طور باحثون من الجامعة الوطنية للعلوم والتكنولوجيا (NUST MISIS) في روسيا نموذجا جديدا للذكاء الاصطناعي يستطيع تشخيص أمراض النباتات من خلال صور الأوراق، مع قدرة أعلى على التعامل مع تغيرات الإضاءة والخلفيات وزوايا التصوير مقارنة بالأنظمة المشابهة.
وأوضح الباحثون أن النظام الجديد قد يسهم مستقبلا في تطوير تطبيقات وخدمات رقمية تساعد المزارعين على اكتشاف الأمراض النباتية مبكرا، مما يقلل خسائر المحاصيل ويحسن إدارة الإنتاج الزراعي.
تشخيص أمراض النباتات ( مصدر الصورة: NUST MISIS )
تحديات تصوير النباتات في الحقول
يُعد الاكتشاف المبكر للأمراض من أهم العوامل للحفاظ على إنتاجية المحاصيل، إلا أن الصور الملتقطة في الحقول غالبا ما تتأثر بالإضاءة الطبيعية، والظلال، والخلفيات المعقدة، واختلاف زوايا التصوير، وهو ما يحد من كفاءة أنظمة الرؤية الحاسوبية التقليدية.
وللتغلب على هذه المشكلة، طور الباحثون نموذجا يعتمد على الشبكات العصبية يحمل اسم HiP²-Net، صُمم ليراعي الخصائص المميزة لكل محصول زراعي، إضافة إلى تأثير ظروف الإضاءة المختلفة أثناء تحليل الصور.
تمهيد لتطبيقات تخدم القطاع الزراعي
قالت أليفتينا تشيرنيكوفا، رئيسة الجامعة الوطنية للعلوم والتكنولوجيا (NUST MISIS)، إن هذا الابتكار قد يشكل في المستقبل أساسا لتطوير تطبيقات الهواتف الذكية والخدمات الرقمية الموجهة لقطاع الزراعة.
وأضافت أن هذه الحلول يمكن أن تساعد على اكتشاف الأمراض التي تصيب المحاصيل الزراعية بسرعة أكبر، بما يسهم في الحد من خسائر الإنتاج وتحسين كفاءة إدارة المزارع.
تدريب النموذج على اكتشاف العلامات المبكرة
اعتمد الباحثون في تدريب النظام على تقنية تعزيز البيانات (Data Augmentation)، والتي تتضمن إجراء تعديلات متنوعة على الصور الأصلية لزيادة قدرة النموذج على التعلم.
وشملت هذه العملية محاكاة ظهور بؤر إصابة صغيرة على الأوراق، ما ساعد النظام على التعرف على العلامات المبكرة والضعيفة للأمراض قبل تفاقمها.
كما يعتمد النموذج على تحليل درجة اخضرار الصورة، وهو ما يساعده على تمييز أنسجة الأوراق بدقة أكبر، وتقليل تأثير الظلال والانعكاسات والعناصر الموجودة في الخلفية أثناء عملية التشخيص.
دقة التشخيص تجاوزت 93%
أظهرت نتائج الاختبارات أن النموذج الجديد حقق أداءً أفضل من نموذج الذكاء الاصطناعي الأساسي المستخدم للمقارنة.
وارتفعت نسبة التشخيص الصحيح من 87.5% إلى أكثر من 93% على مجموعة البيانات التجريبية التي استخدمها الباحثون.
يعتمد على أعراض المرض وليس على الخلفية
أوضحت إيلينا ليابونتسوفا، الأستاذة في قسم التصميم والهندسة المؤتمتة بجامعة NUST MISIS، أن النموذج لا يعتمد في قراراته على العناصر العشوائية الموجودة في الصورة.
بل يركز على العلامات المميزة للمرض، مثل:
- عروق الأوراق.
- البقع المرضية.
- المناطق التالفة أو المتضررة.
وأضافت أن هذه التقنية قد تُستخدم مستقبلا في تطبيقات الهواتف الذكية المخصصة للمزارعين، وخدمات المراقبة السحابية للمحاصيل، وأنظمة الزراعة الرقمية، بما يتيح اكتشاف الأمراض النباتية بسرعة ودقة أعلى.