درست ٹیکنالوجی، مشین لرننگ بچھڑے کے نمونیا کی جلد تشخیص کا باعث بنتی ہے: پہننے کے قابل سینسرز، خودکار فیڈر بوائین سانس کی بیماری کے آغاز کے بارے میں سراغ دیتے ہیں

یہ آپ کے دادا کی ڈیری فارمنگ کی حکمت عملی نہیں ہے، پین اسٹیٹ کالج آف ایگریکلچرل سائنسز میں صحت سے متعلق ڈیری سائنس کی اسسٹنٹ پروفیسر، لیڈ ریسرچر میلیسا کینٹر نوٹ کرتی ہیں۔ کینٹور نے نوٹ کیا کہ نئی ٹیکنالوجی تیزی سے سستی ہوتی جا رہی ہے، جو کسانوں کو جانوروں کی صحت کے مسائل کا جلد از جلد پتہ لگانے کے مواقع فراہم کرتی ہے، جس سے بچھڑوں اور ان کی نمائندگی کرنے والی سرمایہ کاری کی بچت ہوتی ہے۔

IoT سے مراد سینسرز، پروسیسنگ اور کمیونیکیشن کی صلاحیتوں، سافٹ ویئر اور دیگر ٹیکنالوجیز سے لیس ایمبیڈڈ ڈیوائسز ہیں جو انٹرنیٹ پر دوسرے آلات کے ساتھ ڈیٹا کو جوڑنے اور اس کا تبادلہ کرنے کے لیے ہیں۔ اس تحقیق میں، کینٹور نے وضاحت کی، IoT ٹیکنالوجیز جیسے پہننے کے قابل سینسر اور خودکار فیڈرز کا استعمال بچھڑوں کی حالت کو قریب سے دیکھنے اور تجزیہ کرنے کے لیے کیا گیا تھا۔

اس طرح کے آئی او ٹی آلات گائیوں کے رویے پر گہری نظر رکھ کر بہت زیادہ ڈیٹا تیار کرتے ہیں۔ اس طرح کے ڈیٹا کی تشریح کرنے اور بچھڑے کی صحت کے مسائل کا سراغ فراہم کرنے کے لیے، محققین نے مشین لرننگ کو اپنایا – مصنوعی ذہانت کی ایک شاخ جو ڈیٹا میں چھپے ہوئے نمونوں کو سیکھتی ہے تاکہ بیمار اور صحت مند بچھڑوں کے درمیان امتیاز کیا جا سکے۔ آلات

کینٹر نے کہا، “ہم بچھڑوں پر ٹانگوں کے بینڈ لگاتے ہیں، جو ڈیری مویشیوں میں سرگرمی کے رویے کا ڈیٹا ریکارڈ کرتے ہیں، جیسے کہ قدموں کی تعداد اور لیٹنے کا وقت،” کینٹر نے کہا۔ “اور ہم نے خودکار فیڈرز کا استعمال کیا، جو دودھ اور اناج کو تقسیم کرتے ہیں اور کھانا کھلانے کے طرز عمل کو ریکارڈ کرتے ہیں، جیسے کہ استعمال شدہ دودھ کی تعداد اور لیٹر۔ ان ذرائع سے حاصل ہونے والی معلومات اس وقت اشارہ کرتی ہیں جب ایک بچھڑے کی حالت خراب ہونے کے دہانے پر تھی۔”

بوائین سانس کی بیماری سانس کی نالی کا ایک انفیکشن ہے جو ڈیری بچھڑوں میں antimicrobial استعمال کی سب سے بڑی وجہ ہے اور بچھڑوں کی اموات کے 22% کی نمائندگی کرتا ہے۔ بیماری کے اخراجات اور اثرات فارم کی معیشت کو شدید نقصان پہنچا سکتے ہیں، کیونکہ ڈیری بچھڑوں کی پرورش سب سے بڑی اقتصادی سرمایہ کاری میں سے ایک ہے۔

