من المزرعة إلى المائدة: كيف يقود الذكاء الاصطناعي الابتكار في الزراعة

مع توقّع زيادة عدد سكان العالم بمقدار ملياري نسمة بحلول عام 2050، نحتاج إلى زيادة إنتاج الغذاء بنحو 60% لمواكبة هذا النمو. ويساعدنا الذكاء الاصطناعي (AI) على مواجهة هذا التحدي من خلال دفع عجلة الابتكار في الزراعة. ويمكن استخدام ابتكارات الذكاء الاصطناعي لمراقبة الماشية، وتحليل نمو المحاصيل، والتنبؤ بموعد حاجة المعدات الزراعية إلى الصيانة، وغير ذلك الكثير. وعندما نفكر في الزراعة، غالبًا ما يتبادر إلى أذهاننا العمل في الحقول فحسب. لكن الزراعة مظلة تشمل وظائف وعمليات عديدة ومختلفة.

لفهم أثر الذكاء الاصطناعي في الزراعة بصورة أفضل، لنأخذ مثالًا محددًا: دورة حياة إحدى الفواكه. ماذا يحدث خلال رحلتها من الحقل إلى موائدنا؟

سنستكشف في هذه المدونة كيف يساعد الذكاء الاصطناعي في كل خطوة من العملية، بدءًا من زراعة الفاكهة ونموها وحصادها، وصولًا إلى معالجتها ونقلها وبيعها. فلنبدأ!

الاستفادة من التقنيات الجديدة في الزراعة لزراعة الفاكهة#

تبدأ دورة حياة محاصيل الفاكهة باختيار البذور وزراعتها. ويتعين على المزارع تحديد نوع الفاكهة الذي سيزرعه في الموسم. ويمكن استخدام تقنيات الذكاء الاصطناعي، مثل التعلم الآلي، لتحليل كميات كبيرة من البيانات ومساعدة المزارعين على اختيار أفضل البذور الملائمة لظروف التربة والمناخ لديهم. ومن خلال تقييم أنماط الطقس التاريخية وتركيبة التربة وبيانات أداء المحاصيل، يستطيع الذكاء الاصطناعي التوصية بأصناف البذور المثلى والأرجح ازدهارًا. ويُعد استخدام الذكاء الاصطناعي لاختيار البذور مجالًا بحثيًا مستمرًا يحظى باهتمام كبير وينطوي على إمكانات واعدة.

فعلى سبيل المثال، منحت CGIAR Inspire Challenge لعام 2018 جائزة قدرها 100,000 دولار أمريكي لمشروع استخدم التعلم الآلي لاختيار البذور بذكاء أكبر. وقاد المشروع باحثون من BioSense Institute وCIMMYT. واستخدموا بيانات عن أصناف ذرة جديدة مختلفة، جُمعت من مئات مواقع التقييم في المكسيك، لتطوير نماذج تتنبأ بأداء البذور. ويزيد النهج القائم على البيانات فرص نجاح الحصاد ويحد من خطر فشل المحاصيل. وبعد اختيار أفضل نوع من البذور، يمكن للرؤية الحاسوبية فحص جودتها.

الشكل 1. صورة أقمار صناعية تُظهر إنتاج الذرة في المكسيك، وتشير المناطق الأكثر سطوعًا إلى نباتات أكثر صحة.

استخدام الرؤية الحاسوبية لتقييم جودة البذور#

يمكن استخدام الرؤية الحاسوبية لتحليل صور عالية الدقة لبذور الفاكهة واكتشاف العيوب والأمراض والسمات الوراثية التي قد لا تراها العين البشرية. ويمكن الاستعانة بمهام الرؤية الحاسوبية المختلفة لتحليل هذه الصور وفرز البذور وتصنيفها وتقييم جودتها. ومن خلال أتمتة هذه المهام، يمكن للذكاء الاصطناعي المساعدة في ضمان زراعة البذور الأعلى جودة فقط، وتحقيق المزارعين غلات أفضل للمحاصيل.

على سبيل المثال، تُعد آلة الفرز GeNee™ من Seed X آلة فرز بذور تعمل بالذكاء الاصطناعي وتحسّن عملية اختيار البذور. وتقسّم الآلة البذور إلى فئتين: تُوجّه البذور عالية الجودة المرجح إنباتها إلى الصندوق الأساسي، بينما تُفرز البذور المستبعد إنباتها في صندوق ثانوي. وتتولى مهامًا مثل تقييم اللون والشكل والحجم والنقاء الوراثي والتنبؤ بمعدلات الإنبات. وبفضل آلة الفرز، يمكن رفع معدلات الإنبات إلى أكثر من 90%، ما يعني إنبات عدد أكبر من البذور بنجاح وتحولها إلى نباتات سليمة.

الشكل 2. آلة الفرز GeNee™ من Seed X.

