ரிமோட் சென்சிங் மற்றும் தள கண்டறிதல்: செயற்கைக்கோள், வான்வழி புகைப்படம் மற்றும் LiDAR

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவு மூலம் செயற்கைக்கோள், வான்வழி புகைப்படம் எடுத்தல் மற்றும் LiDAR தரவு ஆகியவற்றில் உள்ள முரண்பாடுகளை ஸ்கேன் செய்யும் திறன் மற்றும் நிலப்பரப்பு உறுதிப்படுத்தல் தேவைப்படும் வேட்பாளராக ஒவ்வொரு அடையாளத்தையும் மதிப்பீடு செய்யும் திறன்
• தாவரங்கள், மண் மற்றும் நிழல் சுவடுகளின் பருவகால மற்றும் நிபந்தனை சார்பு மற்றும் இயற்கை/நவீன தவறான நேர்மறைகள் எவ்வாறு அகற்றப்படுகின்றன என்பதைப் புரிந்துகொள்வது.
• முக்கியத் தள இருப்பிடங்கள் ஏன் கொள்ளையடிப்பதில் இருந்து பாதுகாக்கப்பட வேண்டும் மற்றும் ஒளிபரப்பில் மங்கலாக்கப்பட வேண்டும் என்பதைப் பயன்படுத்துவதற்கான திறன்

தொல்லியல் துறையில் மிகவும் அற்புதமான முன்னேற்றங்களில் ஒன்று, நிலத்தடி மற்றும் மேற்பரப்பில் உள்ள தடயங்களை தரையில் தோண்டாமல் பார்க்கும் திறன் ஆகும். ரிமோட் சென்சிங் (செயற்கைக்கோள், விமானம் அல்லது ட்ரோன் படங்கள் உள்ள பகுதியை உடல் ரீதியாக தொடாமல் ஆய்வு செய்யும் முறை) பெரிய பகுதிகளை ஸ்கேன் செய்வதற்கும் சாத்தியமான தளங்களைக் கண்டறிவதற்கும் (தொல்பொருள் எச்சங்களைக் கொண்ட இடங்கள்) மிகவும் சக்திவாய்ந்த கருவியாகும். செயற்கைக்கோள் படங்கள், வான்வழி புகைப்படங்கள் மற்றும் LiDAR தரவு ஆகியவற்றில் AI எவ்வாறு முரண்பாடுகளை (அதன் சுற்றுப்புறங்களிலிருந்து வேறுபடும் தடங்கள், மனிதனால் உருவாக்கப்பட்டதாக இருக்கலாம்) குறிக்கிறது, ஆனால் ஒவ்வொரு குறியும் புலத்தில் ஏன் உறுதிப்படுத்தப்பட வேண்டும் என்பதை இந்த யூனிட்டில் அறிந்துகொள்வோம்.

அடிப்படைக் கொள்கை: AI என்பது ஒரு பரந்த பகுதியில் "இங்கே பார்" என்று ஒரு ஸ்கேனிங் மற்றும் பாயிண்டிங் உதவியாளர்; "இது உண்மையில் ஒரு தளம்" முடிவு நிலக் கட்டுப்பாடு மற்றும் நிபுணரால் எடுக்கப்படுகிறது. ரிமோட் சென்சிங்கில், AI ஆல் குறிக்கப்பட்ட ஒவ்வொரு புள்ளியும் ஒரு கருதுகோள், ஒரு கண்டுபிடிப்பு அல்ல.

ரிமோட் சென்சிங் வகைகள்

செயற்கைக்கோள் மற்றும் வான்வழி புகைப்படம். புதைக்கப்பட்ட கட்டமைப்புகள் அவற்றின் மேலே உள்ள மண் மற்றும் தாவரங்களின் மாறுபட்ட வளர்ச்சிக்கு வழிவகுக்கும். ஒரு சுவரில் பயிர் பலவீனமாக உள்ளது, ஒரு பள்ளத்தில் அது புதர்; இவை பயிர் குறிகள் எனப்படும். NDVI (தாவரங்களின் ஆரோக்கியத்தை அளவிடும் ஒரு குறியீடு; இது அகச்சிவப்பு ஒளியைப் பயன்படுத்தி தாவர உயிர்ச்சக்தியைக் கணக்கிடுகிறது) இந்த வேறுபாடுகளை எடுத்துக்காட்டுகிறது. AI இந்த நுட்பமான வேறுபாடுகளை பெரிய படங்களில் மனிதனை விட வேகமாக ஸ்கேன் செய்கிறது.

