরিমাণ ফিডের পরামর্শ দেওয়ার জন্য, আমরা খরচ কমাতে এবং খামারে দক্ষতা বাড়াতে পারি।

এটা স্পষ্ট যে এই সমস্যাগুলি সরাসরি গ্রাহকের উন্নতির লক্ষ্যের সাথে সম্পর্কিত খামার অপারেশনাল দক্ষতা, এবং পদ্ধতিগুলি যথাক্রমে শ্রম মুক্ত করা, উৎপাদন বৃদ্ধি এবং খরচ কমানো. প্রতিটি সমস্যা সমাধানের অসুবিধা এবং মূল্য নিয়ে আলোচনার মাধ্যমে আমরা বেছে নিয়েছি উৎপাদন বৃদ্ধি খোঁড়া গরুর সমস্যা সমাধানের সূচনা এবং অগ্রাধিকার।

গবেষণা

প্রযুক্তি নিয়ে আলোচনার আগে গবেষণা করতে হতো। গবেষণাটি যৌথভাবে AWS গ্রাহক দল দ্বারা পরিচালিত হয়েছিল, AWS জেনারেটিভ এআই ইনোভেশন সেন্টার, যা মেশিন লার্নিং অ্যালগরিদম মডেলগুলি পরিচালনা করে এবং AWS AI সাংহাই ল্যাবলেট, যা সর্বশেষ কম্পিউটার দৃষ্টি গবেষণা এবং নিউ হোপ ডেইরি থেকে বিশেষজ্ঞ চাষী দলের অ্যালগরিদম পরামর্শ প্রদান করে। গবেষণাটি কয়েকটি অংশে বিভক্ত ছিল:

• খোঁড়া গরুর ঐতিহ্যগত কাগজ-ভিত্তিক শনাক্তকরণ পদ্ধতি বোঝা এবং খোঁড়া গরু কী তা সম্পর্কে প্রাথমিক ধারণা তৈরি করা।
• খামার এবং শিল্পে ব্যবহৃত সমাধানগুলি সহ বিদ্যমান সমাধানগুলি নিশ্চিত করা।
• শারীরিক পরিস্থিতি এবং সীমাবদ্ধতা বোঝার জন্য খামার পরিবেশ গবেষণা পরিচালনা করা।

উপকরণ অধ্যয়ন এবং সাইটে ভিডিও পর্যবেক্ষণের মাধ্যমে, দলগুলি খোঁড়া গরু সম্পর্কে প্রাথমিক ধারণা অর্জন করেছে। পাঠকরা নীচের অ্যানিমেটেড চিত্রের মাধ্যমে খোঁড়া গরুর ভঙ্গি সম্পর্কে প্রাথমিক ধারণাও পেতে পারেন।

তুলনামূলকভাবে সুস্থ গরুর বিপরীতে।

সুস্থ গরুর তুলনায় খোঁড়া গরুর ভঙ্গি এবং চালচলনে দৃশ্যমান পার্থক্য রয়েছে।

বিদ্যমান সমাধানগুলির বিষয়ে, বেশিরভাগ খামারগুলি খোঁড়া গরু সনাক্ত করতে পশুচিকিত্সক এবং পুষ্টিবিদদের দ্বারা চাক্ষুষ পরিদর্শনের উপর নির্ভর করে। শিল্পে, এমন সমাধান রয়েছে যা সনাক্তকরণের জন্য পরিধানযোগ্য পেডোমিটার এবং অ্যাক্সিলোমিটার ব্যবহার করে, সেইসাথে সনাক্তকরণের জন্য বিভাজিত ওজন সেতু ব্যবহার করে, তবে উভয়ই তুলনামূলকভাবে ব্যয়বহুল। অত্যন্ত প্রতিযোগিতামূলক দুগ্ধ শিল্পের জন্য, আমাদের সনাক্তকরণের খরচ এবং খরচ এবং নন-জেনারিক হার্ডওয়্যারের উপর নির্ভরতা কমাতে হবে।

খামারের পশুচিকিত্সক এবং পুষ্টিবিদদের সাথে তথ্য আলোচনা ও বিশ্লেষণ করার পর, AWS জেনারেটিভ এআই ইনোভেশন সেন্টারের বিশেষজ্ঞরা শুধুমাত্র সাধারণ হার্ডওয়্যারের উপর নির্ভর করে শনাক্তকরণের জন্য কম্পিউটার ভিশন (সিভি) ব্যবহার করার সিদ্ধান্ত নেন: বেসামরিক নজরদারি ক্যামেরা, যা কোনও অতিরিক্ত বোঝা যোগ করে না। গরু এবং খরচ এবং ব্যবহার বাধা কমাতে.

