ਲਾਭ:
- ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਸੈਟੇਲਾਈਟ, ਏਰੀਅਲ ਫੋਟੋਗ੍ਰਾਫੀ ਅਤੇ LiDAR ਡੇਟਾ ਵਿੱਚ ਵਿਗਾੜਾਂ ਲਈ ਸਕੈਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਭੂਮੀ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਵਾਲੇ ਉਮੀਦਵਾਰ ਵਜੋਂ ਹਰੇਕ ਚਿੰਨ੍ਹ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਪੌਦਿਆਂ, ਮਿੱਟੀ ਅਤੇ ਸ਼ੈਡੋ ਟਰੇਸ ਦੀ ਮੌਸਮੀ ਅਤੇ ਸ਼ਰਤੀਆ ਨਿਰਭਰਤਾ ਨੂੰ ਸਮਝਣਾ ਅਤੇ ਕੁਦਰਤੀ/ਆਧੁਨਿਕ ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਕਿਵੇਂ ਖਤਮ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
- ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਕਿਉਂ ਸੰਵੇਦਨਸ਼ੀਲ ਸਾਈਟ ਟਿਕਾਣਿਆਂ ਨੂੰ ਲੁੱਟ ਤੋਂ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਪ੍ਰਸਾਰਣ ਵਿੱਚ ਧੁੰਦਲਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਪੁਰਾਤੱਤਵ ਵਿਗਿਆਨ ਵਿੱਚ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਵਿਕਾਸਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਜ਼ਮੀਨ ਵਿੱਚ ਖੁਦਾਈ ਕੀਤੇ ਬਿਨਾਂ ਭੂਮੀਗਤ ਅਤੇ ਸਤਹ 'ਤੇ ਨਿਸ਼ਾਨਾਂ ਨੂੰ ਦੇਖਣ ਦੀ ਯੋਗਤਾ। ਰਿਮੋਟ ਸੈਂਸਿੰਗ (ਸੈਟੇਲਾਈਟ, ਏਅਰਕ੍ਰਾਫਟ ਜਾਂ ਡਰੋਨ ਚਿੱਤਰਾਂ ਨਾਲ ਕਿਸੇ ਖੇਤਰ ਦੀ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਛੂਹਣ ਤੋਂ ਬਿਨਾਂ ਜਾਂਚ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ) ਵੱਡੇ ਖੇਤਰਾਂ ਨੂੰ ਸਕੈਨ ਕਰਨ ਅਤੇ ਸੰਭਾਵਿਤ ਸਾਈਟਾਂ (ਪੁਰਾਤੱਤਵ ਅਵਸ਼ੇਸ਼ਾਂ ਵਾਲੀਆਂ ਥਾਵਾਂ) ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਾਧਨ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਸਿਖਾਂਗੇ ਕਿ ਕਿਵੇਂ AI ਸੈਟੇਲਾਈਟ ਚਿੱਤਰਾਂ, ਏਰੀਅਲ ਫੋਟੋਆਂ ਅਤੇ LiDAR ਡੇਟਾ ਵਿੱਚ ਵਿਗਾੜਤਾਵਾਂ (ਟਰੈਕ ਜੋ ਇਸਦੇ ਆਲੇ ਦੁਆਲੇ ਤੋਂ ਵੱਖਰੇ ਹਨ, ਜੋ ਮਨੁੱਖ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਹੋ ਸਕਦੇ ਹਨ) ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ, ਪਰ ਫੀਲਡ ਵਿੱਚ ਹਰੇਕ ਨਿਸ਼ਾਨ ਦੀ ਪੁਸ਼ਟੀ ਕਿਉਂ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
ਮੂਲ ਸਿਧਾਂਤ: AI ਇੱਕ ਸਕੈਨਿੰਗ ਅਤੇ ਪੁਆਇੰਟਿੰਗ ਸਹਾਇਕ ਹੈ ਜੋ ਇੱਕ ਵਿਆਪਕ ਖੇਤਰ ਵਿੱਚ "ਇੱਥੇ ਦੇਖੋ" ਕਹਿੰਦਾ ਹੈ; "ਇਹ ਅਸਲ ਵਿੱਚ ਇੱਕ ਸਾਈਟ ਹੈ" ਫੈਸਲਾ ਭੂਮੀ ਨਿਯੰਤਰਣ ਅਤੇ ਮਾਹਰ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਵਿੱਚ, AI ਦੁਆਰਾ ਚਿੰਨ੍ਹਿਤ ਹਰ ਬਿੰਦੂ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ, ਇੱਕ ਖੋਜ ਨਹੀਂ।
ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਦੀਆਂ ਕਿਸਮਾਂ