லிடார். LiDAR (Light Detection and Ranging — ஒரு விமானத்திலிருந்து தரைக்கு லேசரைச் சுட்டு, திரும்பும் நேரத்தை அளவிடுவதன் மூலம் மேற்பரப்பின் மிகத் துல்லியமான 3D உயர வரைபடத்தை உருவாக்கும் தொழில்நுட்பம்) மிகவும் புரட்சிகரமான கருவியாகும். அதன் அம்சம் என்னவென்றால், லேசர் மரங்கள் வழியாக தரையை அடைய முடியும்; இவ்வாறு காடுகளின் கீழ் மேடுகள், மொட்டை மாடிகள், சாலைகள் மற்றும் கட்டிட அஸ்திவாரங்கள் தாவரங்களை எண்ணிக்கையில் "உரிக்கப்படும்" போது வெளிப்படுத்துகின்றன. இந்த உயரத் தரவுகளில் புடைப்புகள், குழிகள் மற்றும் மென்மையான வடிவியல் வடிவங்களை AI குறிக்கிறது.

புவி இயற்பியல் (துணை). தரை ஊடுருவும் ரேடார் (ஜிபிஆர்) மற்றும் காந்த ஆய்வு போன்ற முறைகள் மேற்பரப்பிற்கு சற்று கீழே காணப்படுகின்றன; இந்தத் தரவிலும் ஒழுங்கின்மை வடிவங்களைக் கண்டறிய AI உதவுகிறது.

AI உடன் தள கண்டறிதல் படிகள்

1. தரவு தயாரிப்பு. படங்கள் ஒருங்கிணைப்பு அமைப்பில் பொருத்தப்பட்டுள்ளன (ஜியோரேஃபரன்சிங்), நிழல் மற்றும் மாறுபாடு சரி செய்யப்படுகிறது. LiDAR இல், தாவரங்கள் வடிகட்டப்பட்டு "வெற்று நில மாதிரி" தயாரிக்கப்படுகிறது.
2. ஒழுங்கின்மை ஸ்கேனிங். AI மனிதனால் உருவாக்கப்பட்ட மென்மையான வடிவவியலைக் குறிக்கிறது (வட்ட மேடு, செவ்வக அமைப்பு, நேரியல் பள்ளம்/சாலை).
3. நீக்குதல். பெரும்பாலான அறிகுறிகள் இயற்கையானவை (புவியியல், விவசாயம், நவீனம்). நிபுணர் தெளிவாக இயற்கையான மற்றும் நவீனமானவற்றை நீக்குகிறார்.
4. முன்னுரிமை. மீதமுள்ள வேட்பாளர் புள்ளிகள் சூழல் மற்றும் அறியப்பட்ட தள விநியோகத்தால் முன்னுரிமை அளிக்கப்படுகின்றன.
5. நிலத்தை உறுதிப்படுத்துதல். முன்னுரிமை புள்ளிகள் மேற்பரப்பு ஆய்வு மற்றும் தேவைப்பட்டால், துளையிடல் மூலம் தளத்தில் சரிபார்க்கப்படுகின்றன. உறுதிப்படுத்தல் இல்லாமல் எந்த புள்ளியும் "உட்கார்" என்று அறிவிக்கப்படவில்லை.

உதவிக்குறிப்பு: AI இன் அறிகுறிகளை எப்போதும் "அதிக தவறான நேர்மறை விகிதத்தைக் கொண்ட வேட்பாளர்களின் பட்டியல்" என்று பார்க்கவும். புலத்தில் பார்க்க வேண்டிய இடங்களை புத்திசாலித்தனமாக சுருக்குவது இதன் நோக்கம்; கண்டுபிடிப்பை அறிவிக்கவில்லை. ஒரு பருவத்தில் 200 நிலப் புள்ளிகளை 30 ஆகக் குறைப்பது பெரிய லாபம்.

