Amazon Rekognition का उपयोग करके लुप्तप्राय प्रजातियों की जनसंख्या भिन्नता का पता लगाएं

हमारा ग्रह वैश्विक विलुप्ति संकट का सामना कर रहा है। संयुक्त राष्ट्र की रिपोर्ट एक लाख से अधिक प्रजातियों के विलुप्त होने के रास्ते पर होने की आशंका को दर्शाता है। विलुप्त होने के सबसे आम कारणों में आवास, अवैध शिकार और आक्रामक प्रजातियों का नुकसान शामिल है। कई वन्यजीव संरक्षण फाउंडेशन, अनुसंधान वैज्ञानिक, स्वयंसेवक, और अवैध शिकार विरोधी रेंजर्स इस संकट से निपटने के लिए अथक प्रयास कर रहे हैं। जंगली में लुप्तप्राय जानवरों के बारे में सटीक और नियमित जानकारी होने से वन्यजीव संरक्षणवादियों की लुप्तप्राय प्रजातियों के अध्ययन और संरक्षण की क्षमता में सुधार होगा। वन्यजीव वैज्ञानिक और फील्ड स्टाफ इन्फ्रारेड ट्रिगर्स से लैस कैमरों का उपयोग करते हैं, जिन्हें कहा जाता है कैमरा ट्रैप, और वन्यजीवों की छवियों को कैप्चर करने के लिए उन्हें जंगलों में सबसे प्रभावी स्थानों पर रखें। फिर इन छवियों की मैन्युअल रूप से समीक्षा की जाती है, जो बहुत समय लेने वाली प्रक्रिया है।

इस पोस्ट में, हम इसका उपयोग करके एक समाधान प्रदर्शित करते हैं अमेज़ॅन रेकग्निशन कस्टम लेबल इस प्रक्रिया को स्वचालित करने के लिए गति संवेदक कैमरा ट्रैप के साथ-साथ उत्पन्न प्रजातियों को पहचानने और उनका अध्ययन करने के लिए। रिकॉग्निशन कस्टम लेबल एक पूरी तरह से प्रबंधित कंप्यूटर विज़न सेवा है जो डेवलपर्स को छवियों में वस्तुओं को वर्गीकृत करने और पहचानने के लिए कस्टम मॉडल बनाने की अनुमति देती है जो उनके उपयोग के मामले के लिए विशिष्ट और अद्वितीय हैं। हम कैमरा ट्रैप से एकत्र की गई छवियों से लुप्तप्राय जानवरों की प्रजातियों की पहचान करने, उनकी आबादी की संख्या के बारे में जानकारी प्राप्त करने और उनके आसपास के मनुष्यों का पता लगाने के बारे में विस्तार से बताते हैं। यह जानकारी संरक्षणवादियों के लिए सहायक होगी, जो उन्हें बचाने के लिए सक्रिय निर्णय ले सकते हैं।

समाधान अवलोकन

निम्नलिखित चित्र समाधान की वास्तुकला को दर्शाता है।

यह समाधान निम्नलिखित AI सेवाओं, सर्वर रहित प्रौद्योगिकियों और एक स्केलेबल और लागत प्रभावी वास्तुकला को लागू करने के लिए प्रबंधित सेवाओं का उपयोग करता है:

• अमेज़न एथेना - एक सर्वर रहित इंटरैक्टिव क्वेरी सेवा जो मानक SQL का उपयोग करके Amazon S3 में डेटा का विश्लेषण करना आसान बनाती है
• अमेज़ॅन क्लाउडवॉच - एक निगरानी और अवलोकन सेवा जो लॉग, मेट्रिक्स और घटनाओं के रूप में निगरानी और परिचालन डेटा एकत्र करती है
• अमेज़ॅन डायनेमोडीबी - एक कुंजी-मूल्य और दस्तावेज़ डेटाबेस जो किसी भी पैमाने पर एकल-अंक मिलीसेकंड प्रदर्शन प्रदान करता है
• AWS लाम्बा - एक सर्वर रहित कंप्यूट सेवा जो आपको डेटा में परिवर्तन, सिस्टम स्थिति में बदलाव, या उपयोगकर्ता क्रियाओं जैसे ट्रिगर के जवाब में कोड चलाने देती है
• अमेज़न क्विकसाइट - एक सर्वर रहित, मशीन लर्निंग (एमएल)-संचालित व्यापार खुफिया सेवा जो अंतर्दृष्टि, इंटरैक्टिव डैशबोर्ड और समृद्ध विश्लेषण प्रदान करती है
• अमेज़ॅन रेकग्निशन - छवियों और वीडियो में वस्तुओं, लोगों, पाठ, दृश्यों और गतिविधियों की पहचान करने के साथ-साथ किसी भी अनुचित सामग्री का पता लगाने के लिए एमएल का उपयोग करता है
• अमेज़ॅन रेकग्निशन कस्टम लेबल - छवियों में वस्तुओं और दृश्यों की पहचान करने के लिए कस्टम मॉडल को प्रशिक्षित करने में मदद करने के लिए ऑटोएमएल का उपयोग करता है जो आपकी व्यावसायिक आवश्यकताओं के लिए विशिष्ट हैं
• अमेज़न सरल कतार सेवा (अमेज़न SQS) - एक पूरी तरह से प्रबंधित संदेश कतार सेवा जो आपको माइक्रोसर्विसेज, वितरित सिस्टम और सर्वर रहित अनुप्रयोगों को अलग करने और स्केल करने में सक्षम बनाती है
• अमेज़न सरल भंडारण सेवा (अमेज़न S3) - दस्तावेजों के लिए एक ऑब्जेक्ट स्टोर के रूप में कार्य करता है और केंद्रीय प्रबंधन के लिए फाइन-ट्यून एक्सेस कंट्रोल के साथ अनुमति देता है।

इस समाधान में उच्च स्तरीय कदम इस प्रकार हैं:

1. क्षेत्र में लुप्तप्राय प्रजातियों को पहचानने के लिए रिकग्निशन कस्टम लेबल का उपयोग करके एक कस्टम मॉडल को प्रशिक्षित और निर्मित करें। इस पोस्ट के लिए, हम गैंडे की छवियों पर प्रशिक्षण लेते हैं।
2. मोशन सेंसर कैमरा ट्रैप के माध्यम से कैप्चर की गई छवियों को S3 बकेट में अपलोड किया जाता है, जो प्रत्येक अपलोड की गई छवि के लिए एक ईवेंट प्रकाशित करती है।
3. प्रकाशित प्रत्येक घटना के लिए एक लैम्ब्डा फ़ंक्शन ट्रिगर होता है, जो छवि को S3 बाल्टी से पुनर्प्राप्त करता है और लुप्तप्राय जानवर का पता लगाने के लिए इसे कस्टम मॉडल में भेजता है।
4. लैम्ब्डा फ़ंक्शन छवि में जानवरों की पहचान करने के लिए Amazon Rekognition API का उपयोग करता है।
5. यदि छवि में गैंडे की कोई लुप्तप्राय प्रजाति है, तो फ़ंक्शन जानवरों की गिनती, कैप्चर की गई छवि की तारीख और छवि से निकाले जा सकने वाले अन्य उपयोगी मेटाडेटा के साथ डायनेमोडीबी डेटाबेस को अपडेट करता है। EXIF हैडर.
6. QuickSight का उपयोग जानवरों की संख्या और समय के साथ जानवरों की आबादी के विचरण को समझने के लिए DynamoDB डेटाबेस में एकत्र किए गए स्थान डेटा की कल्पना करने के लिए किया जाता है। डैशबोर्ड को नियमित रूप से देखकर, संरक्षण समूह पैटर्न की पहचान कर सकते हैं और बीमारियों, जलवायु, या अवैध शिकार जैसे संभावित कारणों को अलग कर सकते हैं जो इस भिन्नता का कारण बन सकते हैं और इस मुद्दे को हल करने के लिए लगातार कदम उठा सकते हैं।

.. पूर्वापेक्षाएँ

रिकॉग्निशन कस्टम लेबल का उपयोग करके एक प्रभावी मॉडल बनाने के लिए एक अच्छे प्रशिक्षण सेट की आवश्यकता होती है। हमने एडब्ल्यूएस मार्केटप्लेस से छवियों का उपयोग किया है (शटरस्टॉक से पशु और वन्यजीव डेटा सेट) और Kaggle मॉडल बनाने के लिए।

समाधान लागू करें

हमारे वर्कफ़्लो में निम्नलिखित चरण शामिल हैं:

1. रिकॉग्निशन कस्टम लेबल की ऑटोएमएल क्षमता का उपयोग करके लुप्तप्राय प्रजातियों (हमारे उदाहरण में राइनो) को वर्गीकृत करने के लिए एक कस्टम मॉडल को प्रशिक्षित करें।

आप इन चरणों को मान्यता कस्टम लेबल कंसोल से भी निष्पादित कर सकते हैं। निर्देशों के लिए, देखें एक परियोजना का निर्माण, प्रशिक्षण और परीक्षण डेटासेट बनाना, तथा Amazon Rekognition कस्टम लेबल मॉडल का प्रशिक्षण.

