দাবানল অপেক্ষা করে না। এটি বাস্তুতন্ত্রকে ধ্বংস করে, বন্যপ্রাণীদের বাস্তুচ্যুত করে এবং সামান্য সতর্কবার্তা দিয়েই জনপদকে হুমকির মুখে ফেলে। একটি নিয়ন্ত্রিত দহন এবং একটি ভয়াবহ অগ্নিকাণ্ডের মধ্যে পার্থক্যটি প্রায়শই মাত্র কয়েক মিনিটের ওপর নির্ভর করে। দ্রুত শনাক্তকরণই হলো আসল চাবিকাঠি। তবুও কয়েক দশক ধরে আমরা এমন পদ্ধতির ওপর নির্ভর করে আসছি যা ধীরগতির, বিক্ষিপ্ত, অথবা আগুনের আকার ছোট থাকাকালীন তা থামানোর জন্য যথেষ্ট কার্যকর নয়।
অগ্নি পর্যবেক্ষণ টাওয়ার, মাঝে মাঝে আকাশপথে জরিপ এবং স্যাটেলাইটের সাহায্য অসংখ্য একর বন রক্ষা করেছে, কিন্তু এগুলোর কিছু বিপজ্জনক অন্ধবিন্দু (blind spots) রয়েছে। কুয়াশাচ্ছন্ন কোনো বিকেলে একজন রেঞ্জার ধোঁয়ার একটি পাতলা রেখা দেখে নাও নাও করতে পারেন। একটি স্যাটেলাইট হয়তো প্রতি কয়েক ঘণ্টা অন্তর একবার মাথার ওপর দিয়ে যায়, যার ফলে এমন কিছু সময়ের ব্যবধান থেকে যায় যেখানে একটি আগুনের শিখা কোনো বাধা ছাড়াই ছড়িয়ে পড়তে পারে। যখন দূর থেকে ধোঁয়া দেখা যায়, ততক্ষণে আগুন প্রায়শই নিয়ন্ত্রণের বাইরে চলে যায়।
এখন ইমেজ প্রসেসিং এবং কম্পিউটার ভিশন বন্য প্রকৃতি পর্যবেক্ষণের পদ্ধতি বদলে দিচ্ছে। দিগন্তের দিকে তাকিয়ে মানুষের চোখের ওপর পুরোপুরি নির্ভর করার পরিবর্তে, ক্যামেরার নেটওয়ার্কগুলো লাইভ ফুটেজ এমন সব অ্যালগরিদমে পাঠায় যা কোনো অস্বাভাবিকতা দেখা দেওয়ার সাথে সাথেই তা শনাক্ত করতে প্রশিক্ষিত। এই প্রযুক্তি রঙের পরিবর্তন, গতির ধরন এবং ধোঁয়া বা আগুনের শিখার বিশেষ চিহ্নগুলো খুঁজে বের করে। যখন কিছু অস্বাভাবিক মনে হয়, সিস্টেমটি একটি সতর্কতা (alert) জারি করে। অগ্নিনির্বাপক কর্মীরা আগুনের শিখা বর্গ কিলোমিটার নয়, বরং বর্গ মিটারে থাকাকালীনই কাজ শুরু করার সুযোগ পান।
পাইপলাইনটি যেভাবে কাজ করে
এটি হার্ডওয়্যার দিয়ে শুরু হয়। পাহাড়ের চূড়া, যোগাযোগ টাওয়ার বা নির্দিষ্ট মাস্তুলের ওপর বসানো ক্যামেরাগুলো বনভূমি এলাকার নিরবচ্ছিন্ন ভিডিও ধারণ করে। কিছু সেটআপে সাধারণ দৃশ্যমান আলোর (visible-light) ক্যামেরা ব্যবহার করা হয়। অন্যগুলোতে থার্মাল ইমেজিং যুক্ত করা হয় যাতে ধোঁয়া পাতলা বা দৃশ্যমানতা কম থাকলেও তাপের উপস্থিতি শনাক্ত করা যায়। উভয় ক্ষেত্রেই, ভূপ্রকৃতি অনুযায়ী তারযুক্ত বা তারবিহীন নেটওয়ার্কের মাধ্যমে ফিডটি একটি প্রসেসিং হাবে পৌঁছায়।
