نحو أنظمة إدارة الأعشاب الضارة المستقلة في محاصيل قصب السكر وتقييم جهوزية التكنولوجيا

مكافحة الأعشاب الضارة من دون إغراق الحقول بالمواد الكيميائية

الأعشاب الضارة ضيوف غير مرحب بهم في الزراعة، تسرق الماء والضوء والمغذيات من المحاصيل. في قصب السكر، وهو محصول أساسي للسكر والطاقة الحيوية، يمكن لهؤلاء المتطفلين أن يقللوا الغلات بنسبة تصل إلى ثلث ويدفعوا المزارعين لرش كميات كبيرة من مبيدات الأعشاب عبر الحقول بأكملها. يستعرض هذا البحث ما إذا كانت تقنيات الذكاء الاصطناعي الحديثة قادرة على أن تمنح الجرارات «عيوناً»—كاميرات ذكية تميّز الأعشاب الضارة التي تنمو بين قصب السكر في الوقت الحقيقي—بحيث تُرَش المواد الكيميائية فقط حيث توجد حاجة فعلية.

لماذا تعد حقول قصب السكر أصعب بشكل خاص

قادرة بالفعل أنظمة ذكاء اصطناعي حديثة على تمييز المحاصيل من الأعشاب عندما تكون النباتات بارزة بوضوح على خلفية تربة عارية أو عندما تُؤخذ الصور من الأعلى. لكن حقول قصب السكر تشكل لغزاً أصعب. قصب السكر نبات عشبي معمر وطويل؛ أوراقه وسيقانه تشبه إلى حد كبير العديد من الأعشاب العشبية، وكلاهما ينمو على شكل بساط أخضر كثيف ومتشابك. بدلاً من مشاهد خضراء على بنية بسيطة، ترى الكاميرا أخضر على أخضر، مع تداخل الأوراق، وتغيرات الضوء، والغبار، والطين، والمطر. الدراسات السابقة استخدمت في الغالب صوراً من الطائرات دون طيار أو قطع تجريبية مرتبة حيث كانت الأعشاب منفصلة بصرياً عن المحصول. يجادل المؤلفون بأن ذلك لا يعكس الواقع الفوضوي الذي يواجهه المزارعون وأن هناك حاجة إلى معيار أكثر واقعية.

صورة جديدة للعالم الواقعي للأعشاب في حقول القصب

لمعالجة هذه الفجوة، شكّل الفريق مجموعة بيانات جديدة من حقول قصب السكر في لويزيانا باستخدام كاميرا على مستوى الأرض مُثبتة تقريباً على ارتفاع الصدر، محاكاة لمستشعر مركب على جرار أو جهاز رش. جمعوا أكثر من ألفي صورة عالية الدقة وقسموها إلى ثلاثة أنواع من المشاهد: قصب فقط، أعشاب فقط، ومشاهد مختلطة يظهر فيها كلاهما. لمجموعة فرعية من أكثر الصور المختلطة تحدياً، قام خبراء الأعشاب برسم مستطيلات حول بقع الأعشاب حتى تتعلم نماذج الحاسوب أين توجد الأعشاب، وليس مجرد ما إذا كانت موجودة. والأهم أن الصور تلتقط ظروفاً واقعية: براعم صغيرة كثيرة، أعشاب متشابكة مع القصب، وبقع واسعة من نمو الأعشاب، غالباً مع حدود بصرية غير واضحة حتى للمعلّقين البشر.

