شبكة U-Net خفيفة محسّنة وإطار YOLACT للكشف عن شدَّة الأمراض المتعددة في أوراق فواكه الرُمان (pome)

لماذا تهم فحوصات الأوراق الأذكى

يعلم مزارعو التفاح والكمثرى أن البقع والتشوهات على الأوراق قد تنتشر سريعًا وتؤثر بهدوء على المحصول. الجولات الحقلية والتقييم البصري ببطء غير دقيق، لا سيما عندما تصيب أكثر من عدوى واحدة الورقة نفسها. تعرض هذه الدراسة نهجًا آليًا قائمًا على الكاميرا يمكنه اكتشاف عدة أمراض على ورقة واحدة من فاكهة الرمان وتقدير مدى تقدّم كل عدوى، مقدمًا مسارًا عمليًا نحو فحوصات صحة المحصول أسرع وأكثر موثوقية.

رؤية تتجاوز عين الإنسان

يركّز الباحثون على ثمار الرمان مثل التفاح والكمثرى، التي تكون عرضة بشدّة لأمراض الأوراق التي تشوه جودة الثمرة وتقلّل المحصول. التفتيش التقليدي يعتمد على خبراء يقيسون بصريًا حجم الأعراض ولونها، وهي عملية تستغرق وقتًا وتختلف من شخص لآخر. تضيف البساتين الحقيقية أيضًا خلفيات مشوّشة، تغيرًا في الإضاءة، وأوراقًا تتداخل أو تنثني. سعى الفريق لبناء أداة تتحمّل كل هذا الضجيج البصري، تعمل من صور ألوان عادية، وتفرّق بين عدوى متعددة متداخلة على ورقة واحدة مع تقييم مدى تقدّم كل مرض.

رؤيتان على مرحلتين للأوراق المصابة

لمعالجة ذلك، تستخدم الدراسة خطّ رؤية ثنائي. أولًا، تُدرَّب نسخة مبسطة من شبكة شهيرة في التصوير الطبي، تسمى Lite U Net، لفصل الورقة عن المحيط وتحديد المناطق المصابة عمومًا. تقص هذه المرحلة الفروع والسماء والتربة، ما يضمن أن التحليل اللاحق يركّز فقط على نسيج النبات. بعد ذلك، تُستخدم نسخة مقلّصة من شبكة أخرى، Lite YOLACT، للتكبير والتقاط كل رقعة مريضة مميزة ككائن منفصل. معًا، تسمح هاتان المرحلتان للنظام أن يتعرّف على أن ورقة واحدة قد تحمل، على سبيل المثال، القراع والصدأ معًا، لكلٍ منهما حجم وانتشار خاصان به.

تحويل البقع إلى درجات بسيطة

بمجرد تحديد كل منطقة مريضة، تقيس الطريقة جزء سطح الورقة المغطى بكل عدوى. صمّم المؤلفون مقياس شدّة جديد ذي تسع مستويات يترجم هذه النسب المئوية إلى مراحل سهلة الفهم، من نقاط صغيرة مبكرة إلى تلف يكاد يكون كليًا. المقياس مُهيأ للتعامل مع مرضين في آنٍ واحد، موضحًا ما إذا كان كلاهما خفيفًا، كلاهما متقدمًا، أو إذا سيطر أحدهما بوضوح على الآخر. ولتعزيز ثقة المستخدمين بالنظام، أضاف الباحثون تقنية تصوير تفسيرية تُسمى Grad CAM التي تنتج خرائط حرارية توضح أي أجزاء الورقة استند إليها النموذج عند تحديد مدى شدّة الإصابات.

الاختبار في البساتين والمختبرات الرقمية

درّب الفريق واختبر النهج على مجموعتين كبيرتين منشورتين من صور أوراق التفاح والكمثرى. تتضمن هذه المجموعات عدة أمراض شائعة، مصوّرة في ظروف ميدانية حقيقية ومعلَّمة من قبل أخصائيي صحة النبات. بعد معالجة مسبقة دقيقة، وموازنة البيانات، والتدريب على أجهزة رسوميات حديثة، بلغ النظام المجمّع حوالي 95 بالمئة دقة عند تدرّيج شدّة الأمراض المتعددة. كما يعمل بكفاءة: باستخدام تصاميم شبكية مدمجة وطرق ذكية لمشاركة الحسابات، يحتاج النموذج حسابات وذاكرة أقل من العديد من أنظمة التعلّم العميق القياسية، مما يجعله مناسبًا للهواتف أو أجهزة الحافة المستخدمة مباشرة في الحقل.

ماذا يعني هذا للمزارعين

بعبارات يومية، تُظهر هذه الدراسة أن كاميرا غير مكلفة مع نموذج ذكاء اصطناعي نحيف يمكن أن يكتشف ويقيّم بثقة عدة أمراض أوراق في التفاح والكمثرى في آن واحد. بدلًا من التخمينات البصرية، قد يتلقى المزارعون تقديرات رقمية متسقة عن نسبة كل ورقة المصابة ومدى تقدّم كل مرض. ومع أن الطريقة تحتاج إلى اختبارات أوسع عبر محاصيل وظروف أكثر، فإنها تشير إلى كشافين رقميين عمليين يساعدون المزارعين على التدخّل مبكرًا، واستهداف العلاجات بشكل أدق، وتقليل الهدر واستخدام المواد الكيميائية في البساتين.

الاستشهاد: Qasim, M., Adnan, S.M. & Safi, Q.G.K. Optimized Lightweight U-Net and YOLACT framework for multi-disease severity detection in pome fruit leaves. Sci Rep 16, 15132 (2026). https://doi.org/10.1038/s41598-026-45947-7

الكلمات المفتاحية: كشف أمراض النبات, أمراض أوراق التفاح, أمراض أوراق الكمثرى, الزراعة والتعلّم العميق, تدرّيج شدّة المرض