முக்கிய இடம்: முக்கியமான தனியுரிமை

தளத்தைக் கண்டறிவதில் உள்ள மிகத் தீவிரமான நெறிமுறை மற்றும் பாதுகாப்புச் சிக்கல் இருப்பிட ரகசியத்தன்மை ஆகும். புதிதாக அடையாளம் காணப்பட்ட, பாதுகாப்பற்ற தளத்தின் துல்லியமான ஆயங்கள், சட்டவிரோதமாக அகழ்வோர் மற்றும் புதையல் தேடுபவர்களுக்கு நேரடி இலக்காகும். எனவே:

• துல்லியமான ஆயத்தொலைவுகள் உறுதி செய்யப்படாத பொது AI வாகனங்களில் நுழைய வேண்டாம்.
• ஒளிபரப்புகள் மற்றும் விளக்கக்காட்சிகளில் முக்கியமான தளங்களின் இருப்பிடத்தை மங்கலாக்குங்கள் (பொது பகுதியைக் கொடுங்கள், ஜிபிஎஸ் இல்லை).
• நிறுவனத்தின் பாதுகாப்பான அமைப்பில் தரவை வைத்து அணுகலை வரம்பிடவும்.

கவனம்: "நான் ஒரு வரைபடத்தை வரையப் போகிறேன்" என்று பொதுச் சேவையில் ஒரு தளத்தின் ஆயங்களை ஒட்டுவது, அந்தத் தளத்தை கொள்ளையடிக்கத் திறந்து விடக்கூடும். இருப்பிடத் தரவு என்பது ஒரு சொத்தாகும், அது கண்டுபிடிக்கப்பட்டதைப் போலவே பாதுகாக்கப்பட வேண்டும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - ஸ்கேன் பகுதியை சுருக்கியது. ஒரு ஆய்வுத் திட்டம் 500 கிமீ² பரப்பளவைக் கணக்கெடுக்கும். AI-இயங்கும் LiDAR பகுப்பாய்வு காட்டின் கீழ் 120 சாத்தியமான மேடுகளைக் குறித்தது. நிபுணர் நீக்கத்திற்குப் பிறகு, 38 முன்னுரிமை இடங்கள் உள்ளன; இவற்றில் 11 களத்தில் உள்ள உண்மையான தொல்பொருள் கட்டமைப்புகள் கண்டறியப்பட்டன. AI பல மாத குருட்டுத் தேடலை இலக்கு பருவத்தில் சுருக்கியுள்ளது.

வழக்கு 2 - தவறான நேர்மறை பாடம். AI ஆல் குறிக்கப்பட்ட ஒரு மென்மையான வட்ட வடுவை "மவுண்ட்" என்று அறிவிக்க ஒரு குழு உற்சாகமாக தயாராகிக்கொண்டிருந்தபோது, ​​நிபுணர் புவியியலாளர் இது இயற்கையான தாழ்வு (டோலின்) என்று காட்டினார். நிலத்தை உறுதிப்படுத்தாமல் வெளியிடப்பட்ட அறிக்கை நற்பெயரை இழக்க நேரிடும். பாடம்: AI வடிவவியலைப் பார்க்கிறது, தோற்றத்தின் விளக்கம் அல்ல.

வழக்கு 3 - இடம் கசிவு தடுக்கப்பட்டது. ஒரு மாணவர் புதிதாகக் கண்டறியப்பட்ட தளத்தின் ஆயத்தொலைவுகளைக் கொண்ட படத்தைப் பொதுக் கருவியில் பதிவேற்றுவார். ஆலோசகர் நிறுத்தினார்; அந்தப் பகுதி இன்னும் பாதுகாப்பற்றதாக இருந்தது. ஆயத் தகவல் அகற்றப்பட்டு பாதுகாப்பான அமைப்பில் மட்டுமே படம் செயலாக்கப்பட்டது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) ஒழுங்கின்மை ஸ்கேனிங் சட்டகம்:

உங்கள் பங்கு: ரிமோட் சென்சிங் பகுப்பாய்வு உதவியாளர். நான் உங்களுக்கு ஒரு வெற்று-தரையில் (LiDAR பெறப்பட்ட) உயரப் படம்/தரவை தருகிறேன். மனிதனால் உருவாக்கப்பட்டதாக இருக்கக்கூடிய மென்மையான வடிவவியலை (வட்ட, செவ்வக, நேரியல்) குறிக்கவும்; ஒவ்வொன்றிற்கும், அதன் இருப்பிடம், வடிவம் மற்றும் அது ஏன் குறிப்பிடத்தக்கது என்பதை எழுதுங்கள். ஒவ்வொரு அடையாளத்திற்கும், இயற்கையான/நவீன விளக்கத்தின் சாத்தியத்தையும் குறிப்பிடவும். உறுதியான "உட்கார்" என்று அறிவிக்க வேண்டாம்.

