تعزّز الزراعة المائية المدعومة بالذكاء الاصطناعي للرؤية مراقبة النباتات

عندما نفكر في الزراعة، نتخيل عادةً نباتات تنمو في التربة. إلا أن الزراعة المائية تتبع نهجًا مختلفًا، إذ تركز على زراعة النباتات في مياه غنية بالمغذيات من دون استخدام التربة. تساعد هذه الطريقة النباتات على النمو بسرعة أكبر مع استخدام مساحة ومياه أقل. وهي خيار رائع للمناطق التي تكون فيها الأراضي الزراعية محدودة.

من المتوقع أن تبلغ قيمة سوق المحاصيل المائية العالمي نحو 53 مليار دولار بحلول عام 2027. إلا أن هذا النمو ينطوي أيضًا على بعض التحديات، ولا سيما فيما يتعلق بالحفاظ على صحة النباتات في المزارع الكبيرة.

توجد العديد من المزارع المائية في أماكن داخلية، ما يعني أن حتى المشكلات الصغيرة، مثل انخفاض مستويات المغذيات أو العلامات المبكرة للمرض، يمكن أن تنتشر بسرعة وتتسبب في تلف المحاصيل. وقد تستغرق عملية فحص كل نبات ومراقبته يدويًا وقتًا طويلًا وتؤدي إلى أخطاء. وهنا يمكن لتقنيات مثل الرؤية الحاسوبية أن تساعد.

الرؤية الحاسوبية هي أحد فروع الذكاء الاصطناعي (AI) الذي يتضمن معالجة البيانات المرئية وفهمها. ويمكن استخدامها للتعامل مع تحديات الزراعة المائية من خلال مراقبة النباتات تلقائيًا باستخدام الكاميرات وتحليلات الصور.

فعلى سبيل المثال، يمكن تدريب نماذج الذكاء الاصطناعي البصري مثل Ultralytics YOLO11 على اكتشاف علامات الإجهاد أو المرض أو نقص المغذيات في النباتات. وتتيح هذه النماذج تنفيذ مهام الرؤية الحاسوبية في الوقت الفعلي، مثل اكتشاف الكائنات وتقسيم الكائنات، عبر المزارع الداخلية الكبيرة، مما يمكّن المزارعين من الاستجابة بسرعة قبل انتشار المشكلات.

في هذه المقالة، سنستكشف كيف تحسن الزراعة المائية المدعومة بالذكاء الاصطناعي البصري الكفاءة، وتقلل العمالة، وتدعم الزراعة المستدامة. لنبدأ!

ما الزراعة المائية؟#

الزراعة المائية هي طريقة لزراعة النباتات من دون استخدام التربة. توضع النباتات في وسط زراعي وتُغذّى بمحلول مائي يحتوي على المغذيات الأساسية. تتيح هذه البيئة الخاضعة للتحكم للمحاصيل أن تنمو بسرعة أكبر، وتستخدم مياهًا أقل، وتشغل مساحة أقل مقارنةً بالزراعة التقليدية.

في المناطق التي تندر فيها الأراضي أو تكون فيها جودة التربة منخفضة، يمكن أن تكون الزراعة المائية حلًا عمليًا. ومن المثير للاهتمام أن مفهوم الزراعة من دون تربة يعود إلى العصور القديمة، إذ طورت حضارات مثل البابليين والأزتيك أشكالًا مبكرة من الزراعة الخالية من التربة.

الشكل 1. خس ينمو في مزرعة مائية من دون تربة. مصدر الصورة: Pexels.

على الرغم من أن للزراعة المائية جذورًا قديمة، فقد حولتها التكنولوجيا الحديثة إلى حل متطور لتلبية الاحتياجات الزراعية الحالية. وتعمل الأنظمة المتقدمة الآن على توصيل المياه والمغذيات مباشرةً إلى النباتات. فعلى سبيل المثال، تمرر تقنية الغشاء المغذي (NFT) طبقة رقيقة من الماء فوق الجذور، بينما توصل الزراعة الهوائية المغذيات عن طريق رش رذاذ ناعم على الجذور المعلقة في الهواء.