ਸੈਟੇਲਾਈਟ ਅਤੇ ਏਰੀਅਲ ਫੋਟੋਗ੍ਰਾਫੀ. ਦੱਬੀਆਂ ਹੋਈਆਂ ਬਣਤਰਾਂ ਉਨ੍ਹਾਂ ਦੇ ਉੱਪਰ ਮਿੱਟੀ ਅਤੇ ਬਨਸਪਤੀ ਦੇ ਵਿਭਿੰਨ ਵਿਕਾਸ ਵੱਲ ਅਗਵਾਈ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਕੰਧ 'ਤੇ ਫਸਲ ਕਮਜ਼ੋਰ ਹੈ, ਇੱਕ ਖਾਈ 'ਤੇ ਇਹ ਝਾੜੀ ਹੈ; ਇਹਨਾਂ ਨੂੰ ਫਸਲੀ ਨਿਸ਼ਾਨ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। NDVI (ਇੱਕ ਸੂਚਕਾਂਕ ਜੋ ਬਨਸਪਤੀ ਦੀ ਸਿਹਤ ਨੂੰ ਮਾਪਦਾ ਹੈ; ਇਹ ਇਨਫਰਾਰੈੱਡ ਰੋਸ਼ਨੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪੌਦਿਆਂ ਦੀ ਜੀਵਨਸ਼ਕਤੀ ਨੂੰ ਮਾਪਦਾ ਹੈ) ਇਹਨਾਂ ਅੰਤਰਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। AI ਇਹਨਾਂ ਸੂਖਮ ਅੰਤਰਾਂ ਨੂੰ ਵੱਡੇ ਚਿੱਤਰਾਂ ਵਿੱਚ ਇੱਕ ਮਨੁੱਖ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਸਕੈਨ ਕਰਦਾ ਹੈ।
ਲਿਡਾਰ। LiDAR (ਲਾਈਟ ਡਿਟੈਕਸ਼ਨ ਅਤੇ ਰੇਂਜਿੰਗ - ਤਕਨਾਲੋਜੀ ਜੋ ਇੱਕ ਹਵਾਈ ਜਹਾਜ਼ ਤੋਂ ਜ਼ਮੀਨ ਤੱਕ ਲੇਜ਼ਰ ਸ਼ੂਟ ਕਰਕੇ ਅਤੇ ਵਾਪਸੀ ਦੇ ਸਮੇਂ ਨੂੰ ਮਾਪ ਕੇ ਸਤ੍ਹਾ ਦਾ ਇੱਕ ਬਹੁਤ ਹੀ ਸਟੀਕ 3D ਉਚਾਈ ਦਾ ਨਕਸ਼ਾ ਬਣਾਉਂਦੀ ਹੈ) ਸਭ ਤੋਂ ਕ੍ਰਾਂਤੀਕਾਰੀ ਸਾਧਨ ਹੈ। ਇਸ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਇਹ ਹੈ ਕਿ ਲੇਜ਼ਰ ਦਰਖਤਾਂ ਰਾਹੀਂ ਜ਼ਮੀਨ ਤੱਕ ਪਹੁੰਚ ਸਕਦਾ ਹੈ; ਇਸ ਤਰ੍ਹਾਂ ਜੰਗਲ ਦੇ ਹੇਠਾਂ ਟਿੱਲੇ, ਛੱਤਾਂ, ਸੜਕਾਂ ਅਤੇ ਇਮਾਰਤਾਂ ਦੀਆਂ ਨੀਂਹਾਂ ਉਦੋਂ ਪ੍ਰਗਟ ਹੁੰਦੀਆਂ ਹਨ ਜਦੋਂ ਬਨਸਪਤੀ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ "ਛਿੱਲ" ਜਾਂਦੀ ਹੈ। AI ਇਸ ਉਚਾਈ ਦੇ ਡੇਟਾ ਵਿੱਚ ਬੰਪਾਂ, ਟੋਇਆਂ ਅਤੇ ਨਿਰਵਿਘਨ ਜਿਓਮੈਟ੍ਰਿਕ ਆਕਾਰਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ।
ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ (ਪੂਰਕ)। ਜ਼ਮੀਨੀ ਪ੍ਰਵੇਸ਼ ਕਰਨ ਵਾਲੇ ਰਾਡਾਰ (ਜੀ.ਪੀ.ਆਰ.) ਅਤੇ ਚੁੰਬਕੀ ਸਰਵੇਖਣ ਵਰਗੀਆਂ ਵਿਧੀਆਂ ਸਤ੍ਹਾ ਦੇ ਬਿਲਕੁਲ ਹੇਠਾਂ ਦਿਖਾਈ ਦਿੰਦੀਆਂ ਹਨ; AI ਇਸ ਡੇਟਾ ਵਿੱਚ ਵੀ ਵਿਗਾੜ ਪੈਟਰਨ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
AI ਨਾਲ ਸਾਈਟ ਖੋਜ ਦੇ ਪੜਾਅ
- ਡਾਟਾ ਤਿਆਰੀ. ਚਿੱਤਰਾਂ ਨੂੰ ਕੋਆਰਡੀਨੇਟ ਸਿਸਟਮ (ਜੀਓਰਫਰੈਂਸਿੰਗ) ਵਿੱਚ ਫਿੱਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਸ਼ੈਡੋ ਅਤੇ ਕੰਟ੍ਰਾਸਟ ਨੂੰ ਠੀਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। LiDAR ਵਿੱਚ, ਬਨਸਪਤੀ ਨੂੰ ਫਿਲਟਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇੱਕ "ਬੇਅਰ ਗਰਾਊਂਡ ਮਾਡਲ" ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
- ਅਸੰਗਤ ਸਕੈਨਿੰਗ। AI ਨਿਰਵਿਘਨ ਜਿਓਮੈਟਰੀਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ ਜੋ ਮਨੁੱਖ ਦੁਆਰਾ ਬਣਾਈਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ (ਗੋਲਾਕਾਰ ਟਿੱਲਾ, ਆਇਤਾਕਾਰ ਬਣਤਰ, ਰੇਖਿਕ ਖਾਈ/ਸੜਕ)।
- ਖਾਤਮਾ. ਜ਼ਿਆਦਾਤਰ ਚਿੰਨ੍ਹ ਕੁਦਰਤੀ (ਭੂ-ਵਿਗਿਆਨਕ, ਖੇਤੀਬਾੜੀ, ਆਧੁਨਿਕ) ਹਨ। ਮਾਹਰ ਉਹਨਾਂ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ ਜੋ ਸਪਸ਼ਟ ਤੌਰ ਤੇ ਕੁਦਰਤੀ ਅਤੇ ਆਧੁਨਿਕ ਹਨ.
