বহনযোগ্য জলের নিচে শনাক্তকরণ সরঞ্জামের বৃদ্ধিপ্রাপ্ত চাহিদা

ছোট ও উপকূলীয় মৎস্যজীবীদের মধ্যে হালকা ওজনের সমাধানের জন্য বৃদ্ধিপ্রাপ্ত চাহিদা

উপকূলীয় এবং ক্ষুদ্র পরিসরের মৎস্যজীবীরা হালকা জলের নিচে অবস্থিত শনাক্তকরণ সরঞ্জামগুলির দিকে ঝুঁকছে কারণ ঐতিহ্যবাহী সিস্টেমগুলি অভ্যন্তরীণ জলে, যেখানে পরিস্থিতি ধ্রুব্য নয়, ভালোভাবে কাজ করে না। গত বছর ফ্রন্টিয়ার্স ইন ম্যারিন সায়েন্স-এ প্রকাশিত গবেষণায় দেখা গেছে যে প্রায় দুই তৃতীয়াংশ শিল্পোদ্যোগী মৎস্যজীবী তাদের পুরানো সরঞ্জামগুলির সঙ্গে সংগ্রাম করে, যা তাদের 3 কিলোগ্রামের নিচে ওজনের এবং 200 মিটারের বেশি গভীরতায় পৌঁছানোর ক্ষমতা সম্পন্ন ডিভাইসগুলি খুঁজতে উদ্বুদ্ধ করেছে। ছোট এই ইউনিটগুলি নৌকায় ঘোরাফেরা সহজ করে তোলে, সমুদ্রে দীর্ঘদিন কাজের পর পিঠের ব্যথা কমায় এবং আউটডেটেড পদ্ধতির উপর ভিত্তি করে অনুমান করার পরিবর্তে মাছ যেখানে আসলে থাকে সেখানকার ভালো মানচিত্র তৈরি করতে সাহায্য করে।

প্রধান বাজার প্রবণতা: কমপ্যাক্ট, কম শক্তি খরচকারী এবং এজ-স্থাপনযোগ্য সিস্টেমের দিকে পরিবর্তন

সমুদ্র প্রযুক্তির কোম্পানিগুলি দ্রুত পুরানো মডেলগুলির তুলনায় প্রায় অর্ধেক জায়গা নেওয়া ছোট, আরও দক্ষ সিস্টেমের দিকে এগিয়ে যাচ্ছে। এই নতুন ডিভাইসগুলি একবার চার্জ করলে প্রায় 20 ঘন্টা ধরে চলতে পারে, যা সমুদ্র থেকে দূরে অবস্থিত মাছ ধরার গ্রামগুলির জন্য বিশেষ গুরুত্বপূর্ণ যেখানে বিদ্যুৎ খুবই সীমিত। আরেকটি বড় সুবিধা হল সরঞ্জামের মধ্যেই কৃত্রিম বুদ্ধিমত্তা (AI) একীভূত করা। এর অর্থ হল এখন আর নৌকাগুলির জন্য ধ্রুবক ইন্টারনেট সংযোগের প্রয়োজন হয় না। মাছজাল নিক্ষেপকারীরা তাদের ধরা মাছের তথ্য বাস্তব সময়ে ট্র্যাক করতে পারে যদিও তারা সেল টাওয়ারের পরিসরের বাইরে চলছে, যা সমুদ্রের কিছু অংশে খুবই সাধারণ।