2) தவறான நேர்மறை நீக்கம்:

AI குறிக்கப்பட்ட வேட்பாளர் புள்ளிகளின் பட்டியல் கீழே உள்ளது. ஒவ்வொன்றிற்கும், நிலப்பரப்பு சோதனைக்கு முன் நான் அகற்றக்கூடிய இயற்கை மற்றும் நவீன விளக்கங்களை (புவியியல் உருவாக்கம், விவசாய சுவடு, சாலை, கட்டிட அடித்தளம்) பட்டியலிடுங்கள். மீதமுள்ள "உண்மையில் தெளிவற்ற" வேட்பாளர்களை தனித்தனியாக பட்டியலிடுங்கள்.

3) நிலக் கட்டுப்பாட்டுத் திட்டம்:

எனது முதன்மை வேட்பாளர் இடங்கள்: [பட்டியல்]. ஒவ்வொரு புள்ளிக்கும், புலத்தில் உறுதிப்படுத்தும் போது நான் கவனிக்க வேண்டிய குறிகாட்டிகள் (மேற்பரப்பு கண்டுபிடிப்புகள், நிலப்பரப்பு, மண்ணின் நிறம், கல் அடர்த்தி) மற்றும் பாதுகாப்பான/நெறிமுறை கள விதிகள் (அனுமதி, இருப்பிட ரகசியத்தன்மை) அடங்கிய சரிபார்ப்பு பட்டியல் தோன்றும்.

4) ஒளிபரப்புக்கான இருப்பிடத்தை மங்கலாக்குதல்:

பின்வரும் தளத் தகவலை வெளியீடு/விளக்கக்காட்சிக்காகத் தயாரிக்கும் போது, சரியான இருப்பிடத்தை வெளிப்படுத்தாமல் நான் அதை எவ்வாறு விவரிக்கலாம் என்பதைப் பரிந்துரைக்கவும்: எந்த அளவிலான பொதுமைப்படுத்தல் (மாகாணம்/பிராந்தியம்), எந்தத் தகவலைத் தவிர்க்க வேண்டும் என்பதைப் பட்டியலிடுங்கள். குறிக்கோள்: விஞ்ஞான வெளிப்படைத்தன்மை மற்றும் கெட்டுப்போவதற்கு எதிரான பாதுகாப்பின் சமநிலை.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த செயற்கைக்கோள் படத்தில் தொல்லியல் தளம் உள்ளதா? அதன் ஆயங்களை கொடுங்கள்.

AI ஒரு இயற்கையான சுவடுகளை "உட்கார்ந்து" அறிவிக்கலாம் மற்றும் ஒரு நம்பிக்கையான ஒருங்கிணைப்பை பொருத்தலாம்; இது அறிவியல் மற்றும் பாதுகாப்பு கண்ணோட்டத்தில் ஆபத்தானது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: ரிமோட் சென்சிங் உதவியாளர். இந்தப் படத்தில் மனிதனால் உருவாக்கப்பட்ட மென்மையான வடிவியல் குறிகளைக் குறிக்கவும். ஒவ்வொரு தடயத்திற்கும்: (அ) அதன் வடிவம், (ஆ) அது ஏன் குறிப்பிடத்தக்கது, (இ) இயற்கை/நவீன மாற்று விளக்கம். இவர்கள் களத்தில் மட்டுமே சோதிக்கப்பட வேண்டியவர்கள்; "உட்கார்" என்று அறிவிக்க வேண்டாம். துல்லியமான ஆயங்களை உருவாக்கவும், உறவினர் நிலையை விவரிக்கவும்.