সেখানে কম্পিউটার ভিশন অ্যালগরিদমগুলো কাজ শুরু করে। তারা নির্দিষ্ট সংকেত বা কিউ (cues) খোঁজার জন্য আগত ফ্রেমগুলো বিশ্লেষণ করে। সবুজ গাছের ওপর থেকে ধোঁয়া ওঠা এমন একটি রঙের বৈপরীত্য (color contrast) তৈরি করে যা মেঘের ছায়া বা ভোরের কুয়াশা থেকে সম্পূর্ণ আলাদা। আগুনের শিখা এমন কম্পাঙ্ক এবং প্যাটার্নে কাঁপে যা স্থির সূর্যালোকের প্রতিফলনের মতো নয়। উন্নত সিস্টেমগুলো গাছের স্বাভাবিক দুলুনির বিপরীতে ঊর্ধ্বমুখী গতি শনাক্ত করতে পর্যায়ক্রমিক ফ্রেমগুলোর তুলনা করে। সফটওয়্যারটি একসাথে একাধিক ভিজ্যুয়াল বৈশিষ্ট্য ক্রস-রেফারেন্স করার মাধ্যমে ধুলোর মেঘ বা উপত্যকায় কুয়াশার মতো সাধারণ ঘটনাগুলোকে ফিল্টার করে বাদ দিয়ে দেয়।
শনাক্তকরণ হলো লড়াইয়ের অর্ধেক। সিস্টেমটিকে এটাও সিদ্ধান্ত নিতে হয় যে কখন পদক্ষেপ নিতে হবে। একটি শক্তিশালী প্ল্যাটফর্ম আগুনের স্থানাঙ্ক (coordinates) অনুমান করার জন্য ক্যামেরার অবস্থান এবং ভূগোলের ত্রিকোণমিতিক অবস্থান (triangulate) নির্ণয় করবে। এরপর এটি শনাক্ত করার কয়েক সেকেন্ডের মধ্যেই সরাসরি ডিসপ্যাচ সেন্টার বা ফিল্ড ক্রুদের কাছে সতর্কতা পাঠাতে পারে। এই গতি অত্যন্ত গুরুত্বপূর্ণ। মাত্র দশ বর্গমিটার এলাকায় ছড়িয়ে থাকা আগুন অনেক সময় একটি দল এবং সাধারণ সরঞ্জাম দিয়ে নিয়ন্ত্রণে আনা সম্ভব। কিন্তু এক ঘণ্টা দেরি হলে সেই একই আগুন নেভাতে বিমান, শত শত কর্মী এবং রাস্তা বন্ধ করার প্রয়োজন হয়।
অ্যালগরিদমগুলো আসলে কী কী খোঁজে
বর্তমানের অধিকাংশ পদ্ধতিতে তিনটি প্রাথমিক বৈশিষ্ট্য প্রাধান্য পায়।
রঙের বিচ্যুতি (Color aberration)। সুস্থ বনভূমির উপরিভাগ বা ক্যানোপি একটি অনুমেয় উপায়ে আলো প্রতিফলিত করে। ধোঁয়া ধূসর এবং বাদামী রঙের ছটা নিয়ে আসে যা সেই প্যাটার্নগুলোকে ভেঙে দেয়। আগুনের শিখা দৃশ্যমান হওয়ার আগেই, নতুন আগুনের কারণে সৃষ্ট বায়ুমণ্ডলীয় কুয়াশা একটি দৃশ্যের কালার হিস্টোগ্রাম (color histogram) পরিবর্তন করে দেয়। অ্যালগরিদমগুলো আগ্রহের অঞ্চলগুলোতে (regions of interest) এই হিস্টোগ্রাম পরিবর্তন পর্যবেক্ষণ করে।
গতির গতিশীলতা (Motion dynamics)। ধোঁয়া আবহাওয়ার মতো আচরণ করে না। এটি ওপরে ওঠে, প্রসারিত হয় এবং এমন অস্থিরতার সাথে ভেসে বেড়ায় যা অনিয়মিত প্রান্ত তৈরি করে। কম্পিউটার ভিশন মডেলগুলো অপটিক্যাল ফ্লো (optical flow) বা ফ্রেমের মধ্যে বস্তুর আপাত গতি ট্র্যাক করে, যাতে ধোঁয়ার কুণ্ডলীকে মেঘ বা উড়ন্ত আবর্জনা থেকে আলাদা করা যায়।