- ਤਰਜੀਹ. ਬਾਕੀ ਉਮੀਦਵਾਰ ਪੁਆਇੰਟਾਂ ਨੂੰ ਸੰਦਰਭ ਅਤੇ ਜਾਣੇ-ਪਛਾਣੇ ਸਾਈਟ ਵੰਡ ਦੁਆਰਾ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।
- ਜ਼ਮੀਨ ਦੀ ਪੁਸ਼ਟੀ. ਤਰਜੀਹੀ ਬਿੰਦੂਆਂ ਦੀ ਸਤਹ ਸਰਵੇਖਣ ਦੁਆਰਾ ਸਾਈਟ 'ਤੇ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ, ਜੇ ਲੋੜ ਹੋਵੇ, ਡ੍ਰਿਲਿੰਗ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਬਿਨਾਂ ਪੁਸ਼ਟੀ ਦੇ ਕੋਈ ਬਿੰਦੂ "ਬੈਠਣ" ਦਾ ਐਲਾਨ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ।
ਨੁਕਤਾ: ਹਮੇਸ਼ਾ AI ਦੇ ਸੰਕੇਤਾਂ ਨੂੰ "ਉੱਚ ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਦਰ ਵਾਲੇ ਉਮੀਦਵਾਰਾਂ ਦੀ ਸੂਚੀ" ਵਜੋਂ ਦੇਖੋ। ਉਦੇਸ਼ ਖੇਤਰ ਵਿੱਚ ਜਾਣ ਲਈ ਸਥਾਨਾਂ ਨੂੰ ਸਮਝਦਾਰੀ ਨਾਲ ਸੰਕੁਚਿਤ ਕਰਨਾ ਹੈ; ਖੋਜ ਦਾ ਐਲਾਨ ਨਾ ਕਰਨ ਲਈ. ਇੱਕ ਸੀਜ਼ਨ ਵਿੱਚ 200 ਲੈਂਡ ਪੁਆਇੰਟਾਂ ਨੂੰ ਘਟਾ ਕੇ 30 ਕਰਨਾ ਇੱਕ ਵੱਡਾ ਲਾਭ ਹੈ।
ਸੰਵੇਦਨਸ਼ੀਲ ਸਥਾਨ: ਨਾਜ਼ੁਕ ਗੋਪਨੀਯਤਾ
ਸਾਈਟ ਖੋਜ ਵਿੱਚ ਸਭ ਤੋਂ ਗੰਭੀਰ ਨੈਤਿਕ ਅਤੇ ਸੁਰੱਖਿਆ ਮੁੱਦਾ ਸਥਾਨ ਦੀ ਗੁਪਤਤਾ ਹੈ। ਨਵੀਂ ਪਛਾਣੀ ਗਈ, ਅਸੁਰੱਖਿਅਤ ਸਾਈਟ ਦੇ ਸਟੀਕ ਕੋਆਰਡੀਨੇਟ ਗੈਰ-ਕਾਨੂੰਨੀ ਖੁਦਾਈ ਕਰਨ ਵਾਲਿਆਂ ਅਤੇ ਖਜ਼ਾਨਾ ਖੋਜਣ ਵਾਲਿਆਂ ਲਈ ਸਿੱਧਾ ਨਿਸ਼ਾਨਾ ਹਨ। ਇਸ ਲਈ:
- ਜਨਤਕ AI ਵਾਹਨਾਂ ਵਿੱਚ ਦਾਖਲ ਨਾ ਹੋਵੋ ਜਿਨ੍ਹਾਂ ਦੇ ਸਹੀ ਧੁਰੇ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ।
- ਪ੍ਰਸਾਰਣ ਅਤੇ ਪੇਸ਼ਕਾਰੀਆਂ ਵਿੱਚ ਸੰਵੇਦਨਸ਼ੀਲ ਸਾਈਟਾਂ ਦੀ ਸਥਿਤੀ ਨੂੰ ਬਲਰ ਕਰੋ (ਆਮ ਖੇਤਰ ਦਿਓ, ਕੋਈ GPS ਨਹੀਂ)।
- ਸੰਗਠਨ ਦੇ ਸੁਰੱਖਿਅਤ ਸਿਸਟਮ ਵਿੱਚ ਡੇਟਾ ਰੱਖੋ ਅਤੇ ਪਹੁੰਚ ਨੂੰ ਸੀਮਤ ਕਰੋ।
ਧਿਆਨ ਦਿਓ: ਕਿਸੇ ਸਾਈਟ ਦੇ ਕੋਆਰਡੀਨੇਟਸ ਨੂੰ ਜਨਤਕ ਸੇਵਾ ਵਿੱਚ ਚਿਪਕਾਉਣ ਨਾਲ "ਮੈਂ ਹੁਣੇ ਇੱਕ ਨਕਸ਼ਾ ਖਿੱਚਣ ਜਾ ਰਿਹਾ ਹਾਂ" ਉਸ ਸਾਈਟ ਨੂੰ ਲੁੱਟਣ ਲਈ ਖੁੱਲ੍ਹਾ ਛੱਡ ਸਕਦਾ ਹੈ। ਟਿਕਾਣਾ ਡੇਟਾ ਇੱਕ ਸੰਪੱਤੀ ਹੈ ਜੋ ਆਪਣੇ ਆਪ ਨੂੰ ਲੱਭਣ ਦੇ ਬਰਾਬਰ ਸੁਰੱਖਿਅਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਸਕੈਨ ਨੇ ਖੇਤਰ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰ ਦਿੱਤਾ। ਇੱਕ ਸਰਵੇਖਣ ਪ੍ਰੋਜੈਕਟ 500 ਕਿਲੋਮੀਟਰ ਦੇ ਖੇਤਰ ਦਾ ਸਰਵੇਖਣ ਕਰੇਗਾ। ਏਆਈ-ਸੰਚਾਲਿਤ LiDAR ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਜੰਗਲ ਦੇ ਹੇਠਾਂ 120 ਸੰਭਵ ਟਿੱਲੇ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ। ਮਾਹਿਰਾਂ ਦੇ ਖਾਤਮੇ ਤੋਂ ਬਾਅਦ, 38 ਤਰਜੀਹੀ ਸਥਾਨ ਬਾਕੀ ਰਹਿੰਦੇ ਹਨ; ਇਹਨਾਂ ਵਿੱਚੋਂ 11 ਖੇਤਰ ਵਿੱਚ ਅਸਲ ਪੁਰਾਤੱਤਵ ਢਾਂਚੇ ਦੇ ਰੂਪ ਵਿੱਚ ਪਾਏ ਗਏ ਸਨ। AI ਨੇ ਇੱਕ ਨਿਸ਼ਾਨਾ ਸੀਜ਼ਨ ਵਿੱਚ ਅੰਨ੍ਹੇ ਖੋਜ ਦੇ ਮਹੀਨਿਆਂ ਨੂੰ ਸੰਘਣਾ ਕੀਤਾ ਹੈ।