এই দিকটি সিদ্ধান্ত নেওয়ার পরে, আমরা সাইটে হাজার হাজার গরু নিয়ে একটি মাঝারি আকারের খামার পরিদর্শন করেছি, খামারের পরিবেশ অনুসন্ধান করেছি এবং ক্যামেরা স্থাপনের অবস্থান এবং কোণ নির্ধারণ করেছি।

প্রাথমিক প্রস্তাব

এখন, সমাধানের জন্য। আমাদের সিভি-ভিত্তিক সমাধানের মূলটি নিম্নলিখিত পদক্ষেপগুলি নিয়ে গঠিত:

• গরু শনাক্তকরণ: ভিডিওর একক ফ্রেমে একাধিক গরু শনাক্ত করুন এবং প্রতিটি গরুর অবস্থান চিহ্নিত করুন।
• গরু ট্র্যাকিং: ভিডিও রেকর্ড করার সময়, আমাদের ক্রমাগত গরু ট্র্যাক করতে হবে কারণ ফ্রেমগুলি পরিবর্তন হয় এবং প্রতিটি গরুকে একটি অনন্য নম্বর বরাদ্দ করে।
• ভঙ্গি চিহ্নিতকরণ: গরুর ছবিকে চিহ্নিত পয়েন্টে রূপান্তর করে গরুর গতিবিধির মাত্রা কমিয়ে দিন।
• অসঙ্গতি সনাক্তকরণ: চিহ্নিত পয়েন্টের গতিবিদ্যায় অসঙ্গতিগুলি চিহ্নিত করুন।
• খোঁড়া গরুর অ্যালগরিদম: গরুর পঙ্গুত্বের মাত্রা নির্ধারণ করতে একটি স্কোর পেতে অসামঞ্জস্যগুলিকে স্বাভাবিক করুন।
• থ্রেশহোল্ড নির্ধারণ: বিশেষজ্ঞ ইনপুট উপর ভিত্তি করে একটি থ্রেশহোল্ড প্রাপ্ত.

এডব্লিউএস জেনারেটিভ এআই ইনোভেশন সেন্টারের বিশেষজ্ঞদের রায় অনুসারে, প্রথম কয়েকটি ধাপ হল জেনেরিক প্রয়োজনীয়তা যা ওপেন সোর্স মডেল ব্যবহার করে সমাধান করা যেতে পারে, যখন পরবর্তী ধাপে আমাদের গাণিতিক পদ্ধতি এবং বিশেষজ্ঞের হস্তক্ষেপ ব্যবহার করতে হবে।

সমাধানে অসুবিধা

খরচ এবং কর্মক্ষমতা ভারসাম্য রাখতে, আমরা yolov5l মডেল বেছে নিয়েছি, গরু শনাক্তকরণের জন্য একটি মাঝারি আকারের প্রাক-প্রশিক্ষিত মডেল, যার ইনপুট প্রস্থ 640 পিক্সেল, যা এই দৃশ্যের জন্য ভাল মান প্রদান করে।

যদিও YOLOv5 একটি একক ছবিতে গরু চিনতে এবং ট্যাগ করার জন্য দায়ী, বাস্তবে, ভিডিওতে একাধিক ছবি (ফ্রেম) থাকে যা ক্রমাগত পরিবর্তিত হয়। YOLOv5 শনাক্ত করতে পারে না যে বিভিন্ন ফ্রেমের গরু একই ব্যক্তির। একাধিক ইমেজ জুড়ে একটি গরু ট্র্যাক এবং সনাক্ত করতে, SORT নামক আরেকটি মডেল প্রয়োজন।

SORT এর অর্থ সহজ অনলাইন এবং রিয়েলটাইম ট্র্যাকিং, কোথায় অনলাইন মানে এটি শুধুমাত্র বর্তমান এবং পূর্ববর্তী ফ্রেমগুলিকে ট্র্যাক করার জন্য অন্য কোনো ফ্রেমের বিবেচনা ছাড়াই বিবেচনা করে, এবং প্রকৃত সময় মানে এটি বস্তুর পরিচয় অবিলম্বে সনাক্ত করতে পারে।

SORT-এর বিকাশের পরে, অনেক প্রকৌশলী এটিকে বাস্তবায়ন এবং অপ্টিমাইজ করে, যার ফলে OC-SORT-এর বিকাশ ঘটে, যা বস্তুর চেহারা বিবেচনা করে, DeepSORT (এবং এর আপগ্রেড করা সংস্করণ, StrongSORT), যার মধ্যে রয়েছে মানুষের চেহারা, এবং বাইটট্র্যাক, যা ব্যবহার করে কম-আস্থার স্বীকৃতি বিবেচনা করার জন্য একটি দুই-পর্যায়ের অ্যাসোসিয়েশন লিঙ্কার। পরীক্ষার পর, আমরা দেখতে পেলাম যে আমাদের দৃশ্যের জন্য, DeepSORT-এর চেহারা ট্র্যাকিং অ্যালগরিদম গরুর চেয়ে মানুষের জন্য বেশি উপযুক্ত, এবং ByteTrack-এর ট্র্যাকিং নির্ভুলতা কিছুটা দুর্বল। ফলস্বরূপ, আমরা শেষ পর্যন্ত OC-SORT কে আমাদের ট্র্যাকিং অ্যালগরিদম হিসেবে বেছে নিয়েছি।