इस उदाहरण में, हम कागल के डेटासेट का उपयोग करते हैं। निम्न तालिका डेटासेट सामग्री को सारांशित करती है।

2. कैमरा ट्रैप से लिए गए चित्रों को एक निर्दिष्ट S3 बकेट में अपलोड करें।
3. ईवेंट सूचनाओं को इसमें परिभाषित करें अनुमतियाँ जब किसी ऑब्जेक्ट को बाल्टी में जोड़ा जाता है तो एक परिभाषित SQS कतार में सूचना भेजने के लिए S3 बाल्टी का अनुभाग।

अपलोड कार्रवाई एक ईवेंट को ट्रिगर करती है जो Amazon SQS में Amazon S3 ईवेंट नोटिफिकेशन का उपयोग करके कतारबद्ध है।

4. S3 बकेट को कतार में सूचना भेजने की अनुमति देने के लिए SQS कतार की पहुँच नीति के माध्यम से उपयुक्त अनुमतियाँ जोड़ें।

5. SQS कतार के लिए एक लैम्ब्डा ट्रिगर कॉन्फ़िगर करें ताकि एक नया संदेश प्राप्त होने पर लैम्ब्डा फ़ंक्शन को लागू किया जा सके।

6. लैम्ब्डा फ़ंक्शन को SQS कतार तक पहुँचने की अनुमति देने के लिए पहुँच नीति को संशोधित करें।

लैम्ब्डा फ़ंक्शन के पास अब SQS कतार तक पहुँचने के लिए सही अनुमतियाँ होनी चाहिए।

7. पर्यावरण चर सेट करें ताकि उन्हें कोड में एक्सेस किया जा सके।

लैम्ब्डा फ़ंक्शन कोड

लैम्ब्डा फ़ंक्शन SNS कतार से सूचना प्राप्त करने पर निम्नलिखित कार्य करता है:

1. लुप्तप्राय प्रजातियों की पहचान करने वाले कस्टम मॉडल से लेबल का पता लगाने के लिए Amazon Rekognition को API कॉल करें:

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. तस्वीर लेने की तारीख और अन्य प्रासंगिक EXIF ​​​​डेटा प्राप्त करने के लिए छवि से EXIF ​​​​टैग प्राप्त करें। निम्नलिखित कोड निर्भरता (पैकेज - संस्करण) एक्सिफ-रीडर का उपयोग करता है - ^1.0.3, तेज - ^0.30.7:

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);
}

यहाँ उल्लिखित समाधान अतुल्यकालिक है; छवियों को कैमरा ट्रैप द्वारा कैप्चर किया जाता है और फिर बाद में प्रसंस्करण के लिए S3 बकेट में अपलोड किया जाता है। यदि कैमरा ट्रैप छवियों को अधिक बार अपलोड किया जाता है, तो आप निगरानी क्षेत्र में मनुष्यों का पता लगाने के लिए समाधान का विस्तार कर सकते हैं और इन लुप्तप्राय जानवरों के आसपास संभावित अवैध शिकार को इंगित करने के लिए संबंधित कार्यकर्ताओं को सूचनाएं भेज सकते हैं। यह लैम्ब्डा फ़ंक्शन के माध्यम से कार्यान्वित किया जाता है जो मानव की उपस्थिति के लिए लेबल का पता लगाने के लिए अमेज़ॅन रिकॉग्निशन एपीआई को कॉल करता है। यदि किसी मानव का पता लगाया जाता है, तो CloudWatch लॉग्स में एक त्रुटि संदेश लॉग किया जाता है। त्रुटि लॉग पर एक फ़िल्टर्ड मीट्रिक क्लाउडवॉच अलार्म को ट्रिगर करता है जो संरक्षण कार्यकर्ताओं को एक ईमेल भेजता है, जो आगे की कार्रवाई कर सकते हैं।

3. निम्नलिखित कोड के साथ समाधान का विस्तार करें:

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. यदि किसी लुप्तप्राय प्रजाति का पता चलता है, तो लैम्ब्डा फ़ंक्शन डायनेमोडीबी को गिनती, तिथि और अन्य वैकल्पिक मेटाडेटा के साथ अपडेट करता है जो छवि EXIF ​​​​टैग से प्राप्त होता है:

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();

डेटा को क्वेरी और विज़ुअलाइज़ करें

अब आप डेटा की कल्पना करने के लिए एथेना और क्विकसाइट का उपयोग कर सकते हैं।

1. डायनेमोडीबी तालिका को एथेना के डेटा स्रोत के रूप में सेट करें।

2. डेटा स्रोत विवरण जोड़ें।

अगला महत्वपूर्ण कदम लैम्ब्डा फ़ंक्शन को परिभाषित करना है जो डेटा स्रोत से जुड़ता है।

3. चुना लैम्ब्डा फ़ंक्शन बनाएं.

