مجموعة بيانات الطماطم متعددة الزوايا ومتعددة الوضعيات للتوصيف الدقيق

لماذا تهم الطماطم والكاميرات الذكية

الطماطم ليست مجرد مكوّن في السلطة؛ إنها واحدة من أهم المحاصيل في العالم ومحور رئيسي في علوم النبات. يقوم المربون والباحثون بفحص نباتات الطماطم بعناية مستمرة—كيف تنمو الأوراق، ومتى تتفتح الأزهار، وكيف يتغير لون الثمار—لإنتاج أصناف أكثر صلابة وطعمًا ومقاومةً. ومع ذلك، فإن هذا الفحص الدقيق يتم عادةً بالعين البشرية، وهو بطيء، وصعب التكرار، وقد يختلف من ملاحظ لآخر. يقدم هذا المقال TomatoMAP، وهي مجموعة كبيرة ومصممة بعناية من صور الطماطم تتيح للحواسيب فحص النباتات من زوايا متعددة، مما يساعد على تقليل التخمين البشري في تقييم النبات.

مكتبة صور جديدة لنمو الطماطم

TomatoMAP هي مجموعة بيانات شاملة للصور تركز على الطماطم المزروعة، Solanum lycopersicum. تحتوي على 68,080 صورة ملونة تغطي دورة حياة 101 نباتًا مزروعًا في صوبة خلال أكثر من خمسة أشهر. بدلاً من لقطات متفرقة، تُؤخذ صور كل نبات بشكل متكرر أثناء نموه، لتوثق مراحل مختلفة مثل الإزهار ونضج الثمار. لكل صورة، يقدّم الخبراء تسميات غنية: صناديق بسيطة تحدد سبع مناطق اهتمام رئيسية—الأوراق، عناقيد الأزهار، عناقيد الثمار، القِمم، والمزيد—وعلامات مرحلة النمو استنادًا إلى مقياس معياري شائع لدى علماء المحاصيل. في مجموعة منفصلة من الصور المقربة، تم تحديد البراعم والأزهار والثمار حتى مستوى البكسل الواحد، ما يتيح تحليلاً دقيقًا للغاية.

رؤية النباتات من كل جانب

لجمع هذه المجموعة، بنا الباحثون محطة تصوير مخصصة تجمع بين منصة دوارة وأربع كاميرات متزامنة. تُوضع نباتات الطماطم المزروعة في ظروف محكمة داخل الصوبة على قاعدة دوارة تدور بخطوات 30 درجة لتكمل دورة كاملة. عند كل خطوة، تلتقط الكاميرات الموضوعة على أربعة ارتفاعات وزوايا الصور في الوقت نفسه، منتجةً رؤية متعددة الزوايا لنفس وضعية النبات. على مدار 163 يومًا، أنتج هذا الإعداد أكثر من 64,000 صورة بدقة متوسطة لتصنيف مراحل النمو والكشف عن أعضاء النبات، بالإضافة إلى 3,616 صورة مقربة عالية الدقة للتقسيم التفصيلي. يصون هذا التصميم متعدد الرؤى البُنية ثلاثية الأبعاد—مثل تداخل الأوراق أو ترتيب عناقيد الأزهار والثمار—وهو ما يصعب التقاطه بصور مفردة ومسطحة.

تعليم الحواسيب قراءة صفات النبات

TomatoMAP ليست مجرد معرض صور؛ بل هي أيضًا مساحة اختبار للذكاء الاصطناعي الحديث. درّب الفريق وقيّم نماذج رؤية حاسوبية خفيفة وسريعة اختيرت لإمكانية الاستخدام في الوقت الحقيقي داخل الصوبات. تعلّم نموذج تصنيف صور مدمج تعيين مراحل نمو النبات. وتعلم نموذج كشف فعّال تحديد مواقع أجزاء النبات مثل الأوراق وعناقيد الأزهار وعناقيد الثمار في كل إطار. أما في الصور المقربة، فقام نموذج تقطيع المثيلات بتمييز الحدود الدقيقة للبراعم والأزهار والثمار، والتمييز بين مراحل التطور المبكرة والمتأخرة بناءً على الحجم واللون. يبيّن المؤلفون أن هذه النماذج تصل إلى دقة عالية، خاصة للأزهار والثمار الأكبر حجمًا، ويمكن أن تعمل بسرعة كافية للاستخدام العملي في المراقبة المستمرة.

بناء سير عمل رقمي خطوة بخطوة

لجعل التوصيف الآلي أكثر موثوقية، صمم الباحثون سير عمل «متدرج» من ثلاث مستويات. أولاً، تُنظم البيانات من صور النبات الكاملة البسيطة إلى التقسيمات التفصيلية. ثانيًا، تُرتب النماذج على هيئة سلسلة: يوجّه مصنف مرحلة النمو أي النباتات أو نقاط الزمن التي تُنقل إلى كاشف، والذي يبرز بعد ذلك أكثر المناطق صلةً لتقوم نموذج التقسيم بتحسينها. أخيرًا، تُدمج مخرجات جميع النماذج في وصف موحّد لصفات كل نبات، مثل عدد الثمار الموجودة والمراحل التي تمر بها. من خلال هيكلة كل من البيانات والنماذج بهذه الطريقة، تقل احتمالات تراكم الأخطاء، ويمكن تحسين أو استبدال كل خطوة دون إعادة بناء النظام بأكمله.

مدى تطابق أداء الآلات مع أعين البشر

نظرًا لأن الخبراء البشريين لا يتفقون دائمًا مع بعضهم البعض، تحقق الفريق بعناية من مدى تطابق نماذج الذكاء الاصطناعي مع المتخصصين. قارنوا مئات الصور المعلّمة بشكل مستقل من خمسة خبراء ونموذج كشف مُدرّب. باستخدام مقياس قياسي للاتفاق، أظهرت مقارنات خبير–خبير وخبير–آلي اتساقًا «تقريبًا تامًا». هذا يوحي بأنه، على الأقل بالنسبة للهياكل والمراحل المدروسة هنا، يمكن للأساليب الآلية أن تضاهي موثوقية الملاحظين البشر المدربين مع تجنب الإجهاد وعدم الاتساق.

ماذا يعني هذا للمحاصيل المستقبلية

يُظهر TomatoMAP أنه مع إعداد تصوير مناسب وتوسيم دقيق، يمكن للحواسيب تتبع نمو الطماطم بتفصيل غني من زوايا متعددة، وبطريقة تقارب أحكام الخبراء. بالنسبة للمربين والمزارعين، يفتح هذا الباب أمام فحص أسرع وأكثر موضوعية للأصناف والظروف الزراعية الجديدة، من تقييم كمية الثمار إلى رصد الفروق الدقيقة في بنية النباتات. بينما تظل بعض أعضاء النبات أصعب في الالتقاط بدقة ولا بد من مزيد من العمل لتكييف النماذج مع أجهزة محددة، فإن مجموعة البيانات هذه تمهد الأساس لتوصيف رقمي قابل للتوسع ويقلل التحيز، قد يساعد في النهاية على نقل محاصيل أكثر مرونة وإنتاجية من تجارب الصوبة إلى مائدة الطعام.

الاستشهاد: Zhang, Y., Struckmeyer, S., Kolb, A. et al. Tomato Multi-Angle Multi-Pose Dataset for Fine-Grained Phenotyping. Sci Data 13, 309 (2026). https://doi.org/10.1038/s41597-026-06926-9

الكلمات المفتاحية: توصيف الطماطم, تصوير النباتات, مجموعة بيانات متعددة الرؤى, رؤية الحاسوب في الزراعة, تربية المحاصيل