এরপরে, আমরা গরুর কঙ্কালের বিন্দু চিহ্নিত করতে DeepLabCut (সংক্ষেপে DLC) ব্যবহার করি। DLC হল একটি মার্কারহীন মডেল, যার অর্থ হল যদিও বিভিন্ন পয়েন্ট যেমন মাথা এবং অঙ্গ-প্রত্যঙ্গের আলাদা অর্থ হতে পারে, তবে সেগুলি সবই শুধু পয়েন্ট DLC-এর জন্য, যার জন্য আমাদের শুধুমাত্র পয়েন্ট চিহ্নিত করতে হবে এবং মডেলকে প্রশিক্ষণ দিতে হবে।

এটি একটি নতুন প্রশ্নের দিকে পরিচালিত করে: প্রতিটি গরুতে আমাদের কতগুলি পয়েন্ট চিহ্নিত করা উচিত এবং কোথায় আমাদের চিহ্নিত করা উচিত? এই প্রশ্নের উত্তর চিহ্নিতকরণ, প্রশিক্ষণ এবং পরবর্তী অনুমান দক্ষতার কাজের চাপকে প্রভাবিত করে। এই সমস্যা সমাধানের জন্য প্রথমে আমাদের বুঝতে হবে কিভাবে খোঁড়া গরু চিনতে হয়।

আমাদের গবেষণা এবং আমাদের বিশেষজ্ঞ ক্লায়েন্টদের ইনপুটগুলির উপর ভিত্তি করে, ভিডিওগুলিতে খোঁড়া গরুগুলি নিম্নলিখিত বৈশিষ্ট্যগুলি প্রদর্শন করে:

• একটি খিলানযুক্ত পিছনে: ঘাড় এবং পিঠ বাঁকা, ঘাড়ের হাড়ের মূলের সাথে একটি ত্রিভুজ গঠন করে (খিলান-পিঠ)।
• ঘন ঘন মাথা নাড়ানো: প্রতিটি পদক্ষেপের কারণে গরু ভারসাম্য হারাতে পারে বা পিছলে যেতে পারে, যার ফলে ঘন ঘন হতে পারে অল্প সময়ের (মাথা বুলানো)।
• অস্থির চলাফেরা: গরুর চলাফেরার পরিবর্তন হয় কয়েক ধাপ পর, সামান্য বিরতির সাথে (গায়ের প্যাটার্ন পরিবর্তন)।

ঘাড় এবং পিঠের বক্রতার পাশাপাশি মাথা নাড়ানোর বিষয়ে, AWS জেনারেটিভ এআই ইনোভেশন সেন্টারের বিশেষজ্ঞরা নির্ধারণ করেছেন যে গবাদি পশুর পিছনে শুধুমাত্র সাতটি ব্যাক পয়েন্ট (একটি মাথায়, একটি ঘাড়ের গোড়ায় এবং পাঁচটি পিঠে) চিহ্নিত করা যেতে পারে। ভালো শনাক্তকরণের ফলে। যেহেতু আমাদের এখন শনাক্তকরণের একটি ফ্রেম রয়েছে, তাই আমাদের অস্থির চলাফেরার ধরণগুলিও চিনতে সক্ষম হওয়া উচিত।

এরপরে, আমরা শনাক্তকরণ ফলাফল উপস্থাপন করতে এবং অ্যালগরিদম গঠন করতে গাণিতিক অভিব্যক্তি ব্যবহার করি।

এই সমস্যাগুলির মানুষের সনাক্তকরণ কঠিন নয়, তবে কম্পিউটার সনাক্তকরণের জন্য সুনির্দিষ্ট অ্যালগরিদম প্রয়োজন। উদাহরণস্বরূপ, একটি প্রোগ্রাম গরুর পিছনের স্থানাঙ্ক বিন্দুর একটি সেট দেওয়া গরুর পিঠের বক্রতার ডিগ্রি কীভাবে জানে? গরু মাথা নাড়াচ্ছে কি করে জানবে?

পিঠের বক্রতার পরিপ্রেক্ষিতে, আমরা প্রথমে গরুর পিঠকে একটি কোণ হিসাবে বিবেচনা করি এবং তারপরে আমরা সেই কোণের শীর্ষবিন্দু খুঁজে পাই, যা আমাদের কোণটি গণনা করতে দেয়। এই পদ্ধতিতে সমস্যা হল যে মেরুদণ্ডের দ্বিমুখী বক্রতা থাকতে পারে, যার ফলে কোণের শীর্ষবিন্দু চিহ্নিত করা কঠিন হয়ে পড়ে। এই সমস্যা সমাধানের জন্য অন্যান্য অ্যালগরিদমে স্যুইচ করা প্রয়োজন।

মাথা নাড়ানোর পরিপ্রেক্ষিতে, আমরা প্রথমে গরুর সামগ্রিক ভঙ্গির বক্ররেখার পার্থক্য তুলনা করে গরু মাথা নাড়াচ্ছে কিনা তা নির্ধারণ করতে ফ্রেচেট দূরত্ব ব্যবহার করে বিবেচনা করেছি। যাইহোক, সমস্যা হল গরুর কঙ্কালের বিন্দুগুলি স্থানচ্যুত হতে পারে, যার ফলে অনুরূপ বক্ররেখার মধ্যে উল্লেখযোগ্য দূরত্ব সৃষ্টি হয়। এই সমস্যাটি সমাধান করার জন্য, আমাদের স্বীকৃতি বাক্সের সাথে সম্পর্কিত মাথার অবস্থানটি বের করতে হবে এবং এটিকে স্বাভাবিক করতে হবে।

মাথার অবস্থান স্বাভাবিক করার পরে, আমরা একটি নতুন সমস্যার সম্মুখীন হয়েছি। নিচের ছবিতে, বাম দিকের গ্রাফটি গরুর মাথার অবস্থানের পরিবর্তন দেখায়। আমরা দেখতে পাচ্ছি যে স্বীকৃতির নির্ভুলতার সমস্যার কারণে, হেড পয়েন্টের অবস্থান ক্রমাগত সামান্য কাঁপবে। আমরা এই ছোট আন্দোলন অপসারণ এবং মাথা অপেক্ষাকৃত বড় আন্দোলন প্রবণতা খুঁজে বের করতে হবে. এখানেই সিগন্যাল প্রসেসিং সম্পর্কে কিছু জ্ঞান প্রয়োজন। একটি Savitzky-Golay ফিল্টার ব্যবহার করে, আমরা একটি সংকেত মসৃণ করতে পারি এবং এর সামগ্রিক প্রবণতা পেতে পারি, যা আমাদের জন্য নডিং সনাক্ত করা সহজ করে তোলে, যেমনটি ডানদিকের গ্রাফে কমলা বক্ররেখা দ্বারা দেখানো হয়েছে।

অতিরিক্তভাবে, কয়েক ডজন ভিডিও শনাক্তকরণের পর, আমরা দেখতে পেলাম যে অত্যন্ত উচ্চ পিঠের বক্রতা সহ কিছু গরুর আসলে কুঁজ নেই। আরও তদন্তে জানা গেছে যে এটির কারণ হল DLC মডেলের প্রশিক্ষণের জন্য ব্যবহৃত বেশিরভাগ গরু বেশিরভাগই কালো বা কালো এবং সাদা ছিল এবং এমন অনেক গরু ছিল না যেগুলি বেশিরভাগ সাদা বা খাঁটি সাদার কাছাকাছি ছিল, যার ফলে মডেল তাদের ভুলভাবে চিনতে পেরেছিল যখন তাদের শরীরে বড় সাদা অংশ ছিল, যেমনটি নীচের চিত্রে লাল তীর দ্বারা দেখানো হয়েছে। এটি আরও মডেল প্রশিক্ষণের মাধ্যমে সংশোধন করা যেতে পারে।

পূর্ববর্তী সমস্যাগুলি সমাধান করার পাশাপাশি, অন্যান্য সাধারণ সমস্যাগুলি সমাধান করা প্রয়োজন ছিল:

• ভিডিও ফ্রেমে দুটি পথ রয়েছে এবং দূরত্বে থাকা গরুগুলিও চিনতে পারে, সমস্যা সৃষ্টি করে।
• ভিডিওতে থাকা পথগুলিরও একটি নির্দিষ্ট বক্রতা রয়েছে এবং গরু যখন পথের পাশে থাকে তখন গরুর দেহের দৈর্ঘ্য ছোট হয়ে যায়, যার ফলে ভঙ্গিটি ভুলভাবে সনাক্ত করা সহজ হয়।
• একাধিক গরুর ওভারল্যাপ বা বেড়া থেকে আটকে থাকার কারণে, একই গরু দুটি গরু হিসাবে চিহ্নিত হতে পারে।
• ট্র্যাকিং প্যারামিটার এবং মাঝে মাঝে ক্যামেরার ফ্রেম এড়িয়ে যাওয়ার কারণে, গরুগুলিকে সঠিকভাবে ট্র্যাক করা অসম্ভব, যার ফলে আইডি বিভ্রান্তির সমস্যা হয়।

