Amazon Recognition کا استعمال کرتے ہوئے خطرے سے دوچار پرجاتیوں کی آبادی میں فرق کا پتہ لگائیں۔

ہمارے سیارے کو عالمی معدومیت کے بحران کا سامنا ہے۔ اقوام متحدہ کی رپورٹ ایک ملین سے زیادہ پرجاتیوں کی حیرت انگیز تعداد کو ظاہر کرتا ہے جس کے معدومیت کے راستے پر ہونے کا خدشہ ہے۔ معدومیت کی سب سے عام وجوہات میں رہائش گاہ کا نقصان، غیر قانونی شکار اور حملہ آور انواع شامل ہیں۔ کئی جنگلی حیات کے تحفظ کی بنیادیں، تحقیقی سائنسدان، رضاکار، اور غیر قانونی شکار کے رینجرز اس بحران سے نمٹنے کے لیے انتھک محنت کر رہے ہیں۔ جنگلی میں خطرے سے دوچار جانوروں کے بارے میں درست اور باقاعدہ معلومات رکھنے سے جنگلی حیات کے تحفظ کے ماہرین کی خطرے سے دوچار انواع کے مطالعہ اور تحفظ کی صلاحیت میں بہتری آئے گی۔ وائلڈ لائف کے سائنسدان اور فیلڈ عملہ انفراریڈ ٹرگرز سے لیس کیمرے استعمال کرتا ہے، جسے کہتے ہیں۔ کیمرے کے جال، اور جنگلی حیات کی تصاویر لینے کے لیے انہیں جنگلات میں سب سے مؤثر مقامات پر رکھیں۔ اس کے بعد ان تصاویر کا دستی طور پر جائزہ لیا جاتا ہے، جو کہ بہت وقت طلب عمل ہے۔

اس پوسٹ میں، ہم استعمال کرتے ہوئے ایک حل کا مظاہرہ کرتے ہیں۔ ایمیزون ریکگنیشن کسٹم لیبلز اس عمل کو خودکار بنانے کے لیے موشن سینسر کیمرہ ٹریپس کے ساتھ پیدا شدہ نسلوں کو پہچاننے اور ان کا مطالعہ کرنے کے لیے۔ Recognition Custom Labels ایک مکمل طور پر منظم کمپیوٹر ویژن سروس ہے جو ڈویلپرز کو اپنی مرضی کے مطابق ماڈل بنانے کی اجازت دیتی ہے تاکہ وہ تصاویر میں اشیاء کی درجہ بندی اور شناخت کر سکیں جو ان کے استعمال کے معاملے کے لیے مخصوص اور منفرد ہوں۔ ہم کیمرہ ٹریپس سے جمع کی گئی تصاویر سے خطرے سے دوچار جانوروں کی انواع کو پہچاننے، ان کی آبادی کی گنتی کے بارے میں بصیرت حاصل کرنے، اور ان کے آس پاس کے انسانوں کا پتہ لگانے کا طریقہ بتاتے ہیں۔ یہ معلومات تحفظ پسندوں کے لیے مددگار ثابت ہوں گی، جو انھیں بچانے کے لیے فعال فیصلے کر سکتے ہیں۔

حل جائزہ

مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے۔

یہ حل درج ذیل AI سروسز، سرور لیس ٹیکنالوجیز، اور منظم خدمات کا استعمال کرتا ہے تاکہ قابل توسیع اور لاگت سے موثر فن تعمیر کو لاگو کیا جا سکے۔