வேறுபாடு: முதல் கண்டுபிடிப்பு அறிவிக்கப்பட்டது; பிந்தையது சரிபார்க்கப்பட வேண்டிய வேட்பாளர்களின் பாதுகாப்பான பட்டியலை உருவாக்குகிறது.

பட வகைகள் மற்றும் பருவகால விளைவுகள்

ரிமோட் சென்சிங்கில் ஒரு படம் "எப்போதும்" வேலை செய்யாது; சரியான பாதையைப் பார்க்க சரியான நிபந்தனை தேவை. பயிர் நீர் அழுத்தத்தில் இருக்கும் வறண்ட காலங்களில் பயிர் அடையாளங்கள் சிறப்பாகத் தோன்றும்: புதைக்கப்பட்ட சுவரின் மேல் உள்ள மண் குறைவான தண்ணீரைத் தக்கவைத்துக்கொள்வதால், அங்குள்ள பயிர் ஆரம்பத்தில் மஞ்சள் நிறமாகி, மேலே இருந்து ஒரு கோடு போல் தோன்றும். ஈரப்பதமான வசந்த படத்தில், அதே தடயம் தோன்றாமல் இருக்கலாம். வயலை உழுதபின் வெவ்வேறு வண்ண மண் மேற்பரப்புக்கு வரும்போது மண் அடையாளங்கள் தோன்றும். நிழல் குறிகள், மறுபுறம், குறைந்த வெயிலில், காலை அல்லது மாலையில் நீண்ட நிழல்களுடன் ஒளி புடைப்புகள் மற்றும் குழிகளை வெளிப்படுத்துகின்றன. எனவே, ஒரு பகுதியை ஒரே படத்துடன் அல்ல, ஆனால் வெவ்வேறு பருவங்களிலும் நேரங்களிலும் பல படங்களைக் கொண்டு மதிப்பீடு செய்வது அவசியம்; AI இந்த பல நேர ஒப்பீட்டை துரிதப்படுத்துகிறது.

LiDAR இன் நன்மை என்னவென்றால், இது இந்த நிலை சார்ந்திருப்பதை பெருமளவில் முறியடிக்கிறது: இது மேற்பரப்பு நிலப்பரப்பை நேரடியாக அளவிடுவதால், இது தாவரங்களின் பருவத்தை குறைவாக சார்ந்துள்ளது மற்றும் காடுகளின் அடிப்பகுதியைக் காணலாம். இருப்பினும், LiDAR இல் "வெற்று நில மாதிரியை" தயாரிக்கும் போது, ​​ஆலை வடிகட்டி மிகவும் ஆக்ரோஷமாக இருந்தால், அது உண்மையான புடைப்புகளை அழிக்கலாம், மேலும் அது மிகவும் மென்மையாக இருந்தால், அது மரங்களை கட்டமைப்புகளாக தவறாகப் புரிந்து கொள்ளலாம்; இந்த வடிகட்டி முடிவுகளுக்கு நிபுணர் மேற்பார்வை தேவை.

உதவிக்குறிப்பு: ஒரு பகுதியை மதிப்பிடும்போது, ​​"எந்தப் பருவத்தில், எந்த நேரத்தில், எந்த முறையில்?" என்ற கேள்வியை எப்போதும் கேளுங்கள். ஒரே படத்தில் தடயம் இல்லை என்றால், தளம் இல்லை என்று அர்த்தம் இல்லை; ஒருவேளை நீங்கள் அதை தவறான நிலையில் பார்க்கிறீர்கள்.

முறை ஒப்பீட்டு அட்டவணை

முறை

என்ன பார்க்கிறது

AI இன் பங்களிப்பு

எல்லை

செயற்கைக்கோள்/வான்வழி புகைப்படம் எடுத்தல்

தாவர/மண் தடயங்கள்

பரந்த பகுதி ஸ்கேனிங்

பருவம், தீர்மானம்

என்.டி.வி.ஐ

தாவர வீரிய வேறுபாடு

வடு முன்னிலைப்படுத்துதல்

இயற்கை வேறுபாடுகளைக் குழப்புகிறது

லிடார்

மேற்பரப்பு நிலப்பரப்பு

காடு கீழ்நிலை வடிவியல்

தாவர வடிகட்டி பிழைகள்

புவி இயற்பியல் (ஜிபிஆர்/காந்தம்)