স্বল্প মেয়াদে, একটি ন্যূনতম কার্যকর পণ্য সরবরাহ করার জন্য নিউ হোপ ডেয়ারির সাথে সারিবদ্ধতার উপর ভিত্তি করে এবং তারপরে এটির উপর পুনরাবৃত্তি করে, এই সমস্যাগুলি সাধারণত আত্মবিশ্বাস ফিল্টারিংয়ের সাথে মিলিত আউটলায়ার রায় অ্যালগরিদম দ্বারা সমাধান করা যেতে পারে এবং যদি সেগুলি সমাধান করা না যায় তবে সেগুলি পরিণত হবে অবৈধ ডেটা, যার জন্য আমাদের অতিরিক্ত প্রশিক্ষণ সঞ্চালন করতে হবে এবং আমাদের অ্যালগরিদম এবং মডেলগুলি ক্রমাগত পুনরাবৃত্তি করতে হবে।

দীর্ঘমেয়াদে, AWS AI সাংহাই ল্যাবলেট তাদের অবজেক্ট-কেন্দ্রিক গবেষণার উপর ভিত্তি করে পূর্ববর্তী সমস্যাগুলি সমাধান করার জন্য ভবিষ্যতের পরীক্ষার পরামর্শ প্রদান করেছে: রিয়েল-ওয়ার্ল্ড অবজেক্ট-সেন্ট্রিক লার্নিং-এ গ্যাপ ব্রিজিং এবং স্ব-তত্ত্বাবধানে আমোডাল ভিডিও অবজেক্ট সেগমেন্টেশন. এই আউটলিয়ার ডেটাগুলিকে অবৈধ করার পাশাপাশি, পোজ অনুমান, অ্যামোডাল সেগমেন্টেশন এবং তত্ত্বাবধানে ট্র্যাকিংয়ের জন্য আরও সুনির্দিষ্ট অবজেক্ট-লেভেল মডেল তৈরি করে সমস্যাগুলি সমাধান করা যেতে পারে। যাইহোক, এই কাজের জন্য ঐতিহ্যগত দৃষ্টি পাইপলাইনগুলি সাধারণত ব্যাপক লেবেলিং প্রয়োজন। অবজেক্ট-কেন্দ্রিক লার্নিং অতিরিক্ত তত্ত্বাবধান ছাড়াই বস্তুর সাথে পিক্সেলের বাঁধাই সমস্যা মোকাবেলায় ফোকাস করে। বাইন্ডিং প্রক্রিয়া শুধুমাত্র বস্তুর অবস্থান সম্পর্কে তথ্য প্রদান করে না কিন্তু এর ফলস্বরূপ ডাউনস্ট্রিম কাজের জন্য দৃঢ় এবং অভিযোজিত বস্তুর উপস্থাপনা হয়। যেহেতু অবজেক্ট-কেন্দ্রিক পাইপলাইনটি স্ব-তত্ত্বাবধানে বা দুর্বলভাবে তত্ত্বাবধানে থাকা সেটিংসে ফোকাস করে, তাই আমরা আমাদের গ্রাহকদের জন্য লেবেলিং খরচ উল্লেখযোগ্যভাবে না বাড়িয়ে কর্মক্ষমতা উন্নত করতে পারি।

সমস্যাগুলির একটি সিরিজ সমাধান করার পরে এবং খামারের পশুচিকিত্সক এবং পুষ্টিবিদ দ্বারা প্রদত্ত স্কোরগুলিকে একত্রিত করার পরে, আমরা গরুর জন্য একটি বিস্তৃত খোঁড়াত্ব স্কোর পেয়েছি, যা আমাদের বিভিন্ন মাত্রার লম্পট যেমন গুরুতর, মাঝারি এবং মৃদু সহ গরু সনাক্ত করতে সহায়তা করে এবং এছাড়াও গরুর একাধিক শারীরিক অঙ্গবিন্যাস বৈশিষ্ট্য সনাক্ত করা, আরও বিশ্লেষণ এবং বিচারে সহায়তা করে।

কয়েক সপ্তাহের মধ্যে, আমরা খোঁড়া গরু শনাক্ত করার জন্য একটি শেষ থেকে শেষ সমাধান তৈরি করেছি। এই সমাধান জন্য হার্ডওয়্যার ক্যামেরা খরচ শুধুমাত্র 300 RMB, এবং আমাজন সেজমেকার ব্যাচ ইনফারেন্স, g4dn.xlarge ইন্সট্যান্স ব্যবহার করার সময়, 50 ঘন্টা ভিডিওর জন্য প্রায় 2 ঘন্টা সময় নেয়, মোট মাত্র 300 RMB। যখন এটি উৎপাদনে প্রবেশ করে, যদি প্রতি সপ্তাহে পাঁচটি ব্যাচ গরু সনাক্ত করা হয় (প্রায় 10 ঘন্টা ধরে), এবং রোলিং সেভ করা ভিডিও এবং ডেটা সহ, কয়েক হাজার গরু সহ একটি মাঝারি আকারের খামারের জন্য মাসিক সনাক্তকরণ খরচ 10,000 RMB-এর কম।

বর্তমানে, আমাদের মেশিন লার্নিং মডেল প্রক্রিয়াটি নিম্নরূপ:

1. কাঁচা ভিডিও রেকর্ড করা হয়.
2. গরু শনাক্ত করা হয়।
3. প্রতিটি গরু ট্র্যাক করা হয়, এবং মূল পয়েন্ট সনাক্ত করা হয়.
4. প্রতিটি গরুর গতিবিধি বিশ্লেষণ করা হয়।
5. একটি লম্পট স্কোর নির্ধারিত হয়.

মডেল মোতায়েন

আমরা আগে মেশিন লার্নিং এর উপর ভিত্তি করে খোঁড়া গরু শনাক্ত করার সমাধান বর্ণনা করেছি। এখন, আমাদের সেজমেকারে এই মডেলগুলি স্থাপন করতে হবে। নিম্নলিখিত চিত্রে দেখানো হয়েছে:

ব্যবসা বাস্তবায়ন

অবশ্যই, আমরা এখন পর্যন্ত যা আলোচনা করেছি তা আমাদের প্রযুক্তিগত সমাধানের মূল। ব্যবসায়িক প্রক্রিয়ায় সম্পূর্ণ সমাধানকে একীভূত করার জন্য, আমাদের অবশ্যই নিম্নলিখিত সমস্যাগুলির সমাধান করতে হবে:

• ডেটা প্রতিক্রিয়া: উদাহরণস্বরূপ, আমাদের অবশ্যই পশুচিকিত্সকদের একটি ইন্টারফেস প্রদান করতে হবে যাতে খোঁড়া গরুগুলিকে ফিল্টার করতে এবং দেখতে হয় যেগুলিকে প্রক্রিয়াকরণ করতে হবে এবং প্রশিক্ষণের ডেটা হিসাবে ব্যবহার করার জন্য এই প্রক্রিয়া চলাকালীন ডেটা সংগ্রহ করতে হবে।
• গরু শনাক্তকরণ: একজন পশুচিকিত্সক একটি খোঁড়া গরু দেখার পরে, তাদেরও গরুর পরিচয় জানতে হবে, যেমন তার নম্বর এবং কলম।
• গরুর অবস্থান: শতাধিক গরু সহ একটি কলমে, দ্রুত লক্ষ্য গরুটি সনাক্ত করুন।
• ডেটা মাইনিং: উদাহরণ স্বরূপ, খোঁড়া হওয়ার মাত্রা কীভাবে খাওয়ানো, রমিনেশন, বিশ্রাম এবং দুধ উৎপাদনকে প্রভাবিত করে তা খুঁজে বের করুন।
• ডেটা চালিত: উদাহরণস্বরূপ, সর্বোত্তম প্রজনন এবং প্রজনন অর্জনের জন্য খোঁড়া গরুর জেনেটিক, শারীরবৃত্তীয় এবং আচরণগত বৈশিষ্ট্য সনাক্ত করুন।

শুধুমাত্র এই সমস্যাগুলির সমাধান করার মাধ্যমে সমাধানটি প্রকৃতপক্ষে ব্যবসায়িক সমস্যার সমাধান করতে পারে এবং সংগৃহীত ডেটা দীর্ঘমেয়াদী মূল্য তৈরি করতে পারে। এই সমস্যাগুলির মধ্যে কিছু হল সিস্টেম ইন্টিগ্রেশন সমস্যা, অন্যগুলি হল প্রযুক্তি এবং ব্যবসায়িক একীকরণ সমস্যা। আমরা ভবিষ্যতের নিবন্ধগুলিতে এই সমস্যাগুলি সম্পর্কে আরও তথ্য ভাগ করব।

সারাংশ

এই নিবন্ধে, আমরা সংক্ষেপে ব্যাখ্যা করেছি কিভাবে AWS গ্রাহক সমাধান দল গ্রাহকের ব্যবসার উপর ভিত্তি করে দ্রুত উদ্ভাবন করে। এই প্রক্রিয়াটির বেশ কয়েকটি বৈশিষ্ট্য রয়েছে:

• ব্যবসার নেতৃত্বে: প্রযুক্তি নিয়ে আলোচনা করার আগে সাইটে এবং ব্যক্তিগতভাবে গ্রাহকের শিল্প এবং ব্যবসায়িক প্রক্রিয়াগুলি বোঝার অগ্রাধিকার দিন এবং তারপরে প্রযুক্তির সাহায্যে সমাধান করা যেতে পারে এমন গুরুত্বপূর্ণ সমস্যাগুলি সনাক্ত করতে গ্রাহকের ব্যথার পয়েন্ট, চ্যালেঞ্জ এবং সমস্যাগুলি সম্পর্কে গভীরভাবে অনুসন্ধান করুন।
• অবিলম্বে উপস্থিত: কয়েক সপ্তাহের মধ্যে পরীক্ষা, বৈধতা এবং দ্রুত পুনরাবৃত্তির জন্য গ্রাহককে সরাসরি একটি সহজ কিন্তু সম্পূর্ণ এবং ব্যবহারযোগ্য প্রোটোটাইপ প্রদান করুন, মাসের মধ্যে নয়।
• সর্বনিম্ন খরচ: ভবিষ্যৎ নিয়ে উদ্বেগ এড়িয়ে মানটি সত্যিকার অর্থে বৈধ হওয়ার আগে গ্রাহকের খরচ কমিয়ে দিন বা নির্মূল করুন। এটি AWS এর সাথে সারিবদ্ধ সাফল্য নেতৃত্বের নীতি।

দুগ্ধ শিল্পের সাথে আমাদের সহযোগিতামূলক উদ্ভাবন প্রকল্পে, আমরা ব্যবসায়িক বিশেষজ্ঞদের সাথে নির্দিষ্ট ব্যবসায়িক সমস্যাগুলি সনাক্ত করার জন্য শুধুমাত্র ব্যবসায়িক দৃষ্টিকোণ থেকে শুরু করিনি, তবে গ্রাহকের সাথে খামার এবং কারখানায় সাইটে তদন্তও পরিচালনা করেছি। আমরা সাইটে ক্যামেরা স্থাপন করেছি, ক্যামেরা ইনস্টল ও স্থাপন করেছি এবং ভিডিও স্ট্রিমিং সমাধান স্থাপন করেছি। AWS জেনারেটিভ এআই ইনোভেশন সেন্টারের বিশেষজ্ঞরা গ্রাহকের প্রয়োজনীয়তাগুলিকে ব্যবচ্ছেদ করেছেন এবং একটি অ্যালগরিদম তৈরি করেছেন, যা তখন সমগ্র অ্যালগরিদমের জন্য একজন সমাধান স্থপতি দ্বারা প্রকৌশলী করা হয়েছিল৷

প্রতিটি অনুমানের সাথে, আমরা হাজার হাজার পচনশীল এবং ট্যাগ করা গরুর হাঁটার ভিডিও পেতে পারি, যার প্রতিটিতে আসল ভিডিও আইডি, গরুর আইডি, খোঁড়া স্কোর এবং বিভিন্ন বিশদ স্কোর রয়েছে। পরবর্তী অ্যালগরিদম অপ্টিমাইজেশানের জন্য সম্পূর্ণ গণনার যুক্তি এবং কাঁচা গাইট ডেটাও রাখা হয়েছিল।

পঙ্গুত্বের ডেটা শুধুমাত্র পশুচিকিত্সকদের প্রাথমিক হস্তক্ষেপের জন্যই ব্যবহার করা যায় না, বরং ক্রস-বিশ্লেষণের জন্য মিল্কিং মেশিন ডেটার সাথে মিলিত হয়, একটি অতিরিক্ত বৈধতা মাত্রা প্রদান করে এবং কিছু অতিরিক্ত ব্যবসায়িক প্রশ্নের উত্তর দেয়, যেমন: গরুর শারীরিক বৈশিষ্ট্যগুলি কী কী? দুধের ফলন? গাভীতে দুধ উৎপাদনে খোঁড়া হওয়ার প্রভাব কী? খোঁড়া গরুর প্রধান কারণ কী এবং কীভাবে তা প্রতিরোধ করা যায়? এই তথ্য খামার অপারেশন জন্য নতুন ধারণা প্রদান করবে.

খোঁড়া গরু শনাক্ত করার গল্প এখানেই শেষ হলেও খামারের উদ্ভাবনের গল্প শুরু হয়েছে মাত্র। পরবর্তী নিবন্ধগুলিতে, আমরা অন্যান্য সমস্যা সমাধানের জন্য গ্রাহকদের সাথে কীভাবে কাজ করি তা নিয়ে আলোচনা চালিয়ে যাব।

---

লেখক সম্পর্কে

হাও হুয়াং তিনি AWS জেনারেটিভ এআই ইনোভেশন সেন্টারের একজন ফলিত বিজ্ঞানী। তিনি কম্পিউটার ভিশন (সিভি) এবং ভিজ্যুয়াল-ল্যাংগুয়েজ মডেল (ভিএলএম) বিশেষজ্ঞ। সম্প্রতি, তিনি জেনারেটিভ এআই প্রযুক্তির প্রতি একটি দৃঢ় আগ্রহ গড়ে তুলেছেন এবং ইতিমধ্যেই গ্রাহকদের সাথে তাদের ব্যবসায় এই অত্যাধুনিক প্রযুক্তি প্রয়োগ করতে সহযোগিতা করেছেন। তিনি আইসিসিভি এবং এএএআই-এর মতো এআই কনফারেন্সেরও একজন পর্যালোচক।

পেইয়াং সে তিনি AWS জেনারেটিভ এআই ইনোভেশন সেন্টারের একজন সিনিয়র ডেটা সায়েন্টিস্ট। তিনি GenAI/ML সলিউশনের ব্যবহার করে তাদের সবচেয়ে গুরুত্বপূর্ণ এবং উদ্ভাবনী ব্যবসার চাহিদাগুলি সমাধান করার জন্য বিভিন্ন শিল্পের বিভিন্ন স্পেকট্রাম জুড়ে গ্রাহকদের সাথে কাজ করেন। তার অবসর সময়ে, তিনি স্কিইং এবং ভ্রমণ উপভোগ করেন।

জুয়েফেং লিউ এশিয়া প্যাসিফিক এবং বৃহত্তর চীন অঞ্চলে AWS জেনারেটিভ এআই ইনোভেশন সেন্টারে একটি বিজ্ঞান দলের নেতৃত্ব দেয়। গ্রাহকদের জেনারেটিভ এআই গ্রহণকে ত্বরান্বিত করার লক্ষ্যে তার দল AWS গ্রাহকদের সাথে জেনারেটিভ AI প্রকল্পে অংশীদারিত্ব করে।

তিয়ানজুন জিয়াও তিনি AWS AI সাংহাই ল্যাবলেটের একজন সিনিয়র ফলিত বিজ্ঞানী, কম্পিউটার ভিশন প্রচেষ্টার সহ-নেতৃত্ব করছেন৷ বর্তমানে, তার প্রাথমিক ফোকাস মাল্টিমডাল ফাউন্ডেশন মডেল এবং অবজেক্ট-কেন্দ্রিক শিক্ষার ক্ষেত্রে নিহিত। তিনি সক্রিয়ভাবে ভিডিও বিশ্লেষণ, 3D দৃষ্টি এবং স্বায়ত্তশাসিত ড্রাইভিং সহ বিভিন্ন অ্যাপ্লিকেশনে তাদের সম্ভাব্যতা তদন্ত করছেন।

ঝাং দাই চীন জিও বিজনেস সেক্টরের একজন AWS সিনিয়র সলিউশন আর্কিটেক্ট। তিনি ব্যবসায়িক প্রক্রিয়া, ব্যবহারকারীর অভিজ্ঞতা এবং ক্লাউড প্রযুক্তির বিষয়ে পরামর্শ প্রদানের মাধ্যমে বিভিন্ন আকারের কোম্পানিকে তাদের ব্যবসায়িক লক্ষ্য অর্জনে সহায়তা করেন। তিনি একজন প্রসিদ্ধ ব্লগ লেখক এবং দুটি বইয়ের লেখক: দ্য মডার্ন অটোডিডাক্ট এবং ডিজাইনিং এক্সপেরিয়েন্স।

জিয়ানিউ জেং AWS-এর একজন সিনিয়র কাস্টমার সলিউশন ম্যানেজার, যার দায়িত্ব হল নিউ হোপ গ্রুপের মতো গ্রাহকদের তাদের ক্লাউড ট্রানজিশনের সময় সমর্থন করা এবং ক্লাউড-ভিত্তিক প্রযুক্তি সমাধানের মাধ্যমে ব্যবসায়িক মূল্য উপলব্ধি করতে সহায়তা করা। কৃত্রিম বুদ্ধিমত্তার প্রতি দৃঢ় আগ্রহের সাথে, তিনি ক্রমাগতভাবে আমাদের গ্রাহকের ব্যবসায় উদ্ভাবনী পরিবর্তনগুলি চালানোর জন্য AI ব্যবহার করার উপায়গুলি অন্বেষণ করছেন৷

ক্যারল টং মিন তিনি একজন সিনিয়র বিজনেস ডেভেলপমেন্ট ম্যানেজার, জিসিআর জিও ওয়েস্টের মূল অ্যাকাউন্টগুলির জন্য দায়ী, যার মধ্যে দুটি গুরুত্বপূর্ণ এন্টারপ্রাইজ গ্রাহক রয়েছে: জিয়ানাচুন গ্রুপ এবং নিউ হোপ গ্রুপ। তিনি গ্রাহক আবিষ্ট, এবং গ্রাহকদের ক্লাউড যাত্রাকে সমর্থন এবং ত্বরান্বিত করার বিষয়ে সর্বদা উত্সাহী।

নিক জিয়াং চীনে AIML SSO টিমের একজন সিনিয়র বিশেষজ্ঞ বিক্রয়। তিনি উদ্ভাবনী AIML সমাধান স্থানান্তর এবং AWS-এর মধ্যে AI সম্পর্কিত কাজের চাপ তৈরি করতে গ্রাহকদের সাহায্য করার দিকে মনোনিবেশ করছেন।

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://aws.amazon.com/blogs/machine-learning/keeping-an-eye-on-your-cattle-using-ai-technology/