• ایمیزون ایتینا - ایک سرور لیس انٹرایکٹو استفسار سروس جو معیاری SQL کا استعمال کرتے ہوئے Amazon S3 میں ڈیٹا کا تجزیہ کرنا آسان بناتی ہے۔
• ایمیزون کلاؤڈ واچ - ایک مانیٹرنگ اور آبزرویبلٹی سروس جو لاگز، میٹرکس اور ایونٹس کی شکل میں مانیٹرنگ اور آپریشنل ڈیٹا اکٹھا کرتی ہے۔
• ایمیزون ڈائنومو ڈی بی - ایک کلیدی قدر اور دستاویز کا ڈیٹا بیس جو کسی بھی پیمانے پر سنگل ہندسوں کی ملی سیکنڈ کارکردگی فراہم کرتا ہے۔
• او ڈبلیو ایس لامبڈا۔ - ایک سرور لیس کمپیوٹ سروس جو آپ کو محرکات کے جواب میں کوڈ چلانے دیتی ہے جیسے کہ ڈیٹا میں تبدیلی، سسٹم کی حالت میں تبدیلی، یا صارف کے اعمال
• ایمیزون کوئیک سائٹ - ایک سرور لیس، مشین لرننگ (ML) سے چلنے والی بزنس انٹیلی جنس سروس جو بصیرت، انٹرایکٹو ڈیش بورڈز اور بھرپور تجزیات فراہم کرتی ہے۔
• ایمیزون پہچان۔ - تصاویر اور ویڈیوز میں اشیاء، لوگوں، متن، مناظر، اور سرگرمیوں کی نشاندہی کرنے کے ساتھ ساتھ کسی بھی نامناسب مواد کا پتہ لگانے کے لیے ML کا استعمال کرتا ہے۔
• ایمیزون ریکگنیشن کسٹم لیبلز - آپ کی کاروباری ضروریات کے لیے مخصوص تصاویر میں موجود اشیاء اور مناظر کی شناخت کے لیے حسب ضرورت ماڈلز کو تربیت دینے کے لیے AutoML کا استعمال کرتا ہے۔
• ایمیزون سادہ قطار سروس (ایمیزون ایس کیو ایس) - ایک مکمل طور پر منظم میسج کیونگ سروس جو آپ کو مائیکرو سروسز، ڈسٹری بیوٹڈ سسٹم، اور سرور لیس ایپلیکیشنز کو ڈی جوپل اور اسکیل کرنے کے قابل بناتی ہے۔
• ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) - دستاویزات کے لیے ایک آبجیکٹ اسٹور کے طور پر کام کرتا ہے اور عمدہ رسائی کے کنٹرول کے ساتھ مرکزی انتظام کی اجازت دیتا ہے۔

اس حل میں اعلیٰ سطحی اقدامات درج ذیل ہیں۔

1. علاقے میں خطرے سے دوچار انواع کو پہچاننے کے لیے Recognition Custom Labels کا استعمال کرتے ہوئے ایک حسب ضرورت ماڈل کو تربیت دیں اور بنائیں۔ اس پوسٹ کے لیے، ہم گینڈے کی تصاویر پر تربیت دیتے ہیں۔
2. موشن سینسر کیمرہ ٹریپس کے ذریعے لی گئی تصاویر کو S3 بالٹی پر اپ لوڈ کیا جاتا ہے، جو ہر اپ لوڈ کردہ تصویر کے لیے ایک ایونٹ شائع کرتا ہے۔
3. شائع ہونے والے ہر ایونٹ کے لیے ایک Lambda فنکشن کو متحرک کیا جاتا ہے، جو S3 بالٹی سے تصویر کو بازیافت کرتا ہے اور خطرے سے دوچار جانور کا پتہ لگانے کے لیے اسے حسب ضرورت ماڈل میں منتقل کرتا ہے۔
4. لیمبڈا فنکشن امیزون ریکوگنیشن API کو امیج میں موجود جانوروں کی شناخت کے لیے استعمال کرتا ہے۔
5. اگر تصویر میں گینڈے کی کوئی بھی خطرے سے دوچار نسلیں ہیں، تو فنکشن DynamoDB ڈیٹا بیس کو جانوروں کی گنتی، تصویر کھینچنے کی تاریخ، اور دیگر مفید میٹا ڈیٹا کے ساتھ اپ ڈیٹ کرتا ہے جسے تصویر سے نکالا جا سکتا ہے۔ EXIF ہیڈر.
6. QuickSight کا استعمال وقت کے ساتھ جانوروں کی آبادی کے فرق کو سمجھنے کے لیے DynamoDB ڈیٹا بیس میں جمع کردہ جانوروں کی گنتی اور مقام کے ڈیٹا کو دیکھنے کے لیے کیا جاتا ہے۔ ڈیش بورڈز کو باقاعدگی سے دیکھ کر، تحفظ گروپ نمونوں کی شناخت کر سکتے ہیں اور ممکنہ وجوہات جیسے بیماریوں، آب و ہوا، یا غیر قانونی شکار کو الگ کر سکتے ہیں جو اس تغیر کا سبب بن سکتے ہیں اور اس مسئلے کو حل کرنے کے لیے فعال طور پر اقدامات کر سکتے ہیں۔