4. के लिए नाम दर्ज करें एथेना कैटलॉगनाम और स्पिलबकेट; बाकी डिफ़ॉल्ट सेटिंग्स हो सकती हैं।
5. कनेक्टर फ़ंक्शन को परिनियोजित करें।

सभी छवियों के संसाधित होने के बाद, आप एथेना से समय के साथ जनसंख्या भिन्नता के डेटा की कल्पना करने के लिए QuickSight का उपयोग कर सकते हैं।

6. एथेना कंसोल पर, डेटा स्रोत चुनें और विवरण दर्ज करें।
7. चुनें लैम्ब्डा फ़ंक्शन बनाएं DynamoDB को एक कनेक्टर प्रदान करने के लिए।

8. QuickSight डैशबोर्ड पर, चुनें नया विश्लेषण और नया डाटासेट.
9. डेटा स्रोत के रूप में एथेना चुनें।

10. कनेक्ट करने और चुनने के लिए कैटलॉग, डेटाबेस और तालिका दर्ज करें चुनते हैं.

11. पूर्ण डेटासेट निर्माण।

निम्नलिखित चार्ट किसी दिए गए दिन पर पकड़ी गई लुप्तप्राय प्रजातियों की संख्या को दर्शाता है।

GPS डेटा को कैप्चर की गई छवि के EXIF ​​टैग के भाग के रूप में प्रस्तुत किया जाता है। इन लुप्तप्राय जानवरों के स्थान की संवेदनशीलता के कारण, हमारे डेटासेट में GPS स्थान नहीं था। हालांकि, हमने यह दिखाने के लिए नकली डेटा का उपयोग करके एक भू-स्थानिक चार्ट बनाया है कि आप जीपीएस डेटा उपलब्ध होने पर स्थानों की कल्पना कैसे कर सकते हैं।

क्लीन अप

अप्रत्याशित लागतों से बचने के लिए, इस प्रदर्शन के हिस्से के रूप में आपके द्वारा उपयोग की जाने वाली AWS सेवाओं को बंद करना सुनिश्चित करें- S3 बकेट, डायनेमोडीबी टेबल, क्विकसाइट, एथेना और प्रशिक्षित रिकॉग्निशन कस्टम लेबल मॉडल। यदि आपको अब इनकी आवश्यकता नहीं है, तो आपको इन संसाधनों को सीधे उनके संबंधित सेवा कंसोल के माध्यम से हटा देना चाहिए। को देखें Amazon Recognition कस्टम लेबल मॉडल को हटाना मॉडल को हटाने के बारे में अधिक जानकारी के लिए।

निष्कर्ष

इस पोस्ट में, हमने एक स्वचालित प्रणाली प्रस्तुत की जो लुप्तप्राय प्रजातियों की पहचान करती है, उनकी जनसंख्या गणना को रिकॉर्ड करती है, और समय के साथ जनसंख्या में भिन्नता के बारे में अंतर्दृष्टि प्रदान करती है। आप अधिकारियों को सचेत करने के लिए समाधान का विस्तार भी कर सकते हैं जब मानव (संभावित शिकारियों) इन लुप्तप्राय प्रजातियों के आसपास के क्षेत्र में हों। Amazon Rekognition की AI/ML क्षमताओं के साथ, हम लुप्तप्राय प्रजातियों और उनके पारिस्थितिक तंत्र की रक्षा के लिए संरक्षण समूहों के प्रयासों का समर्थन कर सकते हैं।

मान्यता कस्टम लेबल के बारे में अधिक जानकारी के लिए, देखें Amazon Rekognition Custom Labels के साथ शुरुआत करना और सामग्री को मॉडरेट करना. यदि आप पहचान कस्टम लेबल के लिए नए हैं, तो आप हमारे फ्री टियर का उपयोग कर सकते हैं, जो 3 महीने तक चलता है और इसमें प्रति माह 10 निःशुल्क प्रशिक्षण घंटे और प्रति माह 4 निःशुल्क अनुमान घंटे शामिल हैं। Amazon Rekognition Free Tier में 5,000 महीनों के लिए प्रति माह 12 छवियों को संसाधित करना शामिल है।

लेखक के बारे में

ज्योति गौदरी AWS में पार्टनर सॉल्यूशंस आर्किटेक्ट मैनेजर हैं। वह ग्राहकों को उनके कार्यभार को AWS में ले जाने में सक्षम और समर्थन करने के लिए वैश्विक सिस्टम इंटीग्रेटर पार्टनर के साथ मिलकर काम करती है।

जय राव AWS में प्रिंसिपल सॉल्यूशंस आर्किटेक्ट हैं। उन्हें ग्राहकों को तकनीकी और रणनीतिक मार्गदर्शन प्रदान करने और एडब्ल्यूएस पर समाधान डिजाइन और कार्यान्वित करने में मदद करने में आनंद आता है।