کینٹر نے کہا، “بوائین سانس کی بیماری کی تشخیص کے لیے سخت اور خصوصی مشقت کی ضرورت ہوتی ہے جسے تلاش کرنا مشکل ہے۔” “لہذا، IoT آلات پر مبنی درست ٹیکنالوجیز جیسے کہ خودکار فیڈرز، اسکیلز اور ایکسلرومیٹر بیماری کی ظاہری طبی علامات کے ظاہر ہونے سے پہلے رویے میں تبدیلیوں کا پتہ لگانے میں مدد کر سکتے ہیں۔”

مطالعہ میں، صحت سے متعلق لائیو اسٹاک ٹیکنالوجیز کا استعمال کرتے ہوئے 159 ڈیری بچھڑوں سے ڈیٹا اکٹھا کیا گیا اور کینٹکی یونیورسٹی میں بچھڑوں پر روزانہ جسمانی صحت کے امتحانات کرنے والے محققین کے ذریعے ڈیٹا اکٹھا کیا گیا۔ محققین نے خودکار ڈیٹا اکٹھا کرنے کے نتائج اور دستی ڈیٹا اکٹھا کرنے کے نتائج دونوں کو ریکارڈ کیا اور دونوں کا موازنہ کیا۔

حال ہی میں شائع ہونے والے نتائج میں IEEE رسائیانسٹی ٹیوٹ آف الیکٹریکل اینڈ الیکٹرانکس انجینئرز کے ذریعہ شائع کردہ ایک ہم مرتبہ نظرثانی شدہ کھلی رسائی سائنسی جریدے میں، محققین نے رپورٹ کیا کہ مجوزہ نقطہ نظر ان بچھڑوں کی شناخت کرنے کے قابل ہے جو جلد ہی بوائین سانس کی بیماری پیدا کرتے ہیں۔ عددی طور پر، نظام نے بیمار اور صحت مند بچھڑوں پر لیبل لگانے کے لیے 88% کی درستگی حاصل کی۔ 70 فیصد بیمار بچھڑوں کی تشخیص سے چار دن پہلے پیشین گوئی کی گئی تھی، اور 80 فیصد بچھڑوں کا جن میں بیماری کا ایک دائمی کیس تھا بیماری کے پہلے پانچ دنوں میں پتہ چلا۔

انہوں نے کہا کہ “ہمیں یہ جان کر واقعی حیرت ہوئی کہ ان جانوروں میں رویے کی تبدیلیوں کے ساتھ تعلق ان جانوروں سے بہت مختلف تھا جو ایک علاج سے بہتر ہو گئے تھے۔” “اور اس سے پہلے کسی نے اس کی طرف نہیں دیکھا تھا۔ ہم یہ تصور لے کر آئے تھے کہ اگر یہ جانور حقیقت میں مختلف طریقے سے برتاؤ کرتے ہیں، تو شاید ایک موقع ہے کہ مشین لرننگ انفرنس تکنیک کے ساتھ بااختیار IoT ٹیکنالوجیز حقیقت میں ان کی جلد شناخت کر سکیں، اس سے پہلے کہ کوئی بھی برہنہ ہو جائے۔ آنکھ۔ یہ پروڈیوسرز کے اختیارات پیش کرتا ہے۔”

تحقیق میں تعاون کرنے والے تھے: اینریکو کیسیلا، شعبہ جانوروں اور ڈیری سائنس، یونیورسٹی آف وسکونسن-میڈیسن؛ میلیسا کینٹر، شعبہ حیوانات، پین اسٹیٹ یونیورسٹی؛ Megan Woodrum Setser, شعبہ جانوروں اور فوڈ سائنسز، یونیورسٹی آف کینٹکی؛ سائمن سلویسٹری، شعبہ کمپیوٹر سائنس، یونیورسٹی آف کینٹکی؛ اور جواؤ کوسٹا، شعبہ جانوروں اور ویٹرنری سائنسز، یونیورسٹی آف ورمونٹ۔

اس کام کو امریکی محکمہ زراعت اور نیشنل سائنس فاؤنڈیشن نے تعاون کیا۔