شرائط

Recognition Custom Labels کا استعمال کرتے ہوئے ایک موثر ماڈل بنانے کے لیے ایک اچھا ٹریننگ سیٹ درکار ہے۔ ہم نے AWS مارکیٹ پلیس (شٹر اسٹاک سے جانوروں اور جنگلی حیات کا ڈیٹا سیٹ) اور کاگل ماڈل کی تعمیر کے لئے.

حل کو نافذ کریں۔

ہمارے ورک فلو میں درج ذیل مراحل شامل ہیں:

1. Recognition Custom Labels کی AutoML صلاحیت کا استعمال کرتے ہوئے خطرے سے دوچار پرجاتیوں (ہماری مثال میں گینڈا) کی درجہ بندی کرنے کے لیے ایک حسب ضرورت ماڈل کو تربیت دیں۔

آپ ان اقدامات کو Recognition Custom Labels کنسول سے بھی انجام دے سکتے ہیں۔ ہدایات کے لیے، رجوع کریں۔ ایک پروجیکٹ بنانا, تربیت اور ٹیسٹ ڈیٹاسیٹ بنانا، اور Amazon Recognition Custom Labels ماڈل کی تربیت.

اس مثال میں، ہم Kaggle سے ڈیٹاسیٹ استعمال کرتے ہیں۔ مندرجہ ذیل جدول ڈیٹاسیٹ کے مواد کا خلاصہ کرتا ہے۔

2. کیمرہ ٹریپس سے لی گئی تصاویر کو ایک نامزد S3 بالٹی میں اپ لوڈ کریں۔
3. میں ایونٹ کی اطلاعات کی وضاحت کریں۔ اجازت S3 بالٹی کا سیکشن جب کسی چیز کو بالٹی میں شامل کیا جاتا ہے تو ایک متعین SQS قطار میں اطلاع بھیجنے کے لیے۔

اپ لوڈ ایکشن ایک ایونٹ کو متحرک کرتا ہے جو Amazon S3 ایونٹ کی اطلاع کا استعمال کرتے ہوئے Amazon SQS میں قطار میں کھڑا ہوتا ہے۔

4. S3 بالٹی کو قطار میں اطلاع بھیجنے کی اجازت دینے کے لیے SQS قطار کی رسائی کی پالیسی کے ذریعے مناسب اجازتیں شامل کریں۔

5. ایس کیو ایس قطار کے لیے لیمبڈا ٹرگر کو ترتیب دیں تاکہ نیا پیغام موصول ہونے پر لیمبڈا فنکشن کو طلب کیا جائے۔

6. لیمبڈا فنکشن کو SQS قطار تک رسائی کی اجازت دینے کے لیے رسائی کی پالیسی میں ترمیم کریں۔

لیمبڈا فنکشن کے پاس اب SQS قطار تک رسائی کے لیے صحیح اجازت ہونی چاہیے۔

7. ماحولیاتی متغیرات مرتب کریں تاکہ کوڈ میں ان تک رسائی حاصل کی جاسکے۔

لیمبڈا فنکشن کوڈ

لیمبڈا فنکشن SNS قطار سے اطلاع موصول ہونے پر درج ذیل کام انجام دیتا ہے۔

1. خطرے سے دوچار پرجاتیوں کی شناخت کرنے والے کسٹم ماڈل سے لیبلز کا پتہ لگانے کے لیے Amazon Recognition کو API کال کریں۔

