علماء روس يبتكرون طريقة جديدة لزيادة المحاصيل الزراعية

(قنا) – قام علماء من جامعة ولاية تيومين، في روسيا، بتطوير نظام رؤية حاسوبي، يقوم بتقييم شامل لحالة النباتات، وتحسين زراعتها، وبالتالي زيادة إنتاج المحاصيل الزراعية.

ويعتبر تطوير أنظمة الزراعة الذكية أحد الاتجاهات الرئيسية لتطوير الأعمال الزراعية التي يمكنها أتمتة رعاية النباتات، وزيادة الربحية والصداقة البيئية للإنتاج الزراعي، وهي أنظمة عالية التقنية حيث تتم زراعة النباتات باستخدام التحكم الآلي في التغذية والمناخ.

وقد تم تطوير نظام رؤية حاسوبي، لزيادة إنتاجية المحاصيل الزراعية كالتوت، وباستخدام الذكاء الاصطناعي يقوم النظام بإحصاء التوت، وتقييم نضجه، والتعرف على الأمراض، وكذلك عد الأوراق. ويمكن استخدام هذا النظام في المزارع الذكية ومزارع المدينة، والمزارع الزراعية التقليدية.

وتفتح أنظمة الرؤية الحاسوبية فرصا جديدة للمزارع الذكية، مما يسمح لها بمراقبة محاصيلها بشكل مستمر والمشاركة في حل المهام التي لا تزال غير قابلة للأتمتة، على سبيل المثال، اكتشاف الأمراض أو الآفات النباتية والتعرف عليها.

وقال دميتري غلوخيخ، وهو أحد مطوري النظام، وطالب الدراسات العليا في كلية علوم الحاسوب: “إن تحليل البيانات المتعلقة بعدد ونضج التوت يجعل من الممكن التنبؤ بالحصاد، وضبط نظام الري وتكوين المحلول المغذي، وعند تحديد أمراض النبات باستخدام شبكة الرؤية الحاسوبية، من الممكن تشخيصها، وأيضا تحديد نوع المرض، مما يضمن اعتماد تدابير العلاج في الوقت المناسب”.

ويعتقد غلوخيخ أن إدخال نماذج الرؤية الحاسوبية في المزارع الذكية سيزيد من استقلالية هذه المجمعات، بالإضافة إلى ذلك، فإن الجمع بين نماذج الرؤية الحاسوبية وأنظمة دعم القرار يمكن أن يجعل المزارع الذكية أكثر ذكاء.

وأضاف : “إن مثل هذه الأنظمة لا تكتشف الأمراض وتحسب الغلة فحسب، بل تزود المزارعين أيضا بتوصيات لتحسين الإنتاج”، مشددا على أن الفوائد المحتملة تشمل تقليل الوقت اللازم لاتخاذ القرار والتنبؤ بالعائد، والحد من مخاطر فقدان المحاصيل بسبب المرض بنسبة 40 إلى 70 في المئة، وكذلك تقليل متطلبات مؤهلات موظفي الخدمة.

وبحسب الدراسة، تم إجراء التجارب على التوت، الذي تمت زراعته في وحدات زراعية منتشرة في مجمع التكنولوجيا الزراعية، في جامعة ولاية تيومين.

وأثناء الدراسة، استخدم العلماء نموذج الرؤية الحاسوبي المدرب مسبقا “YOLOv8”. ويحتوي النظام حاليا على مجموعة من ثمانية نماذج مدربة، تؤدي كل واحدة منها مهمتها الخاصة، وتتحكم شبكتان منفصلتان في عمل الشبكات الأخرى. وهذا النهج، وفقا للعلماء، يقلل من احتمال الخطأ بنسبة 30 في المئة.