மேற்பரப்பு அமைப்பு

ஒழுங்கின்மை முறை

உள்ளூர், மெதுவாக

பொதுவான தவறுகள்

• ஒரு கண்டுபிடிப்புக்கு ஒரு ஒழுங்கின்மையைத் தவறாகப் புரிந்துகொள்வது. அடையாளம் ஒரு வேட்பாளர்; நில உறுதிப்படுத்தல் இல்லாமல் அது ஒரு தளம் அல்ல.
• இயற்கை/நவீன தடயங்களை நீக்கவில்லை. டோலின்கள், விவசாய வடுக்கள் மற்றும் குழாய்கள் அடிக்கடி "கட்டமைப்புகளாக" தோன்றும்.
• திறந்த வாகனத்திற்கு சரியான ஒருங்கிணைப்பை வழங்குதல். கொள்ளையடிக்கும் ஆபத்து; இருப்பிடம் என்பது பாதுகாக்கப்பட வேண்டிய ஒரு சொத்து.
• ஒரே படத்தை நம்பி. வெவ்வேறு பருவங்கள், வெவ்வேறு முறைகள் மற்றும் நிலப்பரப்பு இல்லாமல் விளக்கம் முழுமையடையாது.
• தவறான நேர்மறை விகிதத்தை மறந்துவிடுதல். பெரும்பாலான அறிகுறிகள் காலியாக வருகின்றன; இது இயல்பானது, நோக்கம் குறுகுகிறது.

சுருக்கமாக

ரிமோட் சென்சிங்கில், பெரிய பகுதிகளை ஸ்கேன் செய்வதிலும் சாத்தியமான தளங்களைக் குறிப்பதிலும் AI மிகப்பெரிய நேரத்தைச் சேமிக்கிறது. ஆனால் ஒவ்வொரு அடையாளமும் புலத்தில் உறுதிப்படுத்தப்பட வேண்டிய ஒரு கருதுகோள்; இயற்கை மற்றும் நவீன தடயங்கள் கவனமாக அகற்றப்படுகின்றன; மற்றும் மிக முக்கியமாக, முக்கிய இடங்கள் கொள்ளையடிப்பதில் இருந்து பாதுகாக்கப்படுகின்றன. AI கூறுகிறது "இங்கே பார்"; "இந்த இடம் பாதுகாக்கப்படுகிறதா" என்பதை நிலமும் நிபுணர்களும் தீர்மானிக்கிறார்கள்.

விண்ணப்ப பணி

திறந்த அணுகல் LiDAR அல்லது செயற்கைக்கோள் படத்தை (உங்கள் சொந்தப் பகுதியிலிருந்து அல்லது மாதிரி தரவுத்தொகுப்பிலிருந்து) தேர்வு செய்யவும். "அனோமலி ஸ்கேனிங்" டெம்ப்ளேட்டுடன் AI கொடியின் சாத்தியமான வடிவவியலை வைத்திருங்கள், பின்னர் "தவறான நேர்மறை நீக்கம்" டெம்ப்ளேட்டுடன் இயற்கை/நவீன விளக்கங்களை அகற்றவும். மீதமுள்ள வேட்பாளர்களுக்கான நிலக் கட்டுப்பாட்டுத் திட்டத்தை வரைந்து, இருப்பிட ரகசியக் குறிப்பைச் சேர்க்கவும்.

சரிபார்ப்பு பட்டியல்

• AI சிக்னல்களை "வேட்பாளர்கள்" என்று நான் கருதினேன், கண்டுபிடிப்புகள் அல்ல.
• [ ] நான் இயற்கை மற்றும் நவீன தடயங்களை அகற்ற முயற்சித்தேன்.
• [ ] முன்னுரிமை வேட்பாளர்களுக்கு நிலத்தை உறுதிப்படுத்த திட்டமிட்டுள்ளேன்.
• [ ] நான் உணர்திறன் வாய்ந்த இடங்களை திறந்த வாகனத்திற்கு வெளியே விட்டு, ஒளிபரப்பில் மங்கலாக்கினேன்.
• [ ] தவறான நேர்மறை விகிதம் அதிகமாக இருக்கலாம் என்று நான் கணக்கில் எடுத்துக் கொண்டேன்.