ਕੇਸ 2 - ਗਲਤ ਸਕਾਰਾਤਮਕ ਸਬਕ ਸੀ। ਜਦੋਂ ਕਿ ਇੱਕ ਟੀਮ ਉਤਸਾਹ ਨਾਲ AI ਦੁਆਰਾ ਚਿੰਨ੍ਹਿਤ ਇੱਕ ਨਿਰਵਿਘਨ ਗੋਲਾਕਾਰ ਨਿਸ਼ਾਨ ਨੂੰ "ਮਾਊਂਡ" ਘੋਸ਼ਿਤ ਕਰਨ ਦੀ ਤਿਆਰੀ ਕਰ ਰਹੀ ਸੀ, ਤਾਂ ਮਾਹਰ ਭੂ-ਵਿਗਿਆਨੀ ਨੇ ਦਿਖਾਇਆ ਕਿ ਇਹ ਇੱਕ ਕੁਦਰਤੀ ਉਦਾਸੀ (ਡੋਲਿਨ) ਸੀ। ਜ਼ਮੀਨ ਦੀ ਪੁਸ਼ਟੀ ਤੋਂ ਬਿਨਾਂ ਦਿੱਤਾ ਗਿਆ ਬਿਆਨ ਸਾਖ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਸਕਦਾ ਹੈ। ਪਾਠ: AI ਜਿਓਮੈਟਰੀ ਨੂੰ ਦੇਖਦਾ ਹੈ, ਮੂਲ ਦੀ ਵਿਆਖਿਆ ਨਹੀਂ।
ਕੇਸ 3 — ਟਿਕਾਣਾ ਲੀਕ ਰੋਕਿਆ ਗਿਆ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਇੱਕ ਜਨਤਕ ਟੂਲ 'ਤੇ ਇੱਕ ਨਵੀਂ ਲੱਭੀ ਸਾਈਟ ਦੇ ਧੁਰੇ ਵਾਲੇ ਚਿੱਤਰ ਨੂੰ ਅੱਪਲੋਡ ਕਰੇਗਾ। ਸਲਾਹਕਾਰ ਰੁਕਿਆ; ਖੇਤਰ ਅਜੇ ਵੀ ਅਸੁਰੱਖਿਅਤ ਸੀ. ਚਿੱਤਰ ਨੂੰ ਕੋਆਰਡੀਨੇਟ ਜਾਣਕਾਰੀ ਨੂੰ ਹਟਾ ਕੇ ਅਤੇ ਸਿਰਫ਼ ਸੁਰੱਖਿਅਤ ਸਿਸਟਮ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਗਿਆ ਸੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਅਸੰਗਤ ਸਕੈਨਿੰਗ ਫਰੇਮ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਵਿਸ਼ਲੇਸ਼ਣ ਸਹਾਇਕ। ਮੈਂ ਤੁਹਾਨੂੰ ਇੱਕ ਬੇਅਰ-ਗਰਾਉਂਡ (LiDAR ਪ੍ਰਾਪਤ) ਐਲੀਵੇਸ਼ਨ ਚਿੱਤਰ/ਡਾਟਾ ਦੇਵਾਂਗਾ। ਨਿਰਵਿਘਨ ਜਿਓਮੈਟਰੀਆਂ (ਗੋਲਾਕਾਰ, ਆਇਤਾਕਾਰ, ਰੇਖਿਕ) ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਮਨੁੱਖ ਦੁਆਰਾ ਬਣਾਈਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ; ਹਰੇਕ ਲਈ, ਇਸਦਾ ਸਥਾਨ, ਫਾਰਮੈਟ, ਅਤੇ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਲਿਖੋ। ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ, ਇੱਕ ਕੁਦਰਤੀ/ਆਧੁਨਿਕ ਵਿਆਖਿਆ ਦੀ ਸੰਭਾਵਨਾ ਵੀ ਦਰਸਾਓ। ਇੱਕ ਨਿਸ਼ਚਿਤ "ਬੈਠ" ਦਾ ਐਲਾਨ ਨਾ ਕਰੋ।
2) ਗਲਤ ਸਕਾਰਾਤਮਕ ਖਾਤਮਾ:
ਹੇਠਾਂ ਉਮੀਦਵਾਰਾਂ ਦੇ ਬਿੰਦੂਆਂ ਦੀ ਸੂਚੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ AI ਨੇ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ। ਹਰੇਕ ਲਈ, ਕੁਦਰਤੀ ਅਤੇ ਆਧੁਨਿਕ ਵਿਆਖਿਆਵਾਂ (ਭੂ-ਵਿਗਿਆਨਕ ਨਿਰਮਾਣ, ਖੇਤੀਬਾੜੀ ਟਰੇਸ, ਸੜਕ, ਇਮਾਰਤ ਦੀ ਨੀਂਹ) ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਮੈਂ ਭੂਮੀ ਜਾਂਚ ਤੋਂ ਪਹਿਲਾਂ ਖਤਮ ਕਰ ਸਕਦਾ ਹਾਂ। ਬਾਕੀ ਬਚੇ "ਅਸਲ ਵਿੱਚ ਅਸਪਸ਼ਟ" ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ ਕਰੋ।
3) ਭੂਮੀ ਨਿਯੰਤਰਣ ਯੋਜਨਾ:
ਮੇਰੇ ਚੋਟੀ ਦੇ ਉਮੀਦਵਾਰ ਸਥਾਨ ਹਨ: [ਸੂਚੀ]। ਹਰੇਕ ਬਿੰਦੂ ਲਈ, ਇੱਕ ਚੈਕਲਿਸਟ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਉਹਨਾਂ ਸੂਚਕਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਮੈਨੂੰ ਫੀਲਡ ਵਿੱਚ ਪੁਸ਼ਟੀ ਕਰਨ ਵੇਲੇ ਦੇਖਣੇ ਚਾਹੀਦੇ ਹਨ (ਸਤਹੀ ਖੋਜ, ਭੂਗੋਲ, ਮਿੱਟੀ ਦਾ ਰੰਗ, ਪੱਥਰ ਦੀ ਘਣਤਾ) ਅਤੇ ਸੁਰੱਖਿਅਤ/ਨੈਤਿਕ ਖੇਤਰ ਨਿਯਮ (ਇਜਾਜ਼ਤ, ਸਥਾਨ ਦੀ ਗੁਪਤਤਾ)।
4) ਪ੍ਰਸਾਰਣ ਲਈ ਸਥਾਨ ਬਲਰਿੰਗ:
ਪ੍ਰਕਾਸ਼ਨ/ਪ੍ਰਸਤੁਤੀ ਲਈ ਨਿਮਨਲਿਖਤ ਸਾਈਟ ਦੀ ਜਾਣਕਾਰੀ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ, ਸੁਝਾਅ ਦਿਓ ਕਿ ਮੈਂ ਸਹੀ ਸਥਾਨ ਦਾ ਖੁਲਾਸਾ ਕੀਤੇ ਬਿਨਾਂ ਇਸਦਾ ਵਰਣਨ ਕਿਵੇਂ ਕਰ ਸਕਦਾ ਹਾਂ: ਸੂਚੀ ਬਣਾਓ ਕਿ ਸਧਾਰਣਕਰਨ ਦਾ ਕਿਹੜਾ ਪੱਧਰ (ਪ੍ਰਾਂਤ/ਖੇਤਰ), ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਨੂੰ ਛੱਡਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਟੀਚਾ: ਵਿਗਿਆਨਕ ਪਾਰਦਰਸ਼ਤਾ ਦਾ ਸੰਤੁਲਨ ਅਤੇ ਵਿਗਾੜ ਤੋਂ ਸੁਰੱਖਿਆ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਕੀ ਇਸ ਸੈਟੇਲਾਈਟ ਚਿੱਤਰ ਵਿੱਚ ਕੋਈ ਪੁਰਾਤੱਤਵ ਸਥਾਨ ਹੈ? ਇਸਦੇ ਕੋਆਰਡੀਨੇਟ ਦਿਓ।
AI ਇੱਕ ਕੁਦਰਤੀ ਟਰੇਸ ਨੂੰ "ਬੈਠਣ" ਘੋਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਇੱਕ ਭਰੋਸੇਮੰਦ ਤਾਲਮੇਲ ਨੂੰ ਫਿੱਟ ਕਰ ਸਕਦਾ ਹੈ; ਇਹ ਵਿਗਿਆਨਕ ਅਤੇ ਸੁਰੱਖਿਆ ਦੋਵਾਂ ਨਜ਼ਰੀਏ ਤੋਂ ਖ਼ਤਰਨਾਕ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਸਹਾਇਕ। ਨਿਰਵਿਘਨ ਜਿਓਮੈਟ੍ਰਿਕ ਚਿੰਨ੍ਹਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਇਸ ਚਿੱਤਰ ਵਿੱਚ ਮਨੁੱਖ ਦੁਆਰਾ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ। ਹਰੇਕ ਟਰੇਸ ਲਈ: (a) ਇਸਦਾ ਆਕਾਰ, (b) ਇਹ ਕਮਾਲ ਕਿਉਂ ਹੈ, (c) ਕੁਦਰਤੀ/ਆਧੁਨਿਕ ਵਿਕਲਪਿਕ ਵਿਆਖਿਆ। ਇਹ ਉਹ ਉਮੀਦਵਾਰ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਸਿਰਫ਼ ਫੀਲਡ 'ਤੇ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਹੈ; "ਬੈਠਣ" ਦਾ ਐਲਾਨ ਨਾ ਕਰੋ। ਸਟੀਕ ਕੋਆਰਡੀਨੇਟ ਤਿਆਰ ਕਰੋ, ਸੰਬੰਧਿਤ ਸਥਿਤੀ ਦਾ ਵਰਣਨ ਕਰੋ।
