طريقة جديدة لعدّ أوراق نبات التبغ في الحقل اعتمادًا على صور الدرون وشبكة PointNext محسّنة

لماذا يهم عدّ الأوراق من السماء

قد يبدو عدد أوراق المحصول تفصيلًا صغيرًا، لكنه لدى مزارعي التبغ نافذة مباشرة على صحة النبات ومحصوله المستقبلي. اليوم لا يزال العمّال يتجولون في الحقول ويعدّون الأوراق يدويًا، وهو عمل بطيء ومرهق ومكلف لا يتماشى مع مزارع العصر الحديث. تُظهر هذه الدراسة كيف يمكن للدرون، والتصوير ثلاثي الأبعاد، والذكاء الاصطناعي أن تتعاون لتعدّ أوراق نباتات التبغ المزروعة في حقول حقيقية تلقائيًا، موفرةً طريقة أسرع وأكثر دقة لتوجيه استخدام الأسمدة، والتنبؤ بمحاصيل الحصاد، ودعم برامج التربية لاختيار أصناف أفضل.

من رحلات الدرون إلى رؤية ثلاثية الأبعاد للحقل

لجأ الباحثون أولًا إلى الدرون ككاميرات طائرة. أقلعوا بطائرة رباعية تجارية فوق حقول التبغ في يونان، الصين، ملتقطين صورًا عالية الدقة من ارتفاعات وزوايا متعددة حول مربعات البحث. باستخدام برامج التصوير الفوتوغرامي، جُمعت هذه الصور المتداخلة لتكوين نماذج ثلاثية الأبعاد مفصّلة للنباتات. ثم استُخرِج كل نبات كنَفَسٍ منفصل من النقاط في الفضاء ثلاثي الأبعاد، حيث تمثل كل نقطة بقعة صغيرة على ساق أو ورقة أو تشويش محيط مثل التربة أو أوراق نباتات مجاورة. تُحوّل هذه الخطوة الصور المسطحة إلى وصف ثلاثي الأبعاد غني قادر على كشف الأوراق حتى عند تداخلها في الصور التقليدية.

تعلّم الكمبيوتر تمييز الأوراق الفردية

لاستغلال هذه السحب النقطية ثلاثية الأبعاد، أنشأ فريق العمل مجموعة بيانات كبيرة وموسومة بعناية. جمعوا ألف نموذج لنباتات فردية ووَسَموا كل نقطة يدويًا باعتبارها جزءًا من الأوراق المستهدفة أو الساق أو نباتات أخرى أو ضوضاء. بوجود مادة تدريبية بهذا الطراز، طوّروا شبكة عميقة ثلاثية الأبعاد حديثة معروفة باسم PointNext إلى نسخة جديدة مُلائمة للمحاصيل الحقلية أطلقوا عليها SRW-PointNext. أضيفت ثلاث تحسينات رئيسية: وحدة انتباه تساعد الشبكة على التركيز على الأنماط المكانية واللونية الأكثر إفادة؛ دالة خسارة مُنقّحة تمنع نقاط الأوراق الوفيرة من طمس الفئات الأقل تكرارًا مثل السيقان والخلفية؛ ورأس إخراج معزز يستعيد التفاصيل الدقيقة بشكل أفضل عندما تكون أجزاء من السحابة ناقصة أو غير متوازنة.

تحويل السحب المفصّلة إلى أعداد أوراق

بعد أن تعلّمت SRW-PointNext تسمية كل نقطة ثلاثية الأبعاد، صار بإمكان النموذج فصل سحابة النبات الواحدة إلى أجزاء أوراق وغير أوراق. لكن العلماء ما زالوا بحاجة لمعرفة عدد الأوراق الفعلي. لهذا استخدموا أسلوب تجميع يُدعى MeanShift. ببساطة، يبحث الخوارزم عن جيوب كثيفة من نقاط الأوراق في ثلاثة أبعاد، بحيث تمثل كل جيب كثيف ورقة واحدة. يتحكم اختيار إعداد "نطاق التمشيط" (bandwidth) في مدى ضيق أو اتساع تجميع النقاط. إذا كان الإعداد صغيرًا جدًا، تقسم الورقة الواحدة إلى مجموعات مصطنعة وتزيد العدّ؛ وإذا كان كبيرًا جدًا، تندمج الأوراق القريبة ويقلّ العدّ. من خلال ضبط هذا المعامل بعناية، تمكّن الباحثون من تجميع نقاط الأوراق المفصّلة إلى أوراق فردية واقعية.

مدى أداء الطريقة

لاختبار الدقة، قارَن الفريق العدّ الآلي مع الجداول اليدوية الدقيقة لعدد 230 نباتًا حقليًا. أتى خط العمل — تصوير بالدرون، إعادة بناء ثلاثية الأبعاد، تجزئة بواسطة SRW-PointNext، ثم تجميع MeanShift — بدقة عدّ بلغت نحو 92.6 في المئة. وحققت الشبكة المحسّنة أيضًا تجزئة عالية الجودة: دقة تقريبية تبلغ 92 في المئة ومؤشر تقاطع-على-الاتحاد متوسط بقيمة 76 في المئة، متفوِّقةً على عدة طرق شائعة لمعالجة السحب النقطية ثلاثية الأبعاد مثل PointNet وPointNet++ وRandLA-Net وPointNext الأصلي. والأهم أن هذه الزيادة في الدقة صاحَبها زيادة معتدلة فقط في التكلفة الحسابية، ما يشير إلى أن المنهج عملي لمسوح واسعة النطاق.

ما الذي يعنيه هذا للزراعة المستقبلية

بالنسبة لغير المتخصص، الرسالة الأساسية واضحة: بدمج الدرون، والنمذجة ثلاثية الأبعاد، ونموذج ذكاء اصطناعي مطوّر، تستطيع الفرق الآن عدّ أوراق التبغ في الحقول الحقيقية بدقة تقارب دقة البشر، لكن بسرعة أكبر وعلى مساحات أوسع بكثير. ينقل هذا عملية عدّ الأوراق من دفاتر ومشي في الحقول إلى عملية آلية غنية بالبيانات يمكن دمجها في أنظمة إدارة المحاصيل الرقمية. ورغم أن العمل الحالي يركز على التبغ في مرحلة نمو واحدة ويعتمد على جودة عمليات إعادة البناء ثلاثية الأبعاد، يمكن توسيع نفس الاستراتيجية لتشمل محاصيل ومواسم أخرى. مع مرور الوقت، قد تصبح هذه الأدوات مساعدة روتينية للمزارعين، تساعدهم في مراقبة نمو النباتات، وضبط المدخلات، واختيار الأصناف ذات الأداء الأفضل بجهد يدوي أقل بكثير.

الاستشهاد: Nan, D., Li, J., Liang, H. et al. A novel leaf counting method for field tobacco plants based on UAV imagery and an improved PointNext. Sci Rep 16, 11052 (2026). https://doi.org/10.1038/s41598-026-41365-x

الكلمات المفتاحية: توصيف صفات التبغ, الزراعة بالدرون, سحب نقطية ثلاثية الأبعاد, عدّ الأوراق, التعلّم العميق في الزراعة