কেস স্টাডি: দক্ষিণ-পূর্ব এশীয় মৎস্য ধরার জনপদে হালকা ডিটেকশন গিয়ার গ্রহণ

ফিলিপাইনের বিভিন্ন দ্বীপপুঞ্জের মৎস্যজীবীরা 2.5 কিলোগ্রামের কম ওজনের এই হালকা AI সোনার ডিভাইসগুলি গ্রহণ করার পর থেকে তাদের ধরার হার প্রায় 40% বৃদ্ধি পেয়েছে। বেশিরভাগ মানুষই মাত্র এক ঘণ্টার বেশি সময় নিয়ে এই ব্যবস্থার সঙ্গে খাপ খাইয়ে নিতে পারে, কারণ এটি ব্যবহারকারী-বান্ধব সেটআপ এবং লবণাক্ত জলের সংস্পর্শে টেকসই গঠন বৈশিষ্ট্য নিয়ে তৈরি। এখন 120টিরও বেশি উপকূলীয় সম্প্রদায় নিয়মিত এই প্রযুক্তি ব্যবহার করছে, যা যুক্তিযুক্ত যখন আমরা বিবেচনা করি যে আগে মাছ খুঁজতে তাদের কত সময় নষ্ট হত। অতিরিক্ত সুবিধা কী? মৎস্যজীবীরা এখন কম অবাঞ্ছিত সামুদ্রিক প্রাণী ধরছে। প্রতিবেদনে দেখা গেছে যে এই নতুন সরঞ্জামগুলি চালু করার পর থেকে অবাঞ্ছিত ধরা পড়ার পরিমাণ প্রায় 22% কমেছে, যার অর্থ পরিবারগুলির জন্য বেশি লাভ এবং সমুদ্রের বাস্তুতন্ত্রকে রক্ষা করা।

আধুনিক সামুদ্রিক প্রযুক্তিতে কার্যকারিতা এবং বহনযোগ্যতার ভারসাম্য

বিভিন্ন প্রযুক্তির সমন্বয় করে কার্যকারিতা এবং বহনযোগ্যতা একসাথে মেলানোর উপায় খুঁজে পাচ্ছেন উৎপাদকরা। কিছু কোম্পানি মাছের প্রজাতি শনাক্ত করার জন্য অপটিমাইজড সোনার পালসের সাথে হালকা ওজনের CNN-এর মিশ্রণ ঘটায়। গ্রাফিন-ভিত্তিক ট্রান্সডিউসারগুলি সদ্য আবিষ্কৃত প্রযুক্তি যা সেন্সরের ওজন প্রায় দুই তৃতীয়াংশ কমিয়ে দেয়, তবুও জলের দৃশ্যমানতা খারাপ হলেও প্রায় নিখুঁত সনাক্তকরণের হার বজায় রাখে। সম্প্রতি জাভা সাগর অঞ্চলে পরীক্ষা করে দেখা গেছে যে এই নতুন সিস্টেমগুলি প্রায় 150 মিটার গভীর পর্যন্ত মাছের ঝাঁক খুঁজে পায় এবং অবস্থান নির্ণয়ের নির্ভুলতা ±৩ মিটারের মধ্যে থাকে। পুরানো বহনযোগ্য সংস্করণগুলির তুলনায় এটি একটি উল্লেখযোগ্য উন্নতি, যা প্রকৃত মৎস্যধরার অবস্থায় সনাক্তকরণ প্রক্রিয়াকে প্রায় 35 শতাংশ বেশি নির্ভরযোগ্য করে তোলে।

হালকা ওজনের জলের নিচে সনাক্তকরণে কেন্দ্রীয় প্রযুক্তিগত উদ্ভাবন

সমুদ্রের ব্যবহারের জন্য দক্ষ ডিপ লার্নিং মডেল (অপটিমাইজড FPS, FLOPs, প্যারামিটার)

সাম্প্রতিক সামুদ্রিক কৃত্রিম বুদ্ধিমত্তা YOLOv11n-এর মতো কমপ্যাক্ট ডিপ লার্নিং মডেলগুলির ব্যবহার করে যা জলের নীচে বস্তু খুঁজে পেতে বিশেষভাবে ভালো কাজ করে। এই নতুন সিস্টেমগুলি পুরানো সংস্করণের তুলনায় প্রায় দুই তৃতীয়াংশ পর্যন্ত কম্পিউটিং ক্ষমতার প্রয়োজন হ্রাস করে, তবুও ঘোলাটে জলে দৃশ্যমানতা খারাপ থাকলেও প্রায় 89% নির্ভুলতা বজায় রাখে। ইঞ্জিনিয়াররা নেটওয়ার্কের অপ্রয়োজনীয় অংশগুলি ছাঁটাই করা এবং প্যারামিটারগুলিকে 8-বিট মানে রূপান্তর করার মতো কৌশলগুলির মাধ্যমে এই চমৎকার কাজটি অর্জন করেছেন। ফলস্বরূপ, এই সিস্টেমগুলি ছোট, শক্তি-দক্ষ প্রসেসরগুলিতে প্রায় 32 ফ্রেম প্রতি সেকেন্ডে চালানো যায়। এর অর্থ হল জাহাজ এবং ডুবোজাহাজগুলি রিমোট সার্ভার বা ক্লাউডে ডেটা ফেরত পাঠানোর প্রয়োজন ছাড়াই তাদের নীচে কী ঘটছে তা তৎক্ষণাৎ বিশ্লেষণ করতে পারে।

