2018 সালে, অস্ট্রেলিয়ার রেঞ্জারবট 99.4% নির্ভুলতার সাথে প্রবাল-খাদ্য মুকুট-অফ-থর্ন স্টারফিশ শনাক্ত করেছে এবং পিত্ত লবণের একক ইনজেকশন দিয়ে প্রতিটিকে মারার জন্য তৈরি করা হয়েছিল |

0
2018 সালে, অস্ট্রেলিয়ার রেঞ্জারবট 99.4% নির্ভুলতার সাথে প্রবাল-খাদ্য মুকুট-অফ-থর্ন স্টারফিশ শনাক্ত করেছে এবং পিত্ত লবণের একক ইনজেকশন দিয়ে প্রতিটিকে মারার জন্য তৈরি করা হয়েছিল |


2018 সালে, অস্ট্রেলিয়ার রেঞ্জারবট 99.4% নির্ভুলতার সাথে প্রবাল-খাদ্য মুকুট-অফ-থর্ন স্টারফিশ শনাক্ত করেছে এবং পিত্ত লবণের একক ইনজেকশন দিয়ে প্রতিটিকে মারার জন্য তৈরি করা হয়েছিল |
RangerBot এর পাশে মালদ্বীপে কাঁটার মুকুট (Acanthaster planci)। ক্রেডিট: YouTube/@dronebelow8647, উইকিপিডিয়া