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. تصویر سے EXIF ​​ٹیگز حاصل کریں تاکہ تصویر کب لی گئی تاریخ اور دیگر متعلقہ EXIF ​​ڈیٹا حاصل کریں۔ درج ذیل کوڈ انحصار (پیکیج - ورژن) exif-reader - ^1.0.3، sharp - ^0.30.7 استعمال کرتا ہے:

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);
}

یہاں بیان کردہ حل غیر مطابقت پذیر ہے۔ تصاویر کو کیمرے کے جال کے ذریعے کھینچا جاتا ہے اور پھر بعد میں پروسیسنگ کے لیے S3 بالٹی پر اپ لوڈ کیا جاتا ہے۔ اگر کیمرے کے ٹریپ کی تصاویر زیادہ کثرت سے اپ لوڈ کی جاتی ہیں، تو آپ نگرانی والے علاقے میں انسانوں کا پتہ لگانے کے حل کو بڑھا سکتے ہیں اور متعلقہ کارکنوں کو اطلاعات بھیج سکتے ہیں تاکہ ان خطرے سے دوچار جانوروں کے آس پاس کے ممکنہ غیر قانونی شکار کی نشاندہی کی جا سکے۔ یہ لیمبڈا فنکشن کے ذریعے لاگو کیا جاتا ہے جو ایمیزون ریکوگنیشن API کو انسان کی موجودگی کے لیبلز کا پتہ لگانے کے لیے کال کرتا ہے۔ اگر کسی انسان کا پتہ چل جاتا ہے تو، CloudWatch Logs میں ایک غلطی کا پیغام لاگ ان ہوتا ہے۔ ایرر لاگ پر فلٹر شدہ میٹرک CloudWatch الارم کو متحرک کرتا ہے جو تحفظ کے کارکنوں کو ای میل بھیجتا ہے، جو اس کے بعد مزید کارروائی کر سکتے ہیں۔

3. درج ذیل کوڈ کے ساتھ حل کو پھیلائیں:

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. اگر کسی خطرے سے دوچار پرجاتیوں کا پتہ چل جاتا ہے، تو Lambda فنکشن DynamoDB کو شمار، تاریخ اور دیگر اختیاری میٹا ڈیٹا کے ساتھ اپ ڈیٹ کرتا ہے جو تصویر EXIF ​​ٹیگز سے حاصل کیا جاتا ہے:

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();

ڈیٹا کو استفسار اور تصور کریں۔

اب آپ ڈیٹا کو دیکھنے کے لیے Athena اور QuickSight کا استعمال کر سکتے ہیں۔

1. DynamoDB ٹیبل کو Athena کے لیے ڈیٹا سورس کے طور پر سیٹ کریں۔

2. ڈیٹا سورس کی تفصیلات شامل کریں۔

اگلا اہم مرحلہ لیمبڈا فنکشن کی وضاحت کرنا ہے جو ڈیٹا سورس سے جڑتا ہے۔

3. انتخاب کیا۔ لیمبڈا فنکشن بنائیں.

4. کے نام درج کریں۔ AthenaCatalogName اور SpillBucket; باقی ڈیفالٹ سیٹنگز ہو سکتی ہیں۔
5. کنیکٹر فنکشن تعینات کریں۔

تمام تصاویر پر کارروائی کے بعد، آپ ایتھینا سے وقت کے ساتھ آبادی کے فرق کے ڈیٹا کو دیکھنے کے لیے QuickSight کا استعمال کر سکتے ہیں۔

6. ایتھینا کنسول پر، ڈیٹا کا ذریعہ منتخب کریں اور تفصیلات درج کریں۔
7. میں سے انتخاب کریں لیمبڈا فنکشن بنائیں DynamoDB کو کنیکٹر فراہم کرنے کے لیے۔

8. QuickSight ڈیش بورڈ پر، منتخب کریں۔ نیا تجزیہ اور نیا ڈیٹا سیٹ.
9. ایتھینا کو ڈیٹا ماخذ کے طور پر منتخب کریں۔

10. جڑنے اور منتخب کرنے کے لیے کیٹلاگ، ڈیٹا بیس، اور ٹیبل درج کریں۔ منتخب کریں.