হালকা নেটওয়ার্ক আর্কিটেকচার যা রিয়েল-টাইম অবজেক্ট ডিটেকশন সক্ষম করে

সম্প্রতি নিউরাল আর্কিটেকচার সার্চ (NAS) ক্ষেত্রটি কয়েকটি অভূতপূর্ব ফলাফল দেখিয়েছে, যার মধ্যে রয়েছে LFN-YOLO, যা জলের নিচের ডেটাসেটগুলিতে প্রায় 74.1% গড় গড় শুদ্ধতা অর্জন করে এবং মাত্র 5.9 MB মেমরি জায়গা দখল করে। বাস্তব ব্যবহারে এই ধরনের মডেলগুলি 15 মিটার গভীরতায় 10 সেন্টিমিটার আকারের বস্তুও চিহ্নিত করতে পারে। এটি আসলে এই কারণেই আলাদা যে এগুলি সাধারণ কনভোলিউশনাল নিউরাল নেটওয়ার্কগুলির তুলনায় প্রায় 83% কম ফ্লোটিং পয়েন্ট অপারেশনের প্রয়োজন হয়। এই দক্ষতার কারণে এগুলি নেটওয়ার্কের প্রান্তে সীমিত সম্পদযুক্ত প্রক্রিয়াকরণ কাজের জন্য খুব ভালোভাবে কাজ করে, যা ছোট ছোট ডিভাইসে আরও বেশি কম্পিউটেশন ক্ষমতা প্রবর্তনের সাথে সাথে ক্রমাগত গুরুত্বপূর্ণ হয়ে উঠছে।

অনবোর্ড প্রসেসিং: এম্বেডেড ব্যবহারের জন্য মডেলের জটিলতা হ্রাস

আধুনিক সিস্টেমগুলির পাওয়ার সীমিত থাকলেও ভালোভাবে কাজ করা দরকার, তাই এগুলি মডেল প্যারামিটারগুলি কমিয়ে আনে (যতটা কম 2.7 মিলিয়ন পর্যন্ত) এবং গণনার চাহিদা হ্রাস করে (প্রায় 7.2 GFLOPs-এ)। এটি স্পেশিয়াল পিরামিড পুলিং এবং সম্প্রতি আমরা যেসব ডেপথওয়াইজ সেপারেবল কনভোলিউশন নিয়ে অনেক শুনছি তার মাধ্যমে করা হয়। যখন SPD-Conv মডিউলগুলি এতে যুক্ত হয়, তখন একটি আকর্ষণীয় ঘটনা ঘটে: সিস্টেমটি ছোট বস্তুগুলির সেই সূক্ষ্ম বিবরণগুলি ধরতে পারে, যদিও এখন মোট প্যারামিটার 76% কম। এবং এখানে মজার বিষয় হল - সবকিছু মাত্র 12 ওয়াট পাওয়ারের মধ্যে চলে। এটি পুরানো সংস্করণগুলির তুলনায় শক্তি ব্যবহারের ক্ষেত্রে প্রায় 40% ভালো করে তোলে, যা এমন ডিভাইসগুলির জন্য খুবই গুরুত্বপূর্ণ যাদের কঠোর পাওয়ার সীমা রয়েছে কিন্তু তবুও বুদ্ধিমত্তা প্রয়োজন।

সরলীকৃত AI অ্যালগরিদমে নির্ভুলতা এবং দক্ষতার মধ্যে ট্রেড-অফ

যদিও সরলীকৃত AI মডেলগুলি গবেষণামূলক মডেলের তুলনায় 5–8% পরম নির্ভুলতা হারায়, তবুও এগুলি বাস্তব জীবনের মৎস্যধরা পরিস্থিতিতে 90% এর বেশি কার্যকরী উপযোগিতা ধরে রাখে। জ্ঞান ডিসটিলেশন এবং ডিস্ট্রিবিউশন ফোকাল লস (DFL)-এর মতো কৌশলগুলি কার্যকারিতার পার্থক্য কমাতে সাহায্য করে, যার ফলে হালকা ডিটেকশন হেডগুলি শক্তিশালী, ক্ষয়রোধী এজ ডিভাইসে 640-480 সোনার ফিডগুলি 28 FPS-এ প্রক্রিয়া করতে পারে।

