كيف يُحسّن الذكاء الاصطناعي دقة الكشف المبكر عن آفات النباتات؟

Summarize this content to 2000 words in 6 paragraphs in Arabic

الذكاء الاصطناعي وتقنيات الاستشعار عن بُعد تعززان الزراعة الدقيقة

يُعدّ القطاع الزراعي أحد الأعمدة الاقتصادية الأساسية في الدول النامية، ومصدراً حيوياً للرزق في المجتمعات الريفية. ومع تزايد الطلب على الغذاء نتيجة النمو السكاني، تزداد أهمية تحسين الإنتاجية الزراعية.
ومع ذلك، يواجه هذا القطاع الكثير من التحديات، مثل: أمراض وآفات النباتات والتغيرات المناخية التي تؤثر في سلامة الغذاء والإنتاج الزراعي.
وتشير تقديرات منظمة الأغذية والزراعة للأمم المتحدة (فاو) إلى أن الأمراض والآفات تتسبّب في خسائر تتراوح بين 20 و40 في المائة من الإنتاج الغذائي العالمي. وتُعدّ الاكتشافات المبكرة للأمراض النباتية عاملاً رئيسياً في تقليل آثارها السلبية، إلا أن الطرق التقليدية القائمة على الفحص اليدوي تُعدّ مرهقة ومكلفة وأقل دقة، خصوصاً بالنسبة إلى المزارعين في المناطق الريفية.
وقد أسهمت التطورات الحديثة في مجالات الذكاء الاصطناعي والرؤية الحاسوبية وتقنيات الاستشعار عن بُعد في تعزيز الزراعة الدقيقة، مما يتيح أساليب غير تقليدية للكشف المبكر عن الأمراض وإدارتها بفاعلية.
أنظمة الكشف التلقائي
مع تقدّم تقنيات الذكاء الاصطناعي، أصبح من الممكن تطوير أنظمة فعّالة للكشف التلقائي عن أمراض النباتات وتصنيفها بدقة عالية، مما يقلل الخسائر.
وتعتمد هذه الأنظمة على مستشعرات لالتقاط صور النباتات وتحليلها باستخدام خوارزميات التعلم الآلي للكشف المبكر عن الأمراض في محاصيل، مثل: الطماطم والفلفل والبطاطس والخيار.
في السياق، طوّر فريق بحثي من جامعة المنصورة في مصر نظاماً يعتمد على تقنيات الذكاء الاصطناعي للكشف المبكر وتصنيف آفات أوراق الأرز الذي يُعد من أهم المحاصيل الزراعية في العالم؛ حيث يتناوله أكثر من نصف سكان الأرض.
ووفقاً للدراسة، يواجه إنتاج الأرز الكثير من التحديات؛ من بينها: تغير المناخ، ونقص الموارد المائية، وانتشار أمراض متنوعة تسببها الفطريات والبكتيريا والفيروسات؛ مثل: مرض اللفحة البكتيرية، والبقعة البنية، ومرض اللفحة الغمدية، مما يؤدي إلى انخفاض جودة المحصول وإنتاجيته، ويتسبب في خسائر اقتصادية كبيرة تهدّد الأمن الغذائي.
يقول الدكتور محمد الموجي، الباحث الرئيسي للفريق لدى قسم تكنولوجيا المعلومات في كلية الحاسبات والمعلومات بجامعة المنصورة، إن الطرق التقليدية للكشف عن أمراض النبات تستغرق وقتاً طويلاً وتعتمد على التقييم من قبل الخبراء، مما يجعلها غير عملية للمراقبة على نطاق واسع.
ويضيف لـ«الشرق الأوسط» أن النظام المقترح «يعتمد على دمج خصائص متعددة للأوراق، مثل اللون والنسيج، باستخدام تقنيات متقدمة لتحسين البيانات وجودة الصور، بهدف معالجة التحديات المرتبطة بتباين الإضاءة».