বাহ্যিক কারণগুলি সর্বদা একটি প্রবাল প্রাচীরকে হুমকি দেয় না। গ্রেট ব্যারিয়ার রিফের প্রবাল আবরণের জন্য সবচেয়ে স্থায়ী হুমকিগুলির মধ্যে একটি হল একটি স্থানীয় প্রজাতি যা স্বাভাবিক সংখ্যায়, প্রকৃতপক্ষে একটি উপকারী পরিবেশগত কাজ করে। পরিমিত পরিমাণে, কাঁটার মুকুট নক্ষত্রটি দ্রুত বর্ধনশীল প্রবাল প্রজাতিকে খাওয়ানোর মাধ্যমে ধীরে ধীরে ক্রমবর্ধমান প্রবাল প্রতিষ্ঠা করতে সহায়তা করে। সমস্যাটি দেখা দেয় যখন ক্রাউন-অফ-থর্নস তারার জনসংখ্যা প্রাদুর্ভাবের স্তরে পৌঁছায়, একটি প্রক্রিয়া যা অতিরিক্ত পুষ্টি, সমুদ্রের স্রোত, জীবন্ত প্রবালের প্রাপ্যতা এবং প্রাকৃতিক শিকার হ্রাস দ্বারা প্রভাবিত হতে পারে। গবেষকরা এই ভিত্তির উপর ভিত্তি করে রোবোটিক সিস্টেম তৈরি করেছেন যে স্বয়ংক্রিয় সনাক্তকরণ এবং অপসারণ স্টারফিশের ডুবুরি-ভিত্তিক পর্যবেক্ষণ পরিপূরক করতে সহায়তা করতে পারে।একটি ধীরগতির বাগ থেকে একটি প্রাচীর-বিস্তৃত বিপর্যয়ক্রাউন-অফ-কাঁটার প্রাদুর্ভাব নিয়মিতভাবে গ্রেট ব্যারিয়ার রিফের অংশগুলিকে নিশ্চিহ্ন করে দিয়েছে এবং গবেষকরা অনুমান করেছেন যে গত কয়েক দশক ধরে প্রাচীরে পর্যবেক্ষণ করা সমস্ত প্রবাল ক্ষতির উল্লেখযোগ্য শতাংশের জন্য তারা দায়ী। স্বাভাবিক ব্যবস্থাপনার কৌশল, যেখানে ডুবুরিরা ব্যক্তিগতভাবে প্রতিটি স্টারফিশের মধ্যে একটি প্রাণঘাতী দ্রবণ ইনজেকশন করে, কার্যকর কিন্তু ধীরগতির, শারীরিকভাবে চাহিদাপূর্ণ এবং যে কোনো বছরে রিফের বিস্তীর্ণ অঞ্চলের একটি ছোট শতাংশ কভার করতে পারে। কুইন্সল্যান্ড ইউনিভার্সিটি অফ টেকনোলজির রোবোটিসিস্টরা 2000 এর দশকের শুরু থেকে একটি স্বয়ংক্রিয় প্রতিস্থাপনের জন্য কাজ করছেন। তাদের প্রথম প্রোটোটাইপটি প্রায় পঁয়ষট্টি শতাংশ নির্ভুলতার সাথে স্টারফিশ সনাক্ত করতে পারে, যা তত্ত্বাবধান ছাড়া ব্যবহারের জন্য যথেষ্ট নির্ভরযোগ্য।2016 সালের Google ইমপ্যাক্ট চ্যালেঞ্জ অনুসরণ করে প্রায় দুই বছরের গবেষণা, উন্নয়ন এবং পরীক্ষার পর, QUT এবং এর অংশীদাররা 2018 সালে RangerBot উন্মোচন করে, অবশেষে RangerBot, একটি স্বল্প খরচের স্বায়ত্তশাসিত আন্ডারওয়াটার যান, যা তারা 2018 সালে উন্মোচন করেছিল। RangerBot পূর্ববর্তী প্রোটোটাইপগুলির মতো একটি নৌকার সাথে সংযুক্ত নয়, যা ব্যয়বহুল অ্যাকোস্টিক সরঞ্জাম ব্যবহার করেছিল এবং প্রাচীরের চারপাশে চলাফেরা করার জন্য একজন মানব অপারেটর দ্বারা শারীরিকভাবে নির্দেশিত হতে হয়েছিল। এটি একটি অন-বোর্ড ভিশন সিস্টেম ব্যবহার করে অবাধে বিচরণ করে।রোবটের একটি মধ্যবর্তী সংস্করণ, ক্রাউন-অফ-থর্নস স্টারফিশের বৈজ্ঞানিক সংক্ষেপের পরে COTSbot নামে পরিচিত, 2015 সালে প্রাথমিক সনাক্তকরণ এবং ইনজেকশন ধারণাটি প্রথম দেখায়, কিন্তু তারপরও পুরো অপারেশন জুড়ে একটি পাঁজর এবং নিবিড় পর্যবেক্ষণ প্রয়োজন। এই কাজটি RangerBot-এর দিকে পরিচালিত করেছিল, যা বিভিন্ন দিকে সরানোর জন্য একাধিক থ্রাস্টার ব্যবহার করে এবং পূর্ববর্তী সিস্টেমগুলির তুলনায় একটি ছোট, কম খরচের বিকল্প হিসাবে ডিজাইন করা হয়েছিল।একটি প্রজাতিকে চিনতে এবং অন্যটিকে উপেক্ষা করার জন্য একটি রোবটকে প্রশিক্ষণ দিনগবেষণার প্রধান প্রযুক্তিগত চ্যালেঞ্জটি ছিল রোবটটিকে কাঁটা-অফ-কাঁটা নক্ষত্রগুলিকে বাকি প্রাচীর থেকে নির্ভরযোগ্যভাবে আলাদা করা, যার মধ্যে বেশ কয়েকটি নিরীহ স্টারফিশ প্রজাতি রয়েছে যা দেখতে অনেকটা একই রকম। QUT রিপোর্ট করেছে যে RangerBot এর রিয়েল-টাইম কম্পিউটার ভিশন সিস্টেম পরীক্ষার সময় 99.4 শতাংশ নির্ভুলতার সাথে ক্রাউন-অফ-থর্ন স্টারফিশ সনাক্ত করতে পারে।সেই নির্ভুলতা গুরুত্বপূর্ণ ছিল, কারণ রোবটের পরবর্তী পদক্ষেপটি ছিল শেষ। একবার রেঞ্জারবট একটি আবিষ্কার নিশ্চিত করলে, এটি পিত্ত লবণের একটি একক ইনজেকশন সরবরাহ করে, এটি জেমস কুক বিশ্ববিদ্যালয়ের গবেষকদের দ্বারা উদ্ভাবিত একটি প্রাকৃতিক পদার্থ যা ক্রাউন-অফ-থর্ন স্টারফিশের জন্য প্রাণঘাতী, কাছাকাছি প্রবাল, মাছ এবং অন্যান্য প্রাচীরের জীবগুলিকে অক্ষত রাখে। অনেক ক্ষেত্রে, একটি একক ইনজেকশন টার্গেট স্টারফিশকে মারার জন্য যথেষ্ট, পূর্ববর্তী নিয়ন্ত্রণ কৌশলগুলির উন্নতি করে যা কখনও কখনও একই প্রাণীর জন্য একাধিক ইনজেকশনের প্রয়োজন হয়।

গ্রেট ব্যারিয়ার রিফে স্নরকেল

অস্ট্রেলিয়ার গ্রেট ব্যারিয়ার রিফে স্নরকেল। ক্রেডিট – উইকিমিডিয়া কমন্স

স্টারফিশ নিয়ন্ত্রণ থেকে বিস্তৃত প্রাচীর কাজRangerBot এর শিকড় একটি আদর্শ গবেষণা অনুদান ছিল না কিন্তু একটি জনপ্রিয় ভোট ছিল. রোবটটি মূলত 2016 সালের Google ইমপ্যাক্ট চ্যালেঞ্জে গ্রেট ব্যারিয়ার রিফ ফাউন্ডেশনের বিজয়ী এন্ট্রি দ্বারা অর্থায়ন করা হয়েছিল, যা জনসাধারণের দ্বারা কয়েক হাজার ভোটের দ্বারা সমর্থিত হয়েছিল এবং সেই তহবিল প্রদান করেছিল যা QUT রোবোটিস্টদের 2018 সালে রিফ HQ অ্যাকোয়ারিয়ামে 2018 সালে চালু হওয়ার আগে রোবটটিকে নিখুঁত করার জন্য ব্যয় করতে দেয়৷2018 সালে চালু হওয়ার পর থেকে, RangerBot প্ল্যাটফর্মটি জলের গুণমান নিরীক্ষণ এবং ক্ষতিগ্রস্ত প্রাচীর এলাকায় প্রবাল লার্ভা সরবরাহ সহ বিস্তৃত রিফ পর্যবেক্ষণ এবং পুনরুদ্ধারের কাজের জন্যও অভিযোজিত হয়েছে, যে কাজটি QUT-এর চলমান রিফ গবেষণা উদ্যোগের মাধ্যমে নথিভুক্ত করা হয়েছে। 2018 সালে, QUT ক্ষতিগ্রস্ত প্রাচীর এলাকায় ল্যাব-উত্থাপিত প্রবাল লার্ভা সরবরাহ করার জন্য প্ল্যাটফর্মটিকে লার্ভালবট-এর সাথে মানিয়ে নিয়েছে। পুনরুদ্ধার কাজের একটি স্কেল যা শুধুমাত্র ম্যানুয়াল পদ্ধতি ব্যবহার করে মানব ডাইভারদের জন্য মেলে কার্যকরভাবে অসম্ভব হবে।প্রযুক্তি ডাইভার, জীববিজ্ঞানী এবং রিফ ম্যানেজারদের প্রতিস্থাপন করে না যারা গ্রেট ব্যারিয়ার রিফের মাটিতে অনেক সংরক্ষণের কাজ করে। রেঞ্জারবট যে একক ডাইভে একজন মানুষের ডুবুরির চেয়ে প্রায় তিনগুণ নিচে থাকতে পারে তার অর্থ হল এটি একটি একক অভিযানে সীমিত অক্সিজেন সরবরাহের চেয়ে অনেক বেশি এলাকা কভার করতে পারে। পরিবর্তে, রোবটটি অতিরিক্ত চোখ এবং সরঞ্জামগুলির একটি নির্দিষ্ট সেট সরবরাহ করে, এটিকে দীর্ঘ সময়ের জন্য এবং এমন পরিস্থিতিতে কাজ করার অনুমতি দেয় যা মানব ডুবুরিদের সীমাবদ্ধ করতে পারে, যেটি রাতে কাজ করতে পারে, একটি মানব ডুবুরিদের জন্য অনিরাপদ পরিস্থিতিতে, শুধুমাত্র একটি ক্ষতিকারক প্রজাতির উপর ফোকাস করে এবং সমস্ত কিছুকে প্রাচীরে একা রেখে দেয়।



Source link

Leave a Reply

Your email address will not be published. Required fields are marked *

You may have missed

桜 (Sakura) 光 (Hikari) 未来 (Mirai) 空 (Sora) 希望 (Kibou) 星 (Hoshi) 絆 (Kizuna) 風 (Kaze) 夢 (Yume) 月 (Tsuki) 海 (Umi) 森 (Mori) 花 (Hana) 雨 (Ame) 虹 (Niji) 雪 (Yuki) 川 (Kawa) 太陽 (Taiyou) 雲 (Kumo) 山 (Yama) 愛 (Ai) 平和 (Heiwa) 自由 (Jiyuu) 旅 (Tabi) 心 (Kokoro) 勇気 (Yuuki) 情熱 (Jounetsu) 信義 (Shingi) 真実 (Shinjitsu) 奇跡 (Kiseki) 運命 (Unmei) 永遠 (Eien) 翼 (Tsubasa) 道 (Michi) 友 (Tomo) 家族 (Kazoku) 記憶 (Kioku) 時間 (Jikan) 宇宙 (Uchuu) 世界 (Sekai) 自然 (Shizen) 命 (Inochi) 朝日 (Asahi) 夕焼け (Yuuyake) 夜空 (Yozora) 銀河 (Ginga) 宝石 (Houseki) 静寂 (Seijaku) 感謝 (Kansha) 幸福 (Koufuku) 笑顔 (Egao) 響き (Hibiki) 波 (Nami) 潮風 (Shiokaze) 木漏れ日 (Komorebi) 黄昏 (Tasogare) 息吹 (Ibuki) 灯火 (Tomoshibi) 大地 (Daichi) 青空 (Aozora) 白雲 (Shirakumo) 清流 (Seiryuu) 翠雨 (Suiu) 春風 (Harukaze) 秋桜 (Kosumosu) 冬景色 (Fuyugeshiki) 夏空 (Natsuzora) 星座 (Seiza) 流星 (Ryuusei) 満月 (Mangetsu) 新月 (Shingetsu) 暁 (Akatsuki) 黎明 (Reimei) 陽光 (Youkou) 紫陽花 (Ajisai) 向日葵 (Himawari) 紅葉 (Momiji) 銀杏 (Ginkgo) 朝露 (Asatsuyu) 薫風 (Kunpuu) 初雪 (Hatsuyuki) 蛍火 (Hotarubi) 泡沫 (Utakata) 悠久 (Yuukyuu) 天の川 (Amanogawa)