বাস্তব সময়ে মাছ শনাক্তকরণের জন্য বহনযোগ্য সিস্টেম ডিজাইন করা

কমপ্যাক্ট ইকোসাউন্ডারে কৃত্রিম বুদ্ধিমত্তা চালিত ইকো ট্রেস শনাক্তকরণ একীভূত করা

আধুনিক হ্যান্ডহেল্ড ইকোসাউন্ডারগুলি এখন ফার্মওয়্যারের মধ্যেই সংকুচিত ডিপ লার্নিং মডেল দিয়ে সজ্জিত, যা তাদের 200 মিটারের কাছাকাছি গভীরতায় থাকা মাছের ঝাঁকগুলি বাস্তব সময়ে চিহ্নিত করতে সক্ষম করে। নিউরাল নেটওয়ার্ক ডিজাইনের আরও ভালো পদ্ধতির কারণে সম্প্রতি আমরা বেশ কয়েকটি উল্লেখযোগ্য উন্নতি দেখেছি। এই নতুন পদ্ধতিগুলি পুরানো স্কুল CNN পদ্ধতির তুলনায় মডেলের জটিলতা প্রায় 73% কমিয়ে দেয়। এই কারণে, YOLO-ফিশ-এর মতো সিস্টেমগুলি আসলে 5 বর্গ সেন্টিমিটার আকারের ক্ষুদ্র বস্তুগুলিকেও আলাদা করতে পারে, এমনকি যখন জলের নিচে অনেক কিছুই ঘটছে। এই ধরনের উন্নতি মাছ ধরার জন্য সঠিক পাঠ্য প্রয়োজন এমন মৎস্যজীবীদের জন্য প্রক্রিয়াকরণের জন্য দীর্ঘ সময় অপেক্ষা না করেই বাস্তব পার্থক্য তৈরি করে।

তাৎক্ষণিক ফিডব্যাকের জন্য সোনার স্ক্যানিং এবং AI অনুমান চক্রগুলি সিঙ্ক্রোনাইজ করা

ইঞ্জিনিয়াররা সোনার পালসের ব্যবধান (20–40ms) অপটিমাইজড এআই অনুমান চক্রের সাথে সমন্বয় করে বিলম্ব কমিয়ে আনেন। উদাহরণস্বরূপ, RTMDet-ভিত্তিক সিস্টেমগুলি এজ হার্ডওয়্যারে 32 FPS দেয়, যা সংকেত ধরার 0.5 সেকেন্ডের মধ্যে কার্যকর তথ্য সরবরাহ করে—সক্রিয় মৎস্যধরা অপারেশনের সময় গতিশীল সিদ্ধান্ত গ্রহণের জন্য এটি অপরিহার্য।

ঘোলাটে জলে ছোট লক্ষ্য শনাক্তকরণের মাধ্যমে ধরা সঠিকতা উন্নত করা

অবক্ষেপ-সমৃদ্ধ জলে শনাক্তকরণ উন্নত করতে, আধুনিক সিস্টেমগুলি বহু-বর্ণাত্মক ইমেজিং এবং অভিযোজিত থ্রেশহোল্ডিং অ্যালগরিদম একত্রিত করে। ক্ষেত্র পরীক্ষায় দেখা গেছে যে ঐতিহ্যগত সোনারের তুলনায় কুয়াশাচ্ছন্ন উপসাগরে গাউসিয়ান মিশ্রণ মডেল ফিল্টারগুলি নির্ভুলতা 22% বৃদ্ধি করে, যা মিথ্যা ধনাত্মক এবং মিস হওয়া শনাক্তকরণ উল্লেখযোগ্যভাবে কমিয়ে দেয়।

ক্ষেত্র পরীক্ষা: বহনযোগ্য শনাক্তকরণ সরঞ্জামের বাস্তব পারফরম্যান্স

দক্ষিণপূর্ব এশীয় মৎস্য চাষে স্বাধীন মূল্যায়নে নিশ্চিত করা হয়েছে যে তরঙ্গের ব্যাঘাত এবং দ্রুত গভীরতার পরিবর্তন সত্ত্বেও বাণিজ্যিক প্রজাতি চিহ্নিতকরণে বহনযোগ্য ব্যবস্থাগুলি 89% নির্ভুলতা বজায় রাখে। তবে, উচ্চ-ঘনত্বের মাছের সমষ্টি এখনও চ্যালেঞ্জিং, যেখানে শব্দের অতিমাত্রায় ওভারল্যাপ হওয়ার কারণে ত্রুটির হার 14% পর্যন্ত বৃদ্ধি পায়—যা ভবিষ্যতের অ্যালগরিদম উন্নয়নের জন্য একটি গুরুত্বপূর্ণ ক্ষেত্র।