ਅੰਤਰ: ਪਹਿਲੀ ਖੋਜ ਘੋਸ਼ਿਤ ਕਰਦੀ ਹੈ; ਬਾਅਦ ਵਿੱਚ ਤਸਦੀਕ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਉਮੀਦਵਾਰਾਂ ਦੀ ਇੱਕ ਸੁਰੱਖਿਅਤ ਸੂਚੀ ਤਿਆਰ ਕਰਦਾ ਹੈ।
ਚਿੱਤਰ ਕਿਸਮਾਂ ਅਤੇ ਮੌਸਮੀ ਪ੍ਰਭਾਵ
ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਵਿੱਚ ਇੱਕ ਚਿੱਤਰ "ਹਮੇਸ਼ਾ" ਕੰਮ ਨਹੀਂ ਕਰਦਾ; ਸਹੀ ਰਸਤੇ ਨੂੰ ਦੇਖਣ ਲਈ ਸਹੀ ਸਥਿਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਫਸਲਾਂ ਦੇ ਨਿਸ਼ਾਨ ਸੁੱਕੇ ਸਮੇਂ ਦੌਰਾਨ ਸਭ ਤੋਂ ਵਧੀਆ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ ਜਦੋਂ ਫਸਲ ਪਾਣੀ ਦੇ ਦਬਾਅ ਹੇਠ ਹੁੰਦੀ ਹੈ: ਦੱਬੀ ਕੰਧ ਦੇ ਉੱਪਰ ਦੀ ਮਿੱਟੀ ਘੱਟ ਪਾਣੀ ਬਰਕਰਾਰ ਰੱਖਦੀ ਹੈ, ਇਸਲਈ ਉੱਥੇ ਫਸਲ ਜਲਦੀ ਪੀਲੀ ਹੋ ਜਾਂਦੀ ਹੈ ਅਤੇ ਉੱਪਰੋਂ ਇੱਕ ਲਾਈਨ ਦੇ ਰੂਪ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਇੱਕ ਨਮੀ ਵਾਲੀ ਬਸੰਤ ਚਿੱਤਰ ਵਿੱਚ, ਉਹੀ ਟਰੇਸ ਬਿਲਕੁਲ ਦਿਖਾਈ ਨਹੀਂ ਦੇ ਸਕਦਾ ਹੈ। ਮਿੱਟੀ ਦੇ ਨਿਸ਼ਾਨ ਉਦੋਂ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ ਜਦੋਂ ਖੇਤ ਨੂੰ ਵਾਹੁਣ ਤੋਂ ਬਾਅਦ ਵੱਖ-ਵੱਖ ਰੰਗਾਂ ਦੀ ਮਿੱਟੀ ਸਤ੍ਹਾ 'ਤੇ ਆਉਂਦੀ ਹੈ। ਦੂਜੇ ਪਾਸੇ, ਪਰਛਾਵੇਂ ਦੇ ਨਿਸ਼ਾਨ, ਸਵੇਰ ਜਾਂ ਸ਼ਾਮ ਨੂੰ ਘੱਟ ਧੁੱਪ ਵਿੱਚ ਲੰਬੇ ਪਰਛਾਵਿਆਂ ਦੇ ਨਾਲ ਹਲਕੇ ਝੁਰੜੀਆਂ ਅਤੇ ਟੋਇਆਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ। ਇਸ ਲਈ, ਇੱਕ ਖੇਤਰ ਦਾ ਮੁਲਾਂਕਣ ਇੱਕ ਇੱਕ ਚਿੱਤਰ ਨਾਲ ਨਹੀਂ, ਸਗੋਂ ਵੱਖ-ਵੱਖ ਮੌਸਮਾਂ ਅਤੇ ਸਮਿਆਂ ਵਿੱਚ ਕਈ ਚਿੱਤਰਾਂ ਨਾਲ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ; AI ਇਸ ਬਹੁ-ਸਮੇਂ ਦੀ ਤੁਲਨਾ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ।
LiDAR ਦਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਇਹ ਇਸ ਸਥਿਤੀ ਦੀ ਨਿਰਭਰਤਾ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਕਾਬੂ ਕਰ ਲੈਂਦਾ ਹੈ: ਕਿਉਂਕਿ ਇਹ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਸਤਹ ਦੀ ਭੂਗੋਲਿਕਤਾ ਨੂੰ ਮਾਪਦਾ ਹੈ, ਇਹ ਬਨਸਪਤੀ ਦੇ ਮੌਸਮ 'ਤੇ ਘੱਟ ਨਿਰਭਰ ਹੈ ਅਤੇ ਜੰਗਲ ਦੇ ਹੇਠਲੇ ਹਿੱਸੇ ਨੂੰ ਦੇਖ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, LiDAR ਵਿੱਚ ਇੱਕ "ਬੇਅਰ ਗਰਾਊਂਡ ਮਾਡਲ" ਪੈਦਾ ਕਰਦੇ ਸਮੇਂ, ਜੇਕਰ ਪਲਾਂਟ ਫਿਲਟਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹਮਲਾਵਰ ਹੈ, ਤਾਂ ਇਹ ਅਸਲ ਬੰਪਾਂ ਨੂੰ ਮਿਟਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਜੇਕਰ ਇਹ ਬਹੁਤ ਨਰਮ ਹੈ, ਤਾਂ ਇਹ ਰੁੱਖਾਂ ਨੂੰ ਢਾਂਚਿਆਂ ਲਈ ਗਲਤ ਕਰ ਸਕਦਾ ਹੈ; ਇਹਨਾਂ ਫਿਲਟਰ ਫੈਸਲਿਆਂ ਲਈ ਮਾਹਰ ਦੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਸੁਝਾਅ: ਕਿਸੇ ਖੇਤਰ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਸਮੇਂ, "ਕਿਹੜੇ ਮੌਸਮ ਵਿੱਚ, ਕਿਸ ਸਮੇਂ ਅਤੇ ਕਿਸ ਢੰਗ ਨਾਲ?" ਪੁੱਛੋ। ਹਮੇਸ਼ਾ ਸਵਾਲ ਪੁੱਛੋ. ਜੇ ਇੱਕ ਸਿੰਗਲ ਚਿੱਤਰ ਵਿੱਚ ਕੋਈ ਟਰੇਸ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੋਈ ਸਾਈਟ ਨਹੀਂ ਹੈ; ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਇਸ ਨੂੰ ਗਲਤ ਸਥਿਤੀ ਵਿੱਚ ਦੇਖ ਰਹੇ ਹੋ।
ਵਿਧੀ ਤੁਲਨਾ ਸਾਰਣੀ
ਵਿਧੀ
ਕੀ ਵੇਖਦਾ ਹੈ
AI ਦਾ ਯੋਗਦਾਨ
ਸਰਹੱਦ
ਸੈਟੇਲਾਈਟ/ਏਰੀਅਲ ਫੋਟੋਗ੍ਰਾਫੀ
ਪੌਦੇ/ਮਿੱਟੀ ਦੇ ਨਿਸ਼ਾਨ
ਵਿਆਪਕ ਖੇਤਰ ਸਕੈਨਿੰਗ
ਸੀਜ਼ਨ, ਰੈਜ਼ੋਲੂਸ਼ਨ
NDVI
ਪੌਦੇ ਦੀ ਤਾਕਤ ਵਿੱਚ ਅੰਤਰ
ਦਾਗ ਉਜਾਗਰ ਕਰਨਾ
ਕੁਦਰਤੀ ਅੰਤਰਾਂ ਨੂੰ ਉਲਝਾਉਂਦਾ ਹੈ
ਲਿਡਾਰ
ਸਤਹ ਟੌਪੋਗ੍ਰਾਫੀ
ਜੰਗਲ ਦੀ ਅੰਡਰਸਟੋਰ ਜਿਓਮੈਟਰੀ
ਪਲਾਂਟ ਫਿਲਟਰ ਦੀਆਂ ਗਲਤੀਆਂ
ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ (ਜੀਪੀਆਰ/ਚੁੰਬਕੀ)
ਸਤਹੀ ਬਣਤਰ
ਅਸੰਗਤ ਪੈਟਰਨ
ਸਥਾਨਕ, ਹੌਲੀ
ਆਮ ਗਲਤੀਆਂ
- ਇੱਕ ਖੋਜ ਲਈ ਇੱਕ ਅਸੰਗਤਤਾ ਨੂੰ ਗਲਤ ਕਰਨਾ. ਨਿਸ਼ਾਨ ਇੱਕ ਉਮੀਦਵਾਰ ਹੈ; ਜ਼ਮੀਨ ਦੀ ਪੁਸ਼ਟੀ ਤੋਂ ਬਿਨਾਂ ਇਹ ਸਾਈਟ ਨਹੀਂ ਹੈ।
- ਕੁਦਰਤੀ/ਆਧੁਨਿਕ ਨਿਸ਼ਾਨਾਂ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਨਾ। ਡੌਲਿਨ, ਖੇਤੀਬਾੜੀ ਦੇ ਦਾਗ ਅਤੇ ਪਾਈਪ ਅਕਸਰ "ਢਾਂਚਾ" ਵਜੋਂ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ।
- ਖੁੱਲ੍ਹੇ ਵਾਹਨ ਨੂੰ ਸਹੀ ਤਾਲਮੇਲ ਦੇਣਾ. ਲੁੱਟ ਦਾ ਖਤਰਾ; ਸਥਾਨ ਇੱਕ ਸੰਪੱਤੀ ਹੈ ਜਿਸਨੂੰ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਇੱਕ ਸਿੰਗਲ ਚਿੱਤਰ 'ਤੇ ਭਰੋਸਾ. ਵੱਖ-ਵੱਖ ਰੁੱਤਾਂ, ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਅਤੇ ਭੂਮੀ ਤੋਂ ਬਿਨਾਂ ਵਿਆਖਿਆ ਅਧੂਰੀ ਹੈ।
- ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਦਰ ਨੂੰ ਭੁੱਲਣਾ. ਜ਼ਿਆਦਾਤਰ ਚਿੰਨ੍ਹ ਖਾਲੀ ਆਉਂਦੇ ਹਨ; ਇਹ ਆਮ ਗੱਲ ਹੈ, ਮਕਸਦ ਤੰਗ ਹੋ ਰਿਹਾ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਵਿੱਚ, AI ਵੱਡੇ ਖੇਤਰਾਂ ਨੂੰ ਸਕੈਨ ਕਰਨ ਅਤੇ ਸੰਭਵ ਸਾਈਟਾਂ ਨੂੰ ਨਿਸ਼ਾਨਬੱਧ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਸਮਾਂ ਬਚਾਉਂਦਾ ਹੈ। ਪਰ ਹਰ ਚਿੰਨ੍ਹ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ ਜਿਸਦੀ ਫੀਲਡ ਵਿੱਚ ਪੁਸ਼ਟੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; ਕੁਦਰਤੀ ਅਤੇ ਆਧੁਨਿਕ ਨਿਸ਼ਾਨਾਂ ਨੂੰ ਧਿਆਨ ਨਾਲ ਖਤਮ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਅਤੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ, ਸੰਵੇਦਨਸ਼ੀਲ ਸਥਾਨਾਂ ਨੂੰ ਲੁੱਟ ਤੋਂ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ। AI ਕਹਿੰਦਾ ਹੈ "ਇੱਥੇ ਦੇਖੋ"; ਜ਼ਮੀਨ ਅਤੇ ਮਾਹਰ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ ਕੀ "ਇਹ ਸਥਾਨ ਸੁਰੱਖਿਅਤ ਹੈ"।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਓਪਨ-ਐਕਸੈਸ LiDAR ਜਾਂ ਸੈਟੇਲਾਈਟ ਚਿੱਤਰ (ਤੁਹਾਡੇ ਆਪਣੇ ਖੇਤਰ ਤੋਂ ਜਾਂ ਇੱਕ ਨਮੂਨਾ ਡੇਟਾਸੈਟ ਤੋਂ) ਚੁਣੋ। AI ਫਲੈਗ ਸੰਭਾਵਿਤ ਜਿਓਮੈਟਰੀਜ਼ ਨੂੰ “ਅਨੋਮਾਲੀ ਸਕੈਨਿੰਗ” ਟੈਮਪਲੇਟ ਨਾਲ ਰੱਖੋ, ਫਿਰ “ਗਲਤ ਸਕਾਰਾਤਮਕ ਖਾਤਮੇ” ਟੈਮਪਲੇਟ ਨਾਲ ਕੁਦਰਤੀ/ਆਧੁਨਿਕ ਵਿਆਖਿਆਵਾਂ ਨੂੰ ਖਤਮ ਕਰੋ। ਬਾਕੀ ਬਚੇ ਉਮੀਦਵਾਰਾਂ ਲਈ ਭੂਮੀ ਨਿਯੰਤਰਣ ਯੋਜਨਾ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ ਅਤੇ ਸਥਾਨ ਦੀ ਗੁਪਤਤਾ ਨੋਟ ਸ਼ਾਮਲ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ AI ਸਿਗਨਲਾਂ ਨੂੰ "ਉਮੀਦਵਾਰ" ਮੰਨਿਆ, ਖੋਜਾਂ ਨੂੰ ਨਹੀਂ।
- [ ] ਮੈਂ ਕੁਦਰਤੀ ਅਤੇ ਆਧੁਨਿਕ ਨਿਸ਼ਾਨਾਂ ਨੂੰ ਖਤਮ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ।
- [ ] ਮੈਂ ਤਰਜੀਹੀ ਉਮੀਦਵਾਰਾਂ ਲਈ ਜ਼ਮੀਨ ਦੀ ਪੁਸ਼ਟੀ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ।
- [ ] ਮੈਂ ਸੰਵੇਦਨਸ਼ੀਲ ਸਥਾਨਾਂ ਨੂੰ ਖੁੱਲ੍ਹੇ ਵਾਹਨ ਤੋਂ ਬਾਹਰ ਛੱਡ ਦਿੱਤਾ ਅਤੇ ਪ੍ਰਸਾਰਣ ਵਿੱਚ ਉਹਨਾਂ ਨੂੰ ਧੁੰਦਲਾ ਕਰ ਦਿੱਤਾ।
- [ ] ਮੈਂ ਇਸ ਗੱਲ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਕਿ ਗਲਤ ਸਕਾਰਾਤਮਕ ਦਰ ਉੱਚੀ ਹੋ ਸਕਦੀ ਹੈ।