ويتكوّن النظام من 5 مراحل رئيسية: جمع صور نبات الأرز الملونة، ومعالجة الصور لتحسين الجودة وحل مشكلات الإضاءة، واستخراج ميزات متعددة تساعد في اكتشاف الأمراض، ودمج الميزات للحصول على معلومات أكثر تكاملاً، وأخيراً تصنيف الصور باستخدام تقنيات متقدمة. وتمّ تقييم النظام على مجموعات بيانات تحتوي على 6 أنواع من الآفات، مثل: اللفحة البكتيرية والبقعة البنية، وحقق دقة تصل إلى 99.5 في المائة، متفوقاً على الطرق التقليدية والتقنيات الحديثة في الكشف عن آفات الأرز.
توظيف الذكاء الاصطناعي
توجد تقنيات عدة تستند إلى الذكاء الاصطناعي للكشف المبكر عن آفات النباتات، مثل: تقنيات معالجة الصور والرؤية الحاسوبية التي تستخدم خوارزميات متقدمة لتحليل الصور واستخراج معلومات حول حالة النبات. ويتم استخدام كاميرات متخصصة لتحسين الصور والتقاط التغيرات في اللون والملمس، مما يساعد في رصد الآفات.
وتُسهم الرؤية الحاسوبية في الكشف عن الأمراض بسرعة ودقة أعلى مقارنة بالطرق التقليدية، في حين يستخدم التعلم الآلي لتمييز الأعراض المرضية والسليمة. وهذه التقنية فعّالة أيضاً في اكتشاف الأمراض الفطرية مثل الفيوزاريوم الذي يتسبّب في ذبول النباتات. كما يُستخدم التعلم العميق لتحليل الصور الطيفية أو العادية للكشف عن الأمراض مثل التبقع أو التسمم، مما يسمح بتصنيف الأمراض بدقة حتى في مراحلها المبكرة.
بالإضافة إلى ذلك، تستخدم الطائرات دون طيار (الدرونز) المزوّدة بكاميرات وأجهزة استشعار لالتقاط صور دقيقة للمحاصيل، مثل الأرز والقطن والطماطم، ورصد العوامل البيئية مثل الرطوبة ودرجة الحرارة.
ويمكن لـ«الدرونز» استخدام نظام تصوير طيفي متعدد الأطياف للكشف عن تغيرات الضوء المنعكس، حيث يمكنها مسح الحقول بشكل دوري ورفع البيانات إلى نظام تحليل يستخدم الذكاء الاصطناعي للكشف عن الأمراض؛ مما يساعد في تحديد الآفات بشكل أكثر كفاءة مقارنة بالطرق التقليدية.
ويشير الموجي إلى أن الذكاء الاصطناعي يتميّز بقدرته على تحقيق الدقة والسرعة في الكشف عن أمراض النباتات، حيث تعتمد خوارزميات التعلّم العميق على تحليل الصور الزراعية لتحديد الأمراض بسرعة، مما يوفّر وقتاً ثميناً للمزارعين.
كما يساعد في تقليل التكاليف عبر تقليص الاعتماد على الخبراء البشريين. ويتيح حلولاً للإدارة الذكية، ما يساعد المزارعين في اتخاذ قرارات سريعة ومدروسة استناداً إلى التحليلات الدقيقة، مما يعزّز استراتيجيات مكافحة الأمراض ويضمن استدامة المحاصيل.
ويؤكد الموجي أن «الجمع بين الذكاء الاصطناعي والتقنيات الزراعية يمكن أن يحسّن إنتاجية المحاصيل، حيث يُمكن الكشف المبكر عن الأمراض وتقليل الخسائر، فضلاً عن تحسين الجودة وزيادة العائد، مما يدعم الأمن الغذائي».

“);
googletag.cmd.push(function() { googletag.display(‘div-gpt-ad-3341368-4’); });
}