কঠোর সমুদ্রীয় পরিবেশে শক্তি দক্ষতা এবং টেকসইতা

সমুদ্রে দীর্ঘ সময় ধরে কাজ করার জন্য কম শক্তি খরচের সিস্টেম প্রকৌশল

আধুনিক জলের নিচে শনাক্তকরণ সরঞ্জাম ডিজাইন করার সময় ভালো শক্তি দক্ষতা অর্জন খুবই গুরুত্বপূর্ণ, বিশেষ করে যেসব দীর্ঘ মিশনগুলি কয়েকদিন ধরে চলে। নতুন মডেলগুলিতে 200 ওয়াটের নিচে প্রসেসর এবং অভিযোজিত সোনার চক্র রয়েছে যা আগের তুলনায় প্রায় 45 শতাংশ কম শক্তি ব্যবহার করে। কিছু সেরা ডিজাইনে সমুদ্রের জলে ডুবলে সক্রিয় হওয়া ব্যাকআপ ব্যাটারির পাশাপাশি সৌরচার্জিং বিকল্পও অন্তর্ভুক্ত করা হয়। এই সমন্বয় তাদের তিন দিনের বেশি সময় ধরে নির্ভরযোগ্যভাবে চালানোর অনুমতি দেয়, এমনকি যদি আবহাওয়া বেশিরভাগ সময় মেঘলা থাকে।

উন্নত উপকরণ: ক্ষয় এবং চাপের বিরুদ্ধে প্রতিরোধী হালকা কম্পোজিট

রেজাল্টস ইন ইঞ্জিনিয়ারিং-এ 2025 সালের একটি বিশ্লেষণে দেখানো হয়েছে যে লবণাক্ত জলের পরিবেশে কার্বন-ফাইবার কম্পোজিটগুলি ধাতব বিকল্পগুলির চেয়ে আট গুণ বেশি স্থায়ী। শিল্পক্ষেত্র এখন 6,000 মিটার গভীরতা সহ্য করতে সক্ষম গ্রাফিন-যুক্ত পলিমারগুলি পছন্দ করে, যা ইস্পাতের সমতুল্য ওজনের চেয়ে 85% কম ওজনের।

সম্পদ-সীমিত অবস্থায় নির্ভরযোগ্যতা এবং দীর্ঘস্থায়িত্ব নিশ্চিত করা

যে পরীক্ষার মাধ্যমে জিনিসপত্রের ক্ষয়ক্ষতি দশ বছরের বদলে মাত্র বারো সপ্তাহে ঘটানো যায়, সেখানে উপকরণগুলিকে ছাই পচা শৈবাল থেকে উৎপন্ন সালফিউরিক অ্যাসিডের ঘনত্বের মতো অবস্থার সঙ্গে তুলনা করা হয়। এই যন্ত্রগুলি ডাবল সিলযুক্ত IP68 ক্যাসিং দিয়ে তৈরি করা হয়েছে যা খুব ছোট প্লাস্টিকের কণা থেকে রক্ষা করার জন্য বিশেষভাবে ডিজাইন করা হয়েছে, আর বিশেষ এপোক্সি কোটিংয়ের স্বয়ং-নিরাময়ের বৈশিষ্ট্য রয়েছে যা আধ-মিলিমিটার পর্যন্ত গভীর স্ক্র্যাচ মেরামত করতে পারে। যখন এই যন্ত্রগুলি সহজে জুড়ে ফেলা যায় এমন উপাদানগুলির সঙ্গে যুক্ত করা হয়, তখন মাছধরার স্থানেই মাছধরার লোকেরা তাদের কাছে থাকা অবস্থাতেই ত্রুটিপূর্ণ সেন্সরগুলি বদলে ফেলতে পারে যেখানে কোনও জটিল সরঞ্জামের প্রয়োজন হয় না। সভ্যতা থেকে অনেক দূরে উপকূলরেখা বরাবর কাজ করার সময় যেখানে মেরামতি কাজ দ্রুত করা অপরিহার্য, সেখানে এটি কার্যপ্রণালীকে মসৃণভাবে চালানোর জন্য সবচেয়ে বড় পার্থক্য তৈরি করে।

FAQ

হালকা ওজনের জলের নিচে অবস্থিত শনাক্তকরণ সরঞ্জামের সুবিধাগুলি কী কী?