তাপীয় স্বাক্ষর (Thermal signature)। ইনফ্রারেড ক্যামেরা আলোর পরিবর্তে তাপ শনাক্ত করে। গাছের শুকনো পাতার নিচে জ্বলতে থাকা আগুন দিনের আলোতে কোনো দৃশ্যমান ধোঁয়া তৈরি নাও করতে পারে, কিন্তু এটি ইনফ্রারেড বিকিরণ নির্গত করবে। থার্মাল সেন্সরগুলো এটি সাথে সাথে শনাক্ত করে, যা কর্মীদের আগুনের শিখা দৃশ্যমান হওয়ার আগেই আগুনের উৎস নিভিয়ে ফেলার সুযোগ দেয়।
বন্য পরিবেশে স্থাপন
বাস্তবায়নের ক্ষেত্রে ক্যামেরা স্থাপন এবং শক্তির উৎস নিয়ে কঠিন সিদ্ধান্ত নিতে হয়। বনভূমিতে খুব কমই নির্ভরযোগ্য গ্রিড বিদ্যুৎ বা ফাইবার ইন্টারনেট পাওয়া যায়। ক্যামেরা স্থাপনের জন্য প্রায়শই সোলার প্যানেল, ব্যাটারি ব্যাংক এবং সেলুলার বা রেডিও লিঙ্কের ওপর নির্ভর করতে হয়। ইঞ্জিনিয়ারদের গাছের বৃদ্ধি, আবহাওয়ার প্রভাব এবং বন্যপ্রাণীর হস্তক্ষেপের বিষয়টি মাথায় রাখতে হয়। বসন্তকালে বসানো একটি ক্যামেরা যদি খুব সামান্য জায়গা ছেড়ে দিয়ে বসানো হয়, তবে গ্রীষ্মের ঘন পাতায় তা ঢেকে যেতে পারে।
কভারেজ প্যাটার্ন বা পরিধিও গুরুত্বপূর্ণ। একটি উঁচু চূড়ার ওপর থাকা একটি ক্যামেরা কয়েক ডজন বর্গকিলোমিটার এলাকা পর্যবেক্ষণ করতে পারে, কিন্তু উপত্যকা এবং ঘন বন ছায়া তৈরি করে যেখানে আগুন লুকিয়ে থাকতে পারে। সবচেয়ে কার্যকর নেটওয়ার্কগুলো একাধিক কোণ থেকে ওভারল্যাপিং ফিল্ড অফ ভিউ (overlapping fields of view) ব্যবহার করে। এই অতিরিক্ত ব্যবস্থা (redundancy) অন্ধ এলাকাগুলো (blind spots) দূর করে এবং এমন কৌশল ব্যবহারের সুযোগ দেয় যা একটি একক সেন্সরের তুলনায় ধোঁয়ার উৎসের দূরত্ব আরও নির্ভুলভাবে অনুমান করতে পারে।
মানুষের অংশগ্রহণ বজায় রাখা
অটোমেশন মানেই প্রক্রিয়া থেকে মানুষকে সরিয়ে দেওয়া নয়। সেরা সিস্টেমগুলো ইমেজ প্রসেসিংকে একটি অক্লান্ত প্রথম ফিল্টার হিসেবে বিবেচনা করে, মানুষের বিচারবুদ্ধির বিকল্প হিসেবে নয়। একজন প্রশিক্ষিত ডিসপ্যাচার সম্পদ ব্যবহারের আগে নিশ্চিত হওয়ার জন্য সতর্কবার্তা বা ক্লিপটি পর্যালোচনা করেন। এই হাইব্রিড পদ্ধতিটি মানুষের প্রেক্ষাপট বোঝার ক্ষমতা বজায় রেখে মেশিনের গতির সুবিধা গ্রহণ করে। এটি কি ধোঁয়া, নাকি কোনো কৃষক কাছেই আইনত ফসলের অবশিষ্টাংশ পুড়াচ্ছে? একজন স্থানীয় অপারেটর প্রায়ই এই পার্থক্যটি জানেন।
ফলস পজিটিভ (False positives) যেকোনো ডিটেকশন নেটওয়ার্কের বাস্তব শত্রু। যে সিস্টেম বারবার ভুল সতর্কতা দেয়, তা শেষ পর্যন্ত অবহেলিত হয়। আধুনিক প্রয়োগগুলো একাধিক ডিটেকশন স্তরের মাধ্যমে এই সমস্যা মোকাবিলা করে। একটি প্রাথমিক লো-থ্রেশহোল্ড ফ্ল্যাগ (low-threshold flag) একটি সেকেন্ডারি এবং আরও কঠোর মডেলের মাধ্যমে নিবিড় পরিদর্শনের জন্য ট্রিগার করে। কিছু নেটওয়ার্ক জরুরি অবস্থার জন্য রিপোর্ট করার আগে ভিজ্যুয়াল অ্যালার্টগুলোকে অন্যান্য সেন্সরের সাথে, যেমন বাতাসের গুণমান পরিমাপক বা বজ্রপাত ডেটাবেসের সাথে মিলিয়ে দেখে।