استخدام الذكاء الاصطناعي لزراعة الفاكهة وحصادها#

يمكن أيضًا استخدام الذكاء الاصطناعي لتحسين تحليل التربة ومراقبة المحاصيل. وتحلّق طائرات مسيّرة مزودة بكاميرات متطورة فوق حقول الفاكهة، ملتقطةً صورًا تفصيلية للتربة وصحة النباتات. وتُعالج هذه الصور لإنشاء خرائط توضح الاختلافات في رطوبة التربة ومستويات المغذيات وصحة النباتات. واستنادًا إلى الرؤى المستخلصة من تحليل الصور، يمكن تنفيذ مهام مثل اكتشاف الأعشاب الضارة ومراقبة النمو وتقدير الغلة وضبط الري وتطبيق الأسمدة بدقة ومكافحة الآفات على نحو موجّه. ويمكن للمراقبة الآنية باستخدام الذكاء الاصطناعي تحسين غلة محاصيل الفاكهة وتعزيز الممارسات الزراعية المستدامة.

قد يؤدي حصاد الحقل قبل الموعد الأمثل بيوم واحد فقط أو بعده إلى خفض الدخل المحتمل للمزارع بنسبة تتراوح بين 3.7% و20.4%. ويمكن للذكاء الاصطناعي المساعدة في تحديد أفضل وقت لقطف الفاكهة. وتعتمد أساليب الحصاد التقليدية اعتمادًا كبيرًا على العمل اليدوي، وقد تكون أقل كفاءة وتستغرق وقتًا أطول. وتستخدم أساليب الحصاد المدعومة بالذكاء الاصطناعي مستشعرات متطورة وخوارزميات التعلم الآلي لتحليل بيانات لون الفاكهة وحجمها والظروف البيئية، بغية التنبؤ بنضجها. وبهذه الطريقة، تُحصد الفاكهة عندما تكون في أفضل حالاتها، ما يؤدي إلى زيادة الغلة وتقليل الهدر.

الشكل 3. استخدام الرؤية الحاسوبية لتقسيم الفراولة الناضجة.

المعالجة بعد الحصاد: التحليل الحجمي لتقسيم الفاكهة وتعبئتها#

بعد الحصاد، تتمثل الخطوة الرئيسية التالية في فرز الفاكهة وتصنيفها لضمان وصول أفضل المنتجات إلى المستهلكين. ويمكن استخدام الذكاء الاصطناعي للتحليل الحجمي لتقسيم الفاكهة إلى أجزاء. ومن خلال تطبيق نماذج الرؤية الحاسوبية مثل Ultralytics YOLOv8، يمكن تقييم حجم الفاكهة وشكلها وجودتها.

الشكل 4. استخدام نموذج الرؤية الحاسوبية Ultralytics YOLOv8 لتقسيم الفاكهة.

تتضمن العملية التقاط صور عالية الدقة للفاكهة على حزام ناقل، وتقسيم كل ثمرة على حدة باستخدام نموذج YOLOv8، وإجراء تحليل حجمي لقياس الحجم والشكل واكتشاف العيوب. واستنادًا إلى التحليل، تُفرز الفاكهة وتُصنّف تلقائيًا إلى فئات مختلفة لتعبئتها أو معالجتها أو توزيعها على النحو المناسب. ويؤدي الفرز والتصنيف المدعومان بالذكاء الاصطناعي إلى تحسين الكفاءة والدقة والاتساق، والحد من الهدر، وزيادة قيمة المحصول إلى أقصى حد.

بعد فرز الفاكهة وتصنيفها، يمكن لآلات التعبئة الآلية وضعها في العبوات بدقة. ويمكن لأنظمة التعرّف الضوئي على الحروف (OCR) المدعومة بالذكاء الاصطناعي التحقق من دقة العبوات، والتأكد من صحة الملصقات والرموز الشريطية وغيرها من المعلومات المهمة للامتثال للمعايير واللوائح. ويساعد فحص العبوات بهذه الطريقة على تفادي حالات مثل وجود منتجات منتهية الصلاحية. إذ يستطيع الذكاء الاصطناعي اكتشاف الملصقات غير الصحيحة أو تواريخ انتهاء الصلاحية المنقضية، والتنبيه إليها لتصحيحها قبل وصول المنتجات إلى المستهلكين.

ابتكارات الذكاء الاصطناعي في بيع الفاكهة وتوزيعها#

لنفترض الآن أن أفضل أنواع الفاكهة لديك قد عُبئت وأصبحت جاهزة للتوصيل. يستطيع الذكاء الاصطناعي تحسين الخدمات اللوجستية ونقل الفاكهة من خلال تحسين المسارات. ويُعد الحفاظ على طزاجة الفاكهة أثناء النقل وإيجاد أكثر مسارات التوصيل كفاءة من التحديات الرئيسية. ويمكن لخوارزميات الذكاء الاصطناعي تحليل أنماط حركة المرور والظروف الجوية وجداول التوصيل لتحديد أفضل المسارات وتقليل وقت الرحلة وتكاليفها.

