إطار موحّد مبني على EfficientSwinB للتعرّف على النباتات الطبية وتصنيف جرمينومات الشوك

لماذا يهم تحسين تحديد النباتات

من الأعشاب المنزلية إلى العلاجات التقليدية، الكثير من النباتات التي تدعم صحتنا تبدو متشابهة بشكل مفاجئ. التمييز بينها بالعين يتطلب سنوات من التدريب، وقد تؤدي الأخطاء إلى التأثير على جودة الأدوية وقرارات الزراعة وجهود حماية التنوع الحيوي. تقدّم هذه الدراسة إطار عمل جديدًا للذكاء الاصطناعي قادرًا على التعرف على النباتات الطبية من صور يومية وحتى تمييز أصناف الشوك المتقاربة جدًا من أوراقها. من خلال جعل تحديد النباتات أسرع وأكثر موثوقية، يشير العمل إلى أدوات عملية للصيادلة والمزارعين والعاملين في الحفظ.

من لقطات الأوراق إلى إجابات موثوقة

يركّز المؤلفون على أحد أصعب أشكال التعرّف على النباتات: العمل مباشرة من صور الأوراق. صور النباتات في الهواء الطلق مشوشة بالتربة والظلال ونباتات أخرى، بينما تشترك العديد من الأنواع في أشكال ونقوش عروية متشابهة إلى حد كبير. كانت طرق رؤية الحاسوب التقليدية تحتاج إلى مجموعات بيانات كبيرة ومنسقة جيدًا وما زالت تكافح مع هذا التنوّع. هنا، يبني الباحثون على عائلة حديثة من نماذج الذكاء الاصطناعي تسمى محولات الرؤية، التي تعامل الصورة كمجموعة من الرقع الصغيرة وتتعلم كيفية ارتباط هذه الأجزاء ببعضها. هدفهم هو تصميم إطار واحد يمكنه التعامل لكل من التعرّف الواسع للأنواع في البرية والتمييز الدقيق بين أصناف المحاصيل في المختبر.

عين أكثر نحافة وحدة للنباتات الطبية

لأجل التعرّف العام على النباتات الطبية، يقترح الفريق نموذجًا أطلقوا عليه EfficientSwinB-SE. يبدأ من محول Swin، وهو محول رؤية شائع ينظر إلى نوافذ متداخلة من الصورة لالتقاط كلٍّ من التفاصيل المحلية والمشهد الأكبر. التحسين الأول هو خطوة التقليم: يزيل النموذج تلقائيًا أقل الاتصالات فائدة في طبقة معالجة الصور المبكرة، مما يقلّل الحسابات الداخلية دون تغيير البنية العامة. التحسين الثاني هو كتلة الضغط والتنشيط (squeeze-and-excitation)، التي تعلم النموذج أن يثقل بعض القنوات البصرية أكثر من غيرها، مثل عالم نباتات يولي اهتمامًا خاصًا لبنية العروق أو ملمس الحواف ويتجاهل بكسلات الخلفية المشتتة.

التكبير على اختلافات عائلة الشوك

التعرّف على أصناف داخل محصول واحد أصعب حتى من التفريق بين أنواع مختلفة، لأن الفروق البصرية قد تكون دقيقة للغاية. لمعالجة ذلك، يوسّع المؤلفون إطارهم إلى نموذج ثانٍ يسمى OLSF-EfficientSwinB-SE، مصمّم خصيصًا لجرمينومات الشوك — الخطوط الوراثية المستخدمة في التربية. في بيئة مختبرية، يعزّزون أولًا صور الأوراق بعملية «ميزة بنية الورقة المثلى» التي تبرز اتجاهات العروق والملمس الدقيق. تُمرَّر هذه الصور المحسّنة بعد ذلك عبر نفس العمود الفقري للمحول المقلم والمتنبّه. يساعد هذا المزيج الذكاء الاصطناعي على التركيز على إشارات بنيوية صغيرة لكنها ذات مغزى بيولوجي تميّز خط شَوك عن آخر، مما يدعم تربية أكثر دقة وإدارة أفضل للموارد الوراثية.

اختبار الإطار الجديد

يقيم الباحثون نماذجهم على ثلاث مجموعات بيانات عامة: نباتات طبية هندية مصوّرة في حدائق، ونباتات طبية إندونيسية مجمّعة من مصادر متنوعة على الإنترنت، ومجموعة بيانات للشوك تحتوي على عشرات الأصناف مصوّرة في ظروف مخبرية مُتحكَّم بها. عبر اللوحة، يتفوّق EfficientSwinB-SE على نماذج تعلم عميق معروفة، بما في ذلك الشبكات الالتفافية الكلاسيكية ومحولات أخرى. يحقق نحو 99.75% دقة على مجموعة الهندية وحوالي 97.70% على المجموعة الإندونيسية، حتى تحت إضاءة متغيرة وخلفيات مشوشة. لمهمة الشوك ذات التفاصيل الدقيقة، يحرز متغير OLSF-EfficientSwinB-SE نحو 91.63% دقة، متجاوزًا نهجًا سابقًا قائمًا على المحولات ومصمَّمًا خصيصًا لهذا المحصول.

ماذا يعني هذا لاستخدام النباتات في العالم الواقعي

بعبارات يومية، تُظهر الدراسة أنه من الممكن بناء “عين” ذكاء اصطناعي واحدة وفعالة يمكنها كلًّا من التعرّف على طيف واسع من النباتات الطبية في الميدان وفرز أوراق متشابهة للغاية في المختبر بدقة. من خلال تقليم الحسابات غير الضرورية وتعليم النموذج على إبراز أكثر الإشارات البصرية إخبارًا، يقدّم المؤلفون أدوات دقيقة ومتينة وعملية بما يكفي للاستخدام شبه الفوري. يمكن أن تدعم مثل هذه الأنظمة تطبيقات هاتف ذكي لتحديد الأعشاب، وأتمتة فهرسة الموارد الوراثية، ومنصات زراعية ذكية تتعقب المحاصيل عبر أوراقها. ومع امتداد نفس الأفكار إلى مزيد من الأنواع والبيئات، قد تساهم في جسر المعرفة التقليدية عن النباتات والزراعة المعتمدة على البيانات الحديثة.

الاستشهاد: Khuat, P.T., Thien Van, H. A unified EfficientSwinB-based framework for medicinal plant recognition and safflower germplasm classification. Sci Rep 16, 11791 (2026). https://doi.org/10.1038/s41598-026-42449-4

الكلمات المفتاحية: التعرّف على النباتات الطبية, التعلّم العميق, محول رؤية, جرمينومات الشوك, تحديد النباتات