দুর্গম ভূখণ্ডে সম্প্রসারণ
সম্ভবত ইমেজ-ভিত্তিক পদ্ধতির সবচেয়ে বড় সুবিধা হলো অর্থনৈতিক স্কেল। প্রতিটি ঝুঁকিপূর্ণ বনের প্রতিটি হেক্টর এলাকা পাহারা দেওয়ার জন্য যথেষ্ট রেঞ্জার নিয়োগ করা অসম্ভব। ক্রমাগত মানুষচালিত বিমান উড্ডয়ন করা অত্যন্ত ব্যয়বহুল। বিদ্যমান অবকাঠামোতে বসানো ক্যামেরাগুলো একবার স্থাপন করা হলে, খুব সামান্য পরিচালন ব্যয়ে দিনরাত নজরদারি করতে পারে। তারা ক্লান্ত হয় না, বিচলিত হয় না বা তাদের শিফট পরিবর্তনের প্রয়োজন হয় না।
এই স্কেলেবিলিটি সেই অঞ্চলগুলোর জন্য সুরক্ষা উন্মোচন করে যেগুলোর আগে প্রায় কোনো আগাম সতর্কবার্তা দেওয়ার ক্ষমতা ছিল না। উন্নয়নশীল দেশ, দুর্গম সংরক্ষিত এলাকা এবং বনাঞ্চলের মধ্য দিয়ে যাওয়া ইউটিলিটি করিডোরগুলো বিশাল কমান্ড সেন্টার তৈরি না করেই একটি মৌলিক ডিটেকশন ক্ষমতা অর্জন করতে পারে। এর মূল প্রয়োজনীয়তা হলো একটি ক্যামেরা, একটি প্রসেসর এবং একটি যোগাযোগ মাধ্যম। অফ-দ্য-শেলফ হার্ডওয়্যার এবং ওপেন-সোর্স বা প্রোপাইটারি ভিশন মডেলের সমন্বয় কয়েক বছর আগের তুলনায় বাধাগুলোকে নাটকীয়ভাবে কমিয়ে দিয়েছে।
মূল কথা
ইমেজ প্রসেসিং প্রতিটি দাবানল থামিয়ে দেবে না। বজ্রপাত এখনও হয়, অগ্নিসংযোগ এখনও ঘটে এবং সরঞ্জাম থেকে এখনও স্ফুলিঙ্গ বের হয়। কিন্তু এই প্রযুক্তি প্রজ্বলন এবং শনাক্তকরণের মধ্যবর্তী সময়কে ঘণ্টা থেকে সেকেন্ডে নামিয়ে আনে। এটি দমকল কর্মীদের আগুনের শিখা নিয়ন্ত্রণে আসার আগেই তা নেভানোর সুযোগ করে দেয়। ফায়ার চিফ এবং ভূমি ব্যবস্থাপকদের জন্য মনিটরিং মিক্সে কম্পিউটার ভিশন অন্তর্ভুক্ত করা আর কোনো ভবিষ্যৎমুখী পরীক্ষা নয়। এটি একটি ব্যবহারিক আপগ্রেড যা আরও বেশি এলাকা কভার করে, সারা রাত কাজ করে এবং মানব কর্মীদের সেই জিনিসটি দেয় যা তাদের সবচেয়ে বেশি প্রয়োজন: একটি দ্রুত শুরুর সুযোগ।
ডিটেকশন পাইপলাইন এবং মডেল আর্কিটেকচারের আরও গভীর প্রযুক্তিগত বিশ্লেষণের জন্য, সম্পূর্ণ বিশ্লেষণটি এখানে পড়ুন। আপনি যদি কম্পিউটার ভিশন অ্যাপ্লিকেশন নিয়ে আলোচনা করতে চান বা একই ধরণের সমস্যা নিয়ে কাজ করা নির্মাতাদের একটি কমিউনিটিতে যোগ দিতে চান, তবে GyaanSetu learning group দেখুন।