11. ڈیٹا سیٹ کی تخلیق مکمل کریں۔

مندرجہ ذیل چارٹ ایک مخصوص دن پر پکڑے گئے خطرے سے دوچار پرجاتیوں کی تعداد کو ظاہر کرتا ہے۔

GPS ڈیٹا کو کیپچر کی گئی تصویر کے EXIF ​​ٹیگز کے حصے کے طور پر پیش کیا جاتا ہے۔ ان خطرے سے دوچار جانوروں کے مقام کی حساسیت کی وجہ سے، ہمارے ڈیٹاسیٹ میں GPS کا مقام نہیں تھا۔ تاہم، ہم نے مصنوعی ڈیٹا کا استعمال کرتے ہوئے ایک جغرافیائی چارٹ بنایا ہے تاکہ یہ ظاہر کیا جا سکے کہ GPS ڈیٹا دستیاب ہونے پر آپ مقامات کو کیسے دیکھ سکتے ہیں۔

صاف کرو

غیر متوقع اخراجات سے بچنے کے لیے، AWS سروسز کو بند کرنا یقینی بنائیں جو آپ نے اس مظاہرے کے حصے کے طور پر استعمال کی ہیں—S3 بالٹیاں، DynamoDB ٹیبل، QuickSight، Athena، اور تربیت یافتہ Recognition Custom Labels ماڈل۔ اگر آپ کو ان کی مزید ضرورت نہیں ہے تو آپ کو ان وسائل کو براہ راست ان کے متعلقہ سروس کنسولز کے ذریعے حذف کرنا چاہیے۔ کا حوالہ دیتے ہیں ایمیزون ریکگنیشن کسٹم لیبلز ماڈل کو حذف کرنا ماڈل کو حذف کرنے کے بارے میں مزید معلومات کے لیے۔

نتیجہ

اس پوسٹ میں، ہم نے ایک خودکار نظام پیش کیا جو خطرے سے دوچار پرجاتیوں کی شناخت کرتا ہے، ان کی آبادی کی گنتی کو ریکارڈ کرتا ہے، اور وقت کے ساتھ ساتھ آبادی میں فرق کے بارے میں بصیرت فراہم کرتا ہے۔ جب انسان (ممکنہ شکاری) ان خطرے سے دوچار پرجاتیوں کے آس پاس ہوں تو آپ حکام کو آگاہ کرنے کے حل کو بھی بڑھا سکتے ہیں۔ Amazon Recognition کی AI/ML صلاحیتوں کے ساتھ، ہم خطرے سے دوچار انواع اور ان کے ماحولیاتی نظام کے تحفظ کے لیے تحفظاتی گروپوں کی کوششوں کی حمایت کر سکتے ہیں۔

Recognition Custom Labels کے بارے میں مزید معلومات کے لیے، رجوع کریں۔ Amazon Recognition Custom Labels کے ساتھ شروع کرنا اور معتدل مواد. اگر آپ Recognition Custom Labels کے لیے نئے ہیں، تو آپ ہمارے Free Tier کو استعمال کر سکتے ہیں، جو 3 ماہ تک جاری رہتا ہے اور اس میں ہر ماہ 10 مفت تربیتی گھنٹے اور ہر ماہ 4 مفت انفرنس گھنٹے شامل ہیں۔ Amazon Recognition Free Tier میں 5,000 ماہ کے لیے ہر ماہ 12 تصاویر پر کارروائی شامل ہے۔

مصنفین کے بارے میں

جیوتی گودر AWS میں پارٹنر سلوشنز آرکیٹیکٹ مینیجر ہے۔ وہ گلوبل سسٹم انٹیگریٹر پارٹنر کے ساتھ مل کر کام کرتی ہے تاکہ صارفین کو اپنے کام کے بوجھ کو AWS میں منتقل کرنے میں مدد فراہم کی جا سکے۔

جے راؤ AWS میں پرنسپل سولیوشن آرکیٹیکٹ ہیں۔ وہ صارفین کو تکنیکی اور اسٹریٹجک رہنمائی فراہم کرنے اور AWS پر حل تیار کرنے اور لاگو کرنے میں ان کی مدد کرنے سے لطف اندوز ہوتا ہے۔