হালকা ওজনের জলের নিচে শনাক্তকরণ সরঞ্জামগুলির অসংখ্য সুবিধা রয়েছে, যার মধ্যে রয়েছে সহজ গতিশীলতা, অপারেটরের ক্লান্তি হ্রাস এবং মাছের অবস্থান ম্যাপ করার ক্ষেত্রে উন্নত নির্ভুলতা। এই ধরনের যন্ত্রগুলি সাধারণত 3 কিলোগ্রামের কম ওজনের হয় এবং 200 মিটারের বেশি গভীরতায় পৌঁছাতে পারে, যা অল্প গভীরতার এবং পরিবর্তনশীল জলে কাজ করা শিল্প-উপযোগী মৎস্যজীবীদের জন্য উপযুক্ত করে তোলে।

কৃত্রিম বুদ্ধিমত্তা (এআই) সোনার যন্ত্র গ্রহণ করে মৎস্য জীবীদের সম্প্রদায় কীভাবে উপকৃত হয়েছে?

বিশেষ করে দক্ষিণ-পূর্ব এশিয়ার মৎস্য জীবীদের সম্প্রদায়গুলি কৃত্রিম বুদ্ধিমত্তা (এআই) সোনার যন্ত্র গ্রহণের পর ধরা মাছের হারে 40% বৃদ্ধি লক্ষ্য করেছে। এই যন্ত্রগুলি অচেনা মাছ ধরা বা বাইক্যাচে 22% হ্রাস ঘটায়, যার ফলে মুনাফা বৃদ্ধি পায় এবং সামুদ্রিক বাস্তুতন্ত্রের ক্ষতি কমে।

বহনযোগ্য জলের নিচে শনাক্তকরণ সরঞ্জামগুলিতে কোন কোন প্রযুক্তিগত উদ্ভাবন ব্যবহৃত হচ্ছে?

সাম্প্রতিক উদ্ভাবনগুলির মধ্যে রয়েছে গভীর শিখন মডেলগুলির ব্যবহার জলের নিচে অবস্থিত বস্তুগুলি খুঁজে পাওয়ার জন্য, হালকা নেটওয়ার্ক আর্কিটেকচার এবং মডেলের জটিলতা কমাতে অনবোর্ড প্রসেসিং। এই সিস্টেমগুলি উচ্চ নির্ভুলতা বজায় রাখার সময় কম্পিউটিং ক্ষমতার প্রয়োজনীয়তা আমূল কমিয়ে দেয়, যা সমুদ্রের সরঞ্জামের উপর সরাসরি বাস্তব-সময়ে বস্তু সনাক্তকরণ এবং বিশ্লেষণ সম্ভব করে তোলে।

আধুনিক উপকরণগুলি কীভাবে সনাক্তকরণ সরঞ্জামের টেকসই গুণের উন্নতি ঘটায়?

কার্বন-ফাইবার কম্পোজিট এবং গ্রাফিন-সমৃদ্ধ পলিমারের মতো উন্নত উপকরণগুলি জলের নিচে সনাক্তকরণ সরঞ্জামের টেকসই গুণ বাড়িয়ে তোলে। এই উপকরণগুলি উচ্চ ক্ষয়রোধী এবং চাপ সহনশীলতা প্রদান করে, যা কঠোর সামুদ্রিক পরিবেশে দীর্ঘমেয়াদী ব্যবহারের জন্য অপরিহার্য।

জলের নিচে সনাক্তকরণ সরঞ্জামের ক্ষেত্রে এখনও কী কী চ্যালেঞ্জ রয়েছে?

উন্নতি সত্ত্বেও, ঘন ঘন মাছের জমায়েত সনাক্তকরণে উচ্চ ত্রুটির হার এবং বিভিন্ন জলের অবস্থায় সামঞ্জস্যপূর্ণ কার্যকারিতা নিশ্চিত করা সহ কিছু চ্যালেঞ্জ এখনও বিদ্যমান। এই সমস্যাগুলি সমাধানের জন্য চলমান অ্যালগরিদম উন্নতি করা হচ্ছে।