देश के पहाड़ी और पूर्वोत्तर क्षेत्रों में पशुधन प्रबंधन को आधुनिक तकनीक से जोड़ने की दिशा में एक महत्वपूर्ण पहल सामने आई है। नागालैंड स्थित ICAR-राष्ट्रीय मिथुन अनुसंधान केंद्र (ICAR-NRC on Mithun) के वैज्ञानिकों ने Artificial Intelligence (AI) और Computer Vision आधारित ऐसी प्रणाली विकसित की है, जो प्राकृतिक फार्म परिस्थितियों में मिथुन के व्यवहार की Real-Time पहचान और Tracking करने में सक्षम है।
यह innovation भविष्य में किसानों और पशुपालकों को पशुओं की Health Monitoring, Breeding Management, Animal Welfare और Precision Livestock Farming में मदद कर सकता है। खास बात यह है कि यह पूरी प्रक्रिया Non-Contact Monitoring के जरिए की जा सकती है, यानी पशु के शरीर पर किसी device या sensor को लगाने की आवश्यकता नहीं होगी।
यह अध्ययन प्रसिद्ध वैज्ञानिक पत्रिका Engineering Research Express के Volume 8 (2026), Article 175213 में प्रकाशित हुआ है। शोध ICAR-NRC on Mithun के वैज्ञानिकों ने NIT Nagaland, Nagaland University और CHRIST (Deemed to be University) के शोधकर्ताओं के सहयोग से पूरा किया है।
मिथुन की निगरानी में AI का इस्तेमाल
मिथुन, जिसे वैज्ञानिक रूप से Bos frontalis कहा जाता है, पूर्वोत्तर भारत के महत्वपूर्ण पशुधन संसाधनों में शामिल है। यह विशेष रूप से क्षेत्र के कई जनजातीय समुदायों के लिए सामाजिक, सांस्कृतिक और आर्थिक रूप से महत्वपूर्ण पशु है।
मिथुन से जुड़े पशुपालन का स्थानीय livelihoods, food security और traditional agricultural systems में भी महत्वपूर्ण योगदान है। ऐसे में इसके health और breeding management को बेहतर बनाना पशुपालकों के लिए बेहद उपयोगी हो सकता है।
अब तक पशुओं के व्यवहार की monitoring मुख्य रूप से manual observation के जरिए की जाती रही है। पशुपालक यह देखते हैं कि पशु कितना खा रहा है, कितनी देर खड़ा रहता है, कब बैठता है और उसके व्यवहार में कोई असामान्य बदलाव तो नहीं आया।
लेकिन इस तरह की monitoring में time और manpower दोनों की आवश्यकता होती है। इसके अलावा रात के समय लगातार पशुओं की निगरानी करना लगभग असंभव हो जाता है।
AI-based monitoring इसी चुनौती का technology-driven solution प्रस्तुत करती है।
12 HD CCTV कैमरों से दिन-रात निगरानी
शोध के दौरान वैज्ञानिकों ने नागालैंड स्थित ICAR-NRC on Mithun के farm में मौजूद दो sheds में 12 High-Definition CCTV cameras लगाए।
इन cameras में Infrared coverage की सुविधा थी, जिसके कारण दिन के साथ-साथ रात में भी animals की activities record की जा सकीं।
यह व्यवस्था महत्वपूर्ण इसलिए है क्योंकि कई animal behaviours रात के समय भी होते हैं। Manual observation में इन activities का पूरा record तैयार करना मुश्किल होता है, जबकि camera-based system लगातार footage record कर सकता है।
इसके बाद researchers ने recorded video footage से एक dataset तैयार किया, जिसमें 3,000 manually classified images शामिल थीं।
इन images में मिथुन के चार प्रमुख behaviours को identify किया गया—
- भोजन करना (Feeding)
- खड़े रहना (Standing)
- बैठना/लेटना (Sitting/Lying)
- माउंटिंग (Mounting)
इन्हीं behaviours के आधार पर AI model को train और evaluate किया गया।
YOLOv8n और DeepSORT ने संभाली Tracking
इस innovative system में दो महत्वपूर्ण AI technologies का इस्तेमाल किया गया है—YOLOv8n और DeepSORT।
YOLOv8n का उपयोग animals को detect करने और उनके behaviour को identify करने के लिए किया गया। वहीं DeepSORT (Simple Online and Realtime Tracking) technology ने video के अलग-अलग frames में individual animals की movement को track करने और उनकी unique identity बनाए रखने में मदद की।