بعد وصول الفاكهة إلى المتجر، يواصل الذكاء الاصطناعي أداء دور محوري في إدارة المخزون والتنبؤ بالطلب. ويمكن لأنظمة الذكاء الاصطناعي تحليل بيانات المبيعات وتفضيلات العملاء والاتجاهات الموسمية للتنبؤ بالطلب بدقة أكبر. ويمكن لـمتاجر التجزئة الحفاظ على مستويات المخزون المثلى استنادًا إلى الرؤى المستمدة من الذكاء الاصطناعي، والحد من خطر تكدّس المخزون أو نفاده.

الشكل 5. موظفون يعيدون تزويد متجر تجزئة بالفاكهة. مصدر الصورة: Envato Elements.

يمكن استخدام الرؤية الحاسوبية في المتاجر لمراقبة مخزون الرفوف في الوقت الفعلي. وباستخدام اكتشاف الكائنات، تستطيع الكاميرات المدعومة بالذكاء الاصطناعي تحديد انخفاض المخزون أو وضع المنتجات في غير مواضعها، وتنبيه الموظفين لإعادة التزويد أو ترتيب الرفوف. ويساعد الذكاء الاصطناعي، من خلال ضمان توافر الكمية المناسبة من المنتجات الطازجة في الوقت المناسب، على تحسين رضا العملاء والحد من هدر الطعام.

الأثر الإجمالي للذكاء الاصطناعي في صناعة الفاكهة#

يمتلك الذكاء الاصطناعي القدرة على الإسهام بدور كبير في مساعدة المستهلكين على الحصول على فاكهة أجود. ويُعد Nature Fresh Farms مثالًا رائعًا على نجاح دمج الذكاء الاصطناعي في صناعة الفاكهة. فقد أحدثت Nature Fresh Farms تحولًا في عملياتها، من البذور إلى المتاجر، باستخدام تقنية الذكاء الاصطناعي. وتساعد المستشعرات المدعومة بالذكاء الاصطناعي وتحليلات البيانات على تتبع كل شيء وإدارته، بدءًا من المناخ ومستويات الرطوبة في البيوت المحمية وصولًا إلى الخدمات اللوجستية لنقل المنتجات. وقد حسّنت Nature Fresh Farms ظروف الزراعة، وضبطت الري، وخفّضت التكاليف. كما يتيح نظام الذكاء الاصطناعي وصول المنتجات إلى أرفف المتاجر الكبرى خلال 24 - 48 ساعة من تعبئتها، ما يقلل مدة النقل كثيرًا ويحافظ على طزاجتها.

على الرغم من الفوائد العديدة، ينطوي استخدام الذكاء الاصطناعي في صناعة الفاكهة على بعض العيوب المحتملة:

• تكلفة التنفيذ: قد يكون الاستثمار الأولي في تقنية الذكاء الاصطناعي مرتفعًا، ما قد يشكل عائقًا أمام بعض المزارعين والمنتجين.
• الاعتماد على التقنية: قد يؤدي الاعتماد الكبير على الذكاء الاصطناعي والتقنية إلى نشوء تبعية يصعب التعامل معها، خاصةً عند حدوث مشكلات أو أعطال تقنية.
• الصيانة والعناية: تتطلب أنظمة الذكاء الاصطناعي صيانة وتحديثات منتظمة لتعمل بفاعلية، ما قد يزيد التكاليف المستمرة والتعقيد التشغيلي.
• صعوبة الاستخدام: قد يجد بعض المزارعين صعوبة في فهم تقنية الذكاء الاصطناعي واستخدامها، ما يجعل التدريب والدعم ضروريين.

نزرع ملامح الغد#

يُحدث الذكاء الاصطناعي تحولًا في الزراعة طوال دورة حياة المنتجات، من المزرعة إلى مائدة الطعام، بدءًا من اختيار البذور وحتى نضج الفاكهة. فهو يساعد المزارعين على مراقبة صحة التربة، والتنبؤ بأفضل أوقات الحصاد، وفرز المنتجات بدقة. ومن خلال تحسين استخدام الموارد، والحد من الهدر، وزيادة غلة المحاصيل، يجعل الذكاء الاصطناعي الزراعة أكثر كفاءة واستدامة. وعلى الرغم من تحديات مثل التكاليف والحاجة إلى الخبرة التقنية والاعتماد على جودة البيانات، فإن مزايا الذكاء الاصطناعي تجعل هذه التحديات جديرة بالمواجهة في كثير من الحالات. ولهذا السبب، يتزايد عدد المزارعين الذين يعتمدون الذكاء الاصطناعي.

تابعوا التواصل مع مجتمعنا لمواصلة التعلم عن الذكاء الاصطناعي! واستكشفوا مستودع GitHub للتعرّف على كيفية استخدامنا للذكاء الاصطناعي لإنشاء حلول مبتكرة في قطاعات مثل التصنيع والرعاية الصحية. 🚀