ما الذي تستطيع أن تفعله تقنيات الذكاء الاصطناعي اليوم وما الذي لا تستطيع

ثم اختبر الباحثون نماذج التعلم العميق المتقدمة في ثلاث مهام. أولاً، في تصنيف المشهد على مستوى الصورة—تحديد ما إذا كانت الصورة تُظهر قصباً، أعشاباً، أم كلاهما—أدت الشبكات الحديثة أداءً ممتازاً، حيث وصلت أفضل النماذج المعتمدة على المحولات إلى نحو 99% دقة. هذا يعني أنه بصورة عامة يمكن للذكاء الاصطناعي تحديد وجود الأعشاب في صورة حقل قصب السكر بشكل موثوق. ثانياً، درسوا كشف الأشياء، حيث يجب على النماذج رسم صناديق حول تجمعات الأعشاب الفردية. هنا انخفض الأداء بشدة: أفضل كاشف لديهم، شبكة التلافيف الحديثة المسماة RTMDeT مع بنية ConvNeXt ودالة خسارة مدركة للهندسة، حقق مُؤشر AP50 بقيمة 44.2، وهو بعيد عن المطلوب لرش آمن وموثوق آلياً. كما لاحظوا أن رفع دقة الصورة أو مزج ميزات المحولات والتلافيف لم يحسن الأداء وغالباً ما زاد من صعوبة الكشف.

التركيز على أشكال الأعشاب، ليس مجرد بكسلات خضراء

كانت المهمة الثالثة التجزئة: تحديد البكسلات الدقيقة للأعشاب داخل كل منطقة مكتشفة. قارن الفريق ثلاث استراتيجيات دون تدريب أي نموذج خصيصاً لهذه المهمة: مؤشر بسيط قائم على اللون يُبرز الخضرة، نموذج «جزء أي شيء» العام للتجزئة، وطريقة ضعيفة الإشراف تتعلم من دلائل خشنة. لكل منها نقاط قوة وضعف. منحت الطرق القائمة على اللون حوافاً حادة عندما كانت الأعشاب بارزة لكنها فشلت عندما كانت خلفية النباتات ذات ظلال مماثلة. التقسيم العام التقط البنية جيداً لكنه أحياناً فوّت الأوراق الدقيقة أو شمل قطعاً كبيرة من الخلفية. الطريقة الضعيفة الإشراف وجدت غالباً جزءاً أكبر من الأعشاب في مشاهد الأخضر على الأخضر الصعبة لكنها كانت تميل إلى تعليم التربة ومناطق غير أعشاب على أنها أعشاب. إلى جانب درجات الكشف المتواضعة، تبرز هذه النتائج مدى صعوبة فصل القصب عن الأعشاب المتشابهة بصرياً في ظل ظروف الحقل الحقيقية.

إلى أي مدى اقتربنا من أجهزة الرش الأذكى؟

من منظور المزارع، الرسالة مختلطة. الخبر الجيد أن الذكاء الاصطناعي يمكنه بالفعل أن يقرر، بدقة شبه كاملة، ما إذا كانت صورة مشهد قصب السكر تحتوي على أعشاب أم لا، وبعض أجهزة الكشف سريعة بما يكفي للعمل على الآلات في الحقل. الخبر السيئ أن الأنظمة الحالية لا تزال تواجه صعوبة في تحديد الموقع الدقيق لكل عشب عندما تكون النباتات متشابكة ومتشابهة بصرياً، وهو الوقت الذي يكون فيه الرش المستهدف أكثر أهمية. يستنتج المؤلفون أنه بينما تشكل مجموعة البيانات والتحليل الجديدان خطوات مهمة نحو السيطرة المستقلة على الأعشاب في قصب السكر، فإن أنظمة موثوقة وجاهزة للاستخدام الميداني ستتطلب بيانات تدريب أفضل، وأساليب أذكى للتعامل مع حدود النباتات الغامضة، ونماذج توازن بين الدقة والسرعة على أجهزة محدودة الموارد. باختصار، نحن أقرب من قبل—لكننا لسنا بعد في نقطة تستطيع فيها الجرارة أن تتولى مكافحة الأعشاب بأمان بمفردها.

الاستشهاد: Papa, J.P., Manesco, J.R.R., Schoder, M. et al. Toward autonomous weed management systems in sugarcane crops and an assessment of technological readiness. npj Artif. Intell. 2, 40 (2026). https://doi.org/10.1038/s44387-026-00096-0

الكلمات المفتاحية: الزراعة الدقيقة, كشف الأعشاب الضارة, قصب السكر, الرؤية الحاسوبية, الرش المستقل