इसका मतलब यह है कि system केवल यह नहीं बताता कि camera के सामने कोई मिथुन मौजूद है, बल्कि अलग-अलग animals की movement को लगातार track भी कर सकता है।
यह feature livestock management के लिए काफी महत्वपूर्ण है, क्योंकि individual animal behaviour को लंबे समय तक monitor करने से health और breeding से संबंधित useful patterns सामने आ सकते हैं।
99.5% mAP और 99.6% Recall
Research में AI system ने उल्लेखनीय performance दिखाई है। YOLOv8n model ने mAP@0.5 पर 99.5 प्रतिशत Mean Average Precision और 99.6 प्रतिशत Recall हासिल किया।
ये आंकड़े बताते हैं कि tested dataset और परिस्थितियों में model ने animal detection और behaviour recognition में बहुत high accuracy दिखाई।
इसके अलावा, system को NVIDIA RTX 3060 GPU पर test किया गया, जहां लगभग 31 frames per second (FPS) की processing speed प्राप्त हुई।
31 FPS की processing capability इस बात का संकेत देती है कि system को real-time monitoring applications में इस्तेमाल करने की संभावना मौजूद है।
हालांकि, laboratory या controlled dataset की performance और actual farm-level performance में अंतर हो सकता है। इसलिए researchers ने अलग-अलग परिस्थितियों में आगे testing की आवश्यकता पर भी जोर दिया है।
मुश्किल Farm Conditions में भी किया गया परीक्षण
AI system की एक खास उपलब्धि यह रही कि इसका परीक्षण केवल ideal conditions में नहीं किया गया।
Research team ने इसे ऐसी परिस्थितियों में भी evaluate किया, जहां animals कभी-कभी camera के सामने पूरी तरह दिखाई नहीं देते थे।
इसके अलावा farm environment में—
- Background clutter
- Uneven और wet ground
- Shadows
- Motion blur
- Partial occlusion
- Night-time infrared footage
जैसी challenges भी मौजूद थीं।
इन परिस्थितियों के बावजूद system ने animal detection और tracking की क्षमता प्रदर्शित की।
यह इसलिए महत्वपूर्ण है क्योंकि वास्तविक farms laboratory environments की तरह perfectly controlled नहीं होते। वहां पशु लगातार movement करते हैं और lighting तथा background conditions भी बदलती रहती हैं।
Animal Health की Early Warning System बन सकती है तकनीक
पशु अपने behaviour के माध्यम से health और physical condition से जुड़े कई संकेत देते हैं।
उदाहरण के लिए, किसी animal के feeding pattern में अचानक कमी आना बीमारी, stress या nutritional problem का संकेत हो सकता है।
इसी तरह standing और sitting patterns में unusual changes भी animal health या discomfort से जुड़े हो सकते हैं।
यदि AI system लगातार इन activities को record करता रहे, तो लंबे समय में individual animal का Behavioural Profile तैयार किया जा सकता है।
इस behavioural profile में होने वाले abnormal changes को future AI systems automatically detect कर सकते हैं।
इससे पशुपालक संभावित health problems की पहचान पहले कर सकते हैं और समय पर veterinary intervention लिया जा सकता है।
हालांकि, वर्तमान research से यह दावा नहीं किया जा सकता कि AI system स्वयं किसी बीमारी का diagnosis कर देता है। इसके लिए veterinary examination और अन्य diagnostic methods की आवश्यकता होगी।
Breeding और Estrus Management में संभावित फायदा
Research में mounting behaviour की identification भी महत्वपूर्ण है।
Livestock breeding में estrus यानी heat period की सही पहचान reproductive management का महत्वपूर्ण हिस्सा है। यदि breeding-related behaviour समय पर detect हो जाए, तो artificial insemination या natural mating के लिए बेहतर timing तय करने में मदद मिल सकती है।
AI-based continuous monitoring इस काम को अधिक systematic बना सकती है।
जहां traditional observation में पशुपालक को animal behaviour पर लगातार नजर रखनी पड़ती है, वहीं camera-based system potentially 24×7 behavioural data उपलब्ध करा सकता है।
इससे breeding management में missed opportunities को कम करने की संभावना बन सकती है।
Precision Livestock Farming को मिलेगा बढ़ावा
Agriculture में Precision Farming का concept तेजी से विकसित हो रहा है। इसी तरह livestock sector में Precision Livestock Farming (PLF) का महत्व बढ़ रहा है।
PLF का उद्देश्य animals से लगातार data collect करके उनके health, welfare, nutrition और productivity से संबंधित बेहतर decisions लेना है।
AI, Computer Vision, IoT और sensor technologies इस field को तेजी से बदल रही हैं।
मिथुन पर किया गया यह research इसी broader technological transformation का हिस्सा है। यदि इस system को बड़े farms और अलग-अलग geographical conditions में successfully scale किया जाता है, तो यह livestock monitoring के लिए एक practical digital tool बन सकता है।
रात में Monitoring की चुनौती का समाधान
पशुधन प्रबंधन में सबसे बड़ी समस्याओं में से एक है continuous monitoring।
दिन के समय farmer या farm staff animals को observe कर सकते हैं, लेकिन रात में ऐसा करना कठिन होता है।
Infrared-enabled CCTV cameras इस limitation को काफी हद तक दूर कर सकते हैं। Research में night-time infrared footage पर भी system का परीक्षण किया गया।
प्रचारित research results में रात के समय mounting behaviour की पहचान में लगभग 97 प्रतिशत confidence का उदाहरण भी सामने आया है।
इससे संकेत मिलता है कि AI-based monitoring केवल daylight conditions तक सीमित नहीं रहनी चाहिए, बल्कि 24-hour livestock management systems की दिशा में आगे बढ़ सकती है।
भविष्य में बीमारी और Aggression की पहचान
वर्तमान research में system को चार प्रमुख behaviours की पहचान के लिए विकसित किया गया है। लेकिन researchers का लक्ष्य इसे भविष्य में और अधिक sophisticated बनाने का है।
आने वाले research में AI system को—
- Aggressive behaviour
- Body cleaning/Grooming
- बीमारी के कारण lethargy या inactivity
- अन्य abnormal behaviours
की पहचान के लिए विकसित किया जा सकता है।
यदि AI किसी animal में सामान्य behaviour से लगातार deviation detect करने में सक्षम हो जाए, तो farm managers को potential problems के बारे में early alerts मिल सकते हैं।
Edge AI से Farm पर ही होगा Data Processing
Future development में Edge Devices का उपयोग भी महत्वपूर्ण हो सकता है।
आज कई AI applications के लिए video data को central server या cloud पर भेजना पड़ता है। इससे internet connectivity और data transfer की जरूरत बढ़ती है।
यदि AI processing farm पर ही edge device के माध्यम से की जाए, तो real-time alerts अधिक तेजी से generate किए जा सकते हैं।
विशेष रूप से पहाड़ी और दूरदराज के क्षेत्रों में यह technology काफी उपयोगी हो सकती है, जहां high-speed internet connectivity हमेशा उपलब्ध नहीं होती।
बड़े Dataset की जरूरत
हालांकि research के results promising हैं, लेकिन researchers ने इसकी limitations को भी स्पष्ट किया है।
वर्तमान system का evaluation एक ही farm पर किया गया है। इसलिए इसे अलग-अलग farms, geographical locations, seasons और animal populations में test करना जरूरी होगा।
अलग-अलग मौसमों में lighting conditions, animal behaviour और farm environment बदल सकते हैं। इसी तरह अलग camera positions और ज्यादा animals होने पर tracking system की performance भी प्रभावित हो सकती है।
इसलिए future research में बड़े और diverse datasets की जरूरत होगी।
अधिक Animals होने पर Tracking की चुनौती
Individual animal tracking AI livestock monitoring की सबसे challenging aspects में से एक है।
जब कई animals एक साथ camera के सामने होते हैं, तो वे एक-दूसरे को partially block कर सकते हैं। ऐसी occlusion की स्थिति में individual identity maintain करना मुश्किल हो सकता है।
Researchers ने भी माना है कि excessive obstruction की स्थिति में AI detection और tracking performance प्रभावित हो सकती है।
इसलिए भविष्य में बेहतर tracking algorithms और advanced temporal AI models की आवश्यकता होगी।
अलग-अलग मौसमों में Validation जरूरी
भारत के पूर्वोत्तर क्षेत्र में weather conditions तेजी से बदल सकती हैं। बारिश, humidity, fog, shadows और low-light conditions camera-based AI systems के लिए challenges पैदा कर सकती हैं।
इसलिए future datasets में अलग-अलग seasons और weather conditions को शामिल करना आवश्यक होगा।
यदि system इन सभी परिस्थितियों में consistent performance देता है, तभी इसे large-scale commercial livestock monitoring solution के रूप में अधिक मजबूती से आगे बढ़ाया जा सकेगा।
Research में कई संस्थानों का सहयोग
यह अध्ययन केवल एक संस्थान तक सीमित research नहीं है। इसे ICAR-National Research Centre on Mithun, NIT Nagaland, Nagaland University और CHRIST (Deemed to be University) के researchers के collaboration से पूरा किया गया है।
यह collaboration livestock science को AI, Computer Vision और advanced computing technologies के साथ जोड़ने का उदाहरण है।
इस तरह के multidisciplinary research models भविष्य में agriculture और livestock sector में technology adoption को तेजी से आगे बढ़ा सकते हैं।
किसानों के लिए क्या बदल सकता है?
यदि इस technology को future में बड़े स्तर पर validate और deploy किया जाता है, तो किसानों और livestock managers को कई practical benefits मिल सकते हैं।
सबसे बड़ा फायदा यह होगा कि उन्हें animals की activities के बारे में continuous data मिल सकेगा।
दूसरा, abnormal behaviour की early identification से health management बेहतर हो सकता है।
तीसरा, breeding-related behaviour की monitoring से reproductive management को support मिल सकता है।
चौथा, manual monitoring पर निर्भरता कम हो सकती है।
और पांचवां, historical behavioural data के आधार पर individual animals की performance और welfare को बेहतर तरीके से understand किया जा सकता है।
नागालैंड में मिथुन पर विकसित किया गया यह AI-Based Livestock Monitoring System भारत में precision animal management की दिशा में एक महत्वपूर्ण research initiative है। YOLOv8n और DeepSORT जैसी AI technologies के combination से researchers ने animal detection, behaviour recognition और real-time tracking की संभावनाओं को प्रदर्शित किया है।
99.5 प्रतिशत mAP@0.5, 99.6 प्रतिशत recall और लगभग 31 FPS processing speed जैसे research results इस technology की क्षमता को दर्शाते हैं। हालांकि, इसे बड़े स्तर पर लागू करने से पहले अलग-अलग farms, मौसमों, geographical conditions और animal populations में extensive validation आवश्यक होगी।
भविष्य में यदि AI system feeding, health, aggression, inactivity और breeding behaviour जैसे कई indicators को एक साथ monitor करने में सक्षम हो जाता है, तो यह Precision Livestock Farming के लिए एक powerful tool बन सकता है।
खास तौर पर पूर्वोत्तर भारत जैसे क्षेत्रों में, जहां मिथुन केवल livestock नहीं बल्कि livelihood, culture और food security का भी महत्वपूर्ण हिस्सा है, ऐसी technology पशुधन प्रबंधन को अधिक scientific, data-driven और efficient बनाने की दिशा में बड़ा कदम साबित हो सकती है।