ومع ذلك، كلما توسعت هذه المزارع، أصبحت متابعة النباتات الفردية أكثر صعوبة. فقد تكون التغيرات الصغيرة حتى في لون الأوراق والسيقان أو شكلها علامات مبكرة على الإجهاد أو المرض. ويُعد اكتشاف هذه المشكلات مبكرًا أمرًا بالغ الأهمية لمنع انتشارها في أنحاء المزرعة. وتُعد مراقبة المحاصيل بانتظام والاستجابة السريعة أمرين أساسيين للحفاظ على صحة المحاصيل وضمان إنتاجية مستقرة.

دور الرؤية الحاسوبية في الزراعة المائية#

وكما هي الحال في الزراعة التقليدية، تعتمد صحة النباتات في الزراعة المائية على توافر الظروف المناسبة. فأي اختلال طفيف في عوامل مثل المغذيات أو درجة الحرارة أو الرطوبة قد يسبب مشكلات مثل اصفرار الأوراق أو توقف النمو أو الإصابة بالأمراض. وبما أن الأنظمة المائية تعتمد على بيئات خاضعة للتحكم، فإن أي اضطراب قد يؤثر في عدد كبير من النباتات خلال فترة قصيرة.

تمنح الرؤية الحاسوبية المزارعين طريقة أفضل لمراقبة محاصيلهم. ويمكن تركيب الكاميرات فوق مناطق النمو، مثل صواني النباتات أو الرفوف أو الحوامل الرأسية، أو تثبيتها على قضبان تتحرك بمحاذاة الصفوف. وتستطيع هذه الكاميرات التقاط الصور على مدار الساعة، وإنشاء خط زمني مرئي لنمو كل نبات.

ويمكن أيضًا تحليل هذه الصور باستخدام نماذج الذكاء الاصطناعي البصري مثل YOLO11، التي تستطيع اكتشاف النباتات الفردية، وتقسيم الأوراق عن الخلفية، وتصنيف مراحل النمو، وتتبع التغيرات المرئية بمرور الوقت. ويسهّل ذلك اكتشاف وجود مشكلة في نبات أو مجموعة من النباتات.

فعلى سبيل المثال، إذا بدأت عدة نباتات في تكوين بقع شاحبة، يمكن للرؤية الحاسوبية التعرف على النمط وإبراز المنطقة المتأثرة. ومن خلال تحويل الصور إلى رؤى قابلة للتنفيذ، يساعد الذكاء الاصطناعي البصري المزارعين على الاستجابة بسرعة للمشكلات المحتملة، وتقليل العمالة اليدوية، والحفاظ على صحة المحاصيل وإنتاجيتها.

تطبيقات الرؤية الحاسوبية في الزراعة المائية#

بعد أن ناقشنا كيف تحسن الرؤية الحاسوبية الأنظمة المائية، دعونا نلقِ نظرة على بعض التطبيقات العملية التي تُحدث فيها هذه التكنولوجيا فرقًا بالفعل.

التكنولوجيا المائية الذكية والروبوتات#

غالبًا ما تزرع المزارع المائية النباتات في صوانٍ متراصة تحتاج إلى نقلها خلال مراحل النمو المختلفة. ويمكن أن يؤدي نقل الصواني إلى تحسين الإضاءة، أو تبسيط العناية بالنباتات، أو إعداد المحاصيل للحصاد. وفي المزارع الكبيرة، يستغرق تنفيذ ذلك يدويًا وقتًا وجهدًا كبيرين.

يمكن لـالروبوتات المستقلة المدمجة مع الرؤية الحاسوبية أن تجعل هذه العملية أسهل. وأثناء تحرك هذه الروبوتات داخل الدفيئة، يمكن للرؤية الحاسوبية أن تساعد على اكتشاف حالة كل نبات.

ومن الأمثلة المثيرة للاهتمام Grover، وهو روبوت دفيئة مصمم لنقل وحدات نباتية كبيرة، يزن بعضها ما يصل إلى 1,000 رطل. ويستخدم المستشعرات من أجل التنقل بأمان، ويستفيد من الذكاء الاصطناعي البصري لمراقبة صحة المحاصيل. ومن خلال تولي مهام الحركة وتقييم النباتات، تدعم روبوتات مثل Grover سلاسة العمليات اليومية وتساعد على تقليل الحاجة إلى العمالة اليدوية في أنظمة الزراعة الخاضعة للتحكم.

الشكل 2. روبوت مستقل في مزرعة مائية ينقