Amazon Recognition ব্যবহার করে বিপন্ন প্রজাতির জনসংখ্যার বৈচিত্র্য সনাক্ত করুন

আমাদের গ্রহ একটি বিশ্বব্যাপী বিলুপ্তির সংকটের মুখোমুখি। জাতিসংঘের প্রতিবেদন বিলুপ্তির পথে এক মিলিয়নেরও বেশি প্রজাতির বিস্ময়কর সংখ্যা দেখায়। বিলুপ্তির সবচেয়ে সাধারণ কারণগুলির মধ্যে রয়েছে বাসস্থানের ক্ষতি, চোরাচালান এবং আক্রমণাত্মক প্রজাতি। বেশ কিছু বন্যপ্রাণী সংরক্ষণ ফাউন্ডেশন, গবেষণা বিজ্ঞানী, স্বেচ্ছাসেবক, এবং অ্যান্টি-পাচিং রেঞ্জার্স এই সংকট মোকাবেলায় অক্লান্ত পরিশ্রম করে যাচ্ছে। বন্যের বিপন্ন প্রাণী সম্পর্কে সঠিক এবং নিয়মিত তথ্য থাকা বন্যপ্রাণী সংরক্ষণবাদীদের বিপন্ন প্রজাতির অধ্যয়ন এবং সংরক্ষণের ক্ষমতাকে উন্নত করবে। বন্যপ্রাণী বিজ্ঞানী এবং ফিল্ড কর্মীরা ইনফ্রারেড ট্রিগার দিয়ে সজ্জিত ক্যামেরা ব্যবহার করেন, যাকে বলা হয় ক্যামেরা ফাঁদ, এবং বন্যপ্রাণীর ছবি তোলার জন্য তাদের বনের সবচেয়ে কার্যকর স্থানে রাখুন। এই ছবিগুলি ম্যানুয়ালি পর্যালোচনা করা হয়, যা একটি খুব সময়সাপেক্ষ প্রক্রিয়া।

এই পোস্টে, আমরা ব্যবহার করে একটি সমাধান প্রদর্শন অ্যামাজন স্বীকৃতি কাস্টম লেবেল মোশন সেন্সর ক্যামেরা ফাঁদ সহ এই প্রক্রিয়াটি স্বয়ংক্রিয়ভাবে জন্মানো প্রজাতিকে চিনতে এবং তাদের অধ্যয়ন করতে। রিকগনিশন কাস্টম লেবেল হল একটি সম্পূর্ণরূপে পরিচালিত কম্পিউটার ভিশন পরিষেবা যা ডেভেলপারদের তাদের ব্যবহারের ক্ষেত্রে নির্দিষ্ট এবং অনন্য ইমেজে বস্তুগুলিকে শ্রেণিবদ্ধ করতে এবং সনাক্ত করতে কাস্টম মডেল তৈরি করতে দেয়৷ ক্যামেরার ফাঁদ থেকে সংগৃহীত ছবি থেকে কীভাবে বিপন্ন প্রাণীর প্রজাতিকে চিনতে হয়, তাদের জনসংখ্যার সংখ্যা সম্পর্কে অন্তর্দৃষ্টি আঁকতে এবং তাদের আশেপাশের মানুষদের শনাক্ত করতে হয় তা আমরা বিস্তারিত জানাই। এই তথ্য সংরক্ষণবাদীদের জন্য সহায়ক হবে, যারা তাদের সংরক্ষণের জন্য সক্রিয় সিদ্ধান্ত নিতে পারে।

সমাধান ওভারভিউ

নিম্নলিখিত চিত্রটি সমাধানটির আর্কিটেকচারের চিত্র তুলে ধরেছে।

এই সমাধানটি একটি স্কেলযোগ্য এবং ব্যয়বহুল আর্কিটেকচার বাস্তবায়নের জন্য নিম্নলিখিত এআই পরিষেবাগুলি, সার্ভারলেস প্রযুক্তিগুলি এবং পরিচালিত পরিষেবাগুলি ব্যবহার করে:

• অ্যামাজন অ্যাথেনা - একটি সার্ভারহীন ইন্টারেক্টিভ ক্যোয়ারী সার্ভিস যা স্ট্যান্ডার্ড এসকিউএল ব্যবহার করে অ্যামাজন S3-এ ডেটা বিশ্লেষণ করা সহজ করে তোলে
• অ্যামাজন ক্লাউডওয়াচ - একটি পর্যবেক্ষণ এবং পর্যবেক্ষণ পরিষেবা যা লগ, মেট্রিক্স এবং ইভেন্ট আকারে পর্যবেক্ষণ এবং অপারেশনাল ডেটা সংগ্রহ করে
• আমাজন ডায়নামোডিবি - একটি মূল-মান এবং নথির ডাটাবেস যা যেকোন স্কেলে একক-অঙ্কের মিলিসেকেন্ড কর্মক্ষমতা প্রদান করে
• এডাব্লুএস ল্যাম্বদা - একটি সার্ভারহীন গণনা পরিষেবা যা আপনাকে ট্রিগারগুলির প্রতিক্রিয়া হিসাবে কোড চালাতে দেয় যেমন ডেটার পরিবর্তন, সিস্টেমের অবস্থার পরিবর্তন বা ব্যবহারকারীর ক্রিয়াকলাপ
• অ্যামাজন কুইকসাইট - একটি সার্ভারহীন, মেশিন লার্নিং (ML)-চালিত ব্যবসায়িক বুদ্ধিমত্তা পরিষেবা যা অন্তর্দৃষ্টি, ইন্টারেক্টিভ ড্যাশবোর্ড এবং সমৃদ্ধ বিশ্লেষণ প্রদান করে
• আমাজন রেকোনিশন - ছবি এবং ভিডিওতে বস্তু, মানুষ, পাঠ্য, দৃশ্য এবং ক্রিয়াকলাপ সনাক্ত করতে ML ব্যবহার করে, সেইসাথে যে কোনও অনুপযুক্ত সামগ্রী সনাক্ত করতে
• অ্যামাজন স্বীকৃতি কাস্টম লেবেল - আপনার ব্যবসার প্রয়োজনের জন্য নির্দিষ্ট ইমেজে বস্তু এবং দৃশ্যগুলি সনাক্ত করতে কাস্টম মডেলগুলিকে প্রশিক্ষণ দিতে অটোএমএল ব্যবহার করে
• অ্যামাজন সিম্পল ক্যু পরিষেবা (অ্যামাজন এসকিউএস) - একটি সম্পূর্ণরূপে পরিচালিত বার্তা সারিবদ্ধ পরিষেবা যা আপনাকে মাইক্রোসার্ভিস, বিতরণ সিস্টেম এবং সার্ভারহীন অ্যাপ্লিকেশনগুলিকে ডিকপল এবং স্কেল করতে সক্ষম করে
• অ্যামাজন সিম্পল স্টোরেজ সার্ভিস (অ্যামাজন এস 3) - নথিগুলির জন্য একটি বস্তুর দোকান হিসাবে কাজ করে এবং সূক্ষ্ম-টিউনড অ্যাক্সেস নিয়ন্ত্রণ সহ কেন্দ্রীয় পরিচালনার জন্য অনুমতি দেয়।

এই সমাধানের উচ্চ-স্তরের পদক্ষেপগুলি নিম্নরূপ:

1. অঞ্চলে বিপন্ন প্রজাতি চিনতে স্বীকৃতি কাস্টম লেবেল ব্যবহার করে একটি কাস্টম মডেল তৈরি করুন এবং তৈরি করুন৷ এই পোস্টের জন্য, আমরা গন্ডারের ছবি নিয়ে প্রশিক্ষণ দিই।
2. মোশন সেন্সর ক্যামেরা ট্র্যাপের মাধ্যমে ধারণ করা ছবিগুলি একটি S3 বালতিতে আপলোড করা হয়, যা প্রতিটি আপলোড করা ছবির জন্য একটি ইভেন্ট প্রকাশ করে।
3. প্রকাশিত প্রতিটি ইভেন্টের জন্য একটি Lambda ফাংশন ট্রিগার করা হয়, যা S3 বালতি থেকে চিত্রটি পুনরুদ্ধার করে এবং বিপন্ন প্রাণী সনাক্ত করতে কাস্টম মডেলে প্রেরণ করে।
4. Lambda ফাংশন চিত্রের প্রাণী সনাক্ত করতে Amazon Recognition API ব্যবহার করে।
5. যদি ছবিতে গন্ডারের কোনো বিপন্ন প্রজাতি থাকে, তবে ফাংশনটি প্রাণীর গণনা, ছবি তোলার তারিখ এবং অন্যান্য দরকারী মেটাডেটা সহ DynamoDB ডেটাবেস আপডেট করে যা ছবিটি থেকে বের করা যেতে পারে। এক্জিফ হেডার।
6. সময়ের সাথে পশুর জনসংখ্যার বৈচিত্র্য বোঝার জন্য DynamoDB ডাটাবেসে সংগৃহীত পশু গণনা এবং অবস্থানের ডেটা কল্পনা করতে QuickSight ব্যবহার করা হয়। নিয়মিত ড্যাশবোর্ডগুলি দেখে, সংরক্ষণ গোষ্ঠীগুলি প্যাটার্নগুলি সনাক্ত করতে পারে এবং সম্ভাব্য কারণগুলিকে বিচ্ছিন্ন করতে পারে যেমন রোগ, জলবায়ু বা চোরাচালান যা এই ভিন্নতার কারণ হতে পারে এবং সমস্যাটি সমাধানের জন্য সক্রিয়ভাবে পদক্ষেপ নিতে পারে৷

পূর্বশর্ত

স্বীকৃতি কাস্টম লেবেল ব্যবহার করে একটি কার্যকর মডেল তৈরি করার জন্য একটি ভাল প্রশিক্ষণ সেট প্রয়োজন। আমরা AWS মার্কেটপ্লেস থেকে ছবি ব্যবহার করেছি (শাটারস্টক থেকে প্রাণী এবং বন্যপ্রাণী ডেটা সেট) এবং Kaggle মডেল তৈরি করতে।

সমাধান বাস্তবায়ন করুন

আমাদের কর্মপ্রবাহে নিম্নলিখিত পদক্ষেপগুলি অন্তর্ভুক্ত রয়েছে:

1. স্বীকৃতি কাস্টম লেবেলের অটোএমএল ক্ষমতা ব্যবহার করে বিপন্ন প্রজাতির (আমাদের উদাহরণে গণ্ডার) শ্রেণিবদ্ধ করার জন্য একটি কাস্টম মডেলকে প্রশিক্ষণ দিন।

এছাড়াও আপনি স্বীকৃতি কাস্টম লেবেল কনসোল থেকে এই পদক্ষেপগুলি সম্পাদন করতে পারেন৷ নির্দেশাবলীর জন্য, পড়ুন একটি প্রকল্প তৈরি করা হচ্ছে, প্রশিক্ষণ এবং পরীক্ষার ডেটাসেট তৈরি করা, এবং একটি Amazon স্বীকৃতি কাস্টম লেবেল মডেল প্রশিক্ষণ.

এই উদাহরণে, আমরা Kaggle থেকে ডেটাসেট ব্যবহার করি। নিম্নলিখিত সারণী ডেটাসেট বিষয়বস্তু সংক্ষিপ্ত করে.

2. ক্যামেরার ফাঁদ থেকে ধারণ করা ছবিগুলো একটি নির্দিষ্ট S3 বালতিতে আপলোড করুন।
3. ইভেন্ট বিজ্ঞপ্তি সংজ্ঞায়িত করুন অনুমতিসমূহ বালতিতে একটি বস্তু যোগ করা হলে একটি সংজ্ঞায়িত SQS সারিতে একটি বিজ্ঞপ্তি পাঠাতে S3 বাকেটের বিভাগ।

আপলোড অ্যাকশন একটি ইভেন্টকে ট্রিগার করে যা Amazon S3 ইভেন্ট বিজ্ঞপ্তি ব্যবহার করে Amazon SQS-এ সারিবদ্ধ।

4. S3 বালতিকে সারিতে বিজ্ঞপ্তি পাঠানোর অনুমতি দেওয়ার জন্য SQS সারির অ্যাক্সেস নীতির মাধ্যমে উপযুক্ত অনুমতি যোগ করুন।

5. SQS সারির জন্য একটি Lambda ট্রিগার কনফিগার করুন যাতে একটি নতুন বার্তা প্রাপ্ত হলে Lambda ফাংশনটি আহ্বান করা হয়।

6. ল্যাম্বডা ফাংশনকে SQS সারিতে অ্যাক্সেস করার অনুমতি দিতে অ্যাক্সেস নীতি পরিবর্তন করুন।

Lambda ফাংশনের এখন SQS সারি অ্যাক্সেস করার জন্য সঠিক অনুমতি থাকা উচিত।

7. পরিবেশের ভেরিয়েবল সেট আপ করুন যাতে সেগুলি কোডে অ্যাক্সেস করা যায়।

ল্যাম্বডা ফাংশন কোড

Lambda ফাংশন SNS সারি থেকে একটি বিজ্ঞপ্তি পাওয়ার জন্য নিম্নলিখিত কাজগুলি সম্পাদন করে:

1. বিপন্ন প্রজাতি সনাক্তকারী কাস্টম মডেল থেকে লেবেল সনাক্ত করতে Amazon Recognition-এ একটি API কল করুন:

exports.handler = async (event) => {
const id = AWS.util.uuid.v4();
const bucket = event.Records[0].s3.bucket.name;
const photo = decodeURIComponent(event.Records[0].s3.object.key.replace(/+/g, ' '));
const client = new AWS.Rekognition({ region: REGION });
const paramsCustomLabel = {
Image: {
S3Object: {
Bucket: bucket,
Name: photo
},
},
ProjectVersionArn: REK_CUSTOMMODEL,
MinConfidence: MIN_CONFIDENCE
}
let response = await client.detectCustomLabels(paramsCustomLabel).promise();
console.log("Rekognition customLabels response = ",response);

2. ছবি তোলার তারিখ এবং অন্যান্য প্রাসঙ্গিক EXIF ​​ডেটা পেতে ছবিটি থেকে EXIF ​​ট্যাগগুলি আনুন৷ নিম্নলিখিত কোডটি নির্ভরতা (প্যাকেজ - সংস্করণ) এক্সিফ-রিডার - ^1.0.3, শার্প - ^0.30.7 ব্যবহার করে:

const getExifMetaData = async (bucket,key)=>{
return new Promise((resolve) => {
const s3 = new AWS.S3({ region: REGION });
const param = {
Bucket: bucket,
Key : key
};

s3.getObject(param, (error, data) => {
if (error) {
console.log("Error getting S3 file",error);
resolve({status:false,errorText: error.message});
} else {
sharp(data.Body)
.metadata()
.then(({ exif }) => {
const exifProperties = exifReader(exif);
resolve({status:true,exifProp: exifProperties});
}).catch(err => {console.log("Error Processing Exif ");resolve({status:false});})
}
});
});
}

var gpsData = "";
var createDate = "";
const imageS3 = await getExifMetaData(bucket, photo);
if(imageS3.status){
gpsData = imageS3.exifProp.gps;
createDate = imageS3.exifProp.image.CreateDate;
}else{
createDate = event.Records[0].eventTime;
console.log("No exif found in image, setting createDate as the date of event", createDate);
}

এখানে বর্ণিত সমাধানটি অ্যাসিঙ্ক্রোনাস; ছবিগুলি ক্যামেরার ফাঁদে ধারণ করা হয় এবং তারপরে প্রক্রিয়াকরণের জন্য একটি S3 বালতিতে আপলোড করা হয়। যদি ক্যামেরা ট্র্যাপ ছবিগুলি আরও ঘন ঘন আপলোড করা হয়, তাহলে আপনি নিরীক্ষণ করা এলাকায় মানুষকে সনাক্ত করার সমাধানটি প্রসারিত করতে পারেন এবং এই বিপন্ন প্রাণীদের আশেপাশে সম্ভাব্য শিকারের ইঙ্গিত দিতে সংশ্লিষ্ট কর্মীদের বিজ্ঞপ্তি পাঠাতে পারেন। এটি Lambda ফাংশনের মাধ্যমে প্রয়োগ করা হয় যা মানুষের উপস্থিতির জন্য লেবেল সনাক্ত করতে অ্যামাজন রিকগনিশন API কল করে। যদি একজন মানুষ সনাক্ত করা হয়, একটি ত্রুটি বার্তা CloudWatch লগ লগ করা হয়. ত্রুটির লগে একটি ফিল্টার করা মেট্রিক একটি ক্লাউডওয়াচ অ্যালার্ম ট্রিগার করে যা সংরক্ষণ কর্মীদের কাছে একটি ইমেল পাঠায়, যারা পরবর্তী পদক্ষেপ নিতে পারে।

3. নিম্নলিখিত কোড সহ সমাধানটি প্রসারিত করুন:

const paramHumanLabel = {
Image: {
S3Object: {
Bucket: bucket,
Name: photo
},
},
MinConfidence: MIN_CONFIDENCE
}

let humanLabel = await client.detectLabels(paramHumanLabel).promise();
let humanFound = humanLabel.Labels.filter(obj => obj.Name === HUMAN);
var humanDetected = false;
if(humanFound.length > 0){
console.error("Human Face Detected");
humanDetected = true;
}

4. যদি কোনো বিপন্ন প্রজাতি সনাক্ত করা হয়, Lambda ফাংশন DynamoDB-কে গণনা, তারিখ এবং অন্যান্য ঐচ্ছিক মেটাডেটা দিয়ে আপডেট করে যা ইমেজ EXIF ​​ট্যাগ থেকে প্রাপ্ত হয়:

let dbresponse = await dynamo.putItem({
Item: {
id: { S: id },
type: { S: response.CustomLabels[0].Name },
image: {S : photo},
createDate: {S: createDate.toString()},
confidence: {S: response.CustomLabels[0].Confidence.toString()},
gps: {S: gpsData.toString()},
humanDetected: {BOOL: humanDetected}
},

TableName: ANIMAL_TABLENAME,
}).promise();

প্রশ্ন করুন এবং ডেটা ভিজ্যুয়ালাইজ করুন

আপনি এখন ডেটা কল্পনা করতে এথেনা এবং কুইকসাইট ব্যবহার করতে পারেন।

1. ডায়নামোডিবি টেবিলটিকে এথেনার ডেটা উত্স হিসাবে সেট করুন।

2. তথ্য উৎস বিবরণ যোগ করুন.

পরবর্তী গুরুত্বপূর্ণ ধাপ হল একটি Lambda ফাংশন সংজ্ঞায়িত করা যা ডেটা উৎসের সাথে সংযোগ করে।

3. বেছে নেওয়া হয়েছে ল্যাম্বডা ফাংশন তৈরি করুন.

4. জন্য নাম লিখুন AthenaCatalogName এবং SpillBucket; বাকি ডিফল্ট সেটিংস হতে পারে.
5. সংযোগকারী ফাংশন স্থাপন করুন।

সমস্ত চিত্র প্রক্রিয়াকরণের পরে, আপনি Athena থেকে সময়ের সাথে জনসংখ্যার বৈচিত্র্যের ডেটা কল্পনা করতে QuickSight ব্যবহার করতে পারেন।

6. এথেনা কনসোলে, একটি ডেটা উত্স চয়ন করুন এবং বিশদ লিখুন৷
7. বেছে নিন ল্যাম্বডা ফাংশন তৈরি করুন DynamoDB-তে একটি সংযোগকারী প্রদান করতে।

8. QuickSight ড্যাশবোর্ডে, নির্বাচন করুন নতুন বিশ্লেষণ এবং নতুন ডেটাসেট.
9. ডেটা উৎস হিসেবে এথেনা বেছে নিন।

10. সংযোগ করতে এবং চয়ন করতে ক্যাটালগ, ডাটাবেস এবং টেবিল লিখুন নির্বাচন করা.

11. সম্পূর্ণ ডেটাসেট তৈরি।

নিম্নলিখিত তালিকাটি একটি নির্দিষ্ট দিনে বন্দী বিপন্ন প্রজাতির সংখ্যা দেখায়।

জিপিএস ডেটা একটি ক্যাপচার করা ছবির EXIF ​​ট্যাগের অংশ হিসাবে উপস্থাপন করা হয়। এই বিপন্ন প্রাণীদের অবস্থানের সংবেদনশীলতার কারণে, আমাদের ডেটাসেটে জিপিএস অবস্থান ছিল না। যাইহোক, জিপিএস ডেটা উপলব্ধ থাকলে আপনি কীভাবে অবস্থানগুলি কল্পনা করতে পারেন তা দেখানোর জন্য আমরা সিমুলেটেড ডেটা ব্যবহার করে একটি ভূ-স্থানীয় চার্ট তৈরি করেছি৷

পরিষ্কার কর

অপ্রত্যাশিত খরচ এড়াতে, এই প্রদর্শনীর অংশ হিসাবে আপনি যে AWS পরিষেবাগুলি ব্যবহার করেছেন তা বন্ধ করতে ভুলবেন না — S3 বালতি, DynamoDB টেবিল, QuickSight, Athena, এবং প্রশিক্ষিত স্বীকৃতি কাস্টম লেবেল মডেল৷ আপনার যদি আর প্রয়োজন না হয় তবে আপনার এই সংস্থানগুলি সরাসরি তাদের নিজ নিজ পরিষেবা কনসোলের মাধ্যমে মুছে ফেলা উচিত। নির্দেশ করে একটি Amazon Recognition কাস্টম লেবেল মডেল মুছে ফেলা হচ্ছে মডেল মুছে ফেলার বিষয়ে আরও তথ্যের জন্য।

উপসংহার

এই পোস্টে, আমরা একটি স্বয়ংক্রিয় ব্যবস্থা উপস্থাপন করেছি যা বিপন্ন প্রজাতিকে চিহ্নিত করে, তাদের জনসংখ্যার গণনা রেকর্ড করে এবং সময়ের সাথে জনসংখ্যার তারতম্য সম্পর্কে অন্তর্দৃষ্টি প্রদান করে। এই বিপন্ন প্রজাতির আশেপাশে যখন মানুষ (সম্ভাব্য শিকারী) থাকে তখন কর্তৃপক্ষকে সতর্ক করার জন্য আপনি সমাধানটি প্রসারিত করতে পারেন। Amazon Recognition-এর AI/ML ক্ষমতার সাহায্যে আমরা বিপন্ন প্রজাতি এবং তাদের বাস্তুতন্ত্র রক্ষার জন্য সংরক্ষণ গোষ্ঠীর প্রচেষ্টাকে সমর্থন করতে পারি।

স্বীকৃতি কাস্টম লেবেল সম্পর্কে আরও তথ্যের জন্য, পড়ুন Amazon Recognition কাস্টম লেবেল দিয়ে শুরু করা এবং বিষয়বস্তু নিয়ন্ত্রণ করা. আপনি যদি স্বীকৃতি কাস্টম লেবেলগুলিতে নতুন হন, আপনি আমাদের বিনামূল্যের স্তর ব্যবহার করতে পারেন, যা 3 মাস স্থায়ী হয় এবং প্রতি মাসে 10টি বিনামূল্যে প্রশিক্ষণ ঘন্টা এবং প্রতি মাসে 4টি বিনামূল্যে অনুমান ঘন্টা অন্তর্ভুক্ত করে৷ Amazon Recognition Free Tier-এ 5,000 মাসের জন্য প্রতি মাসে 12টি ছবি প্রসেস করা অন্তর্ভুক্ত।

লেখক সম্পর্কে

জ্যোতি গৌদ্দার AWS-এর পার্টনার সলিউশন আর্কিটেক্ট ম্যানেজার। গ্রাহকদের তাদের কাজের ভার AWS-এ স্থানান্তর করতে সক্ষম এবং সমর্থন করতে তিনি গ্লোবাল সিস্টেম ইন্টিগ্রেটর অংশীদারের সাথে ঘনিষ্ঠভাবে কাজ করেন।

জে রাও AWS-এর একজন প্রধান সমাধান স্থপতি। তিনি গ্রাহকদের প্রযুক্তিগত এবং কৌশলগত দিকনির্দেশনা প্রদান এবং তাদের AWS-এর সমাধান ডিজাইন ও বাস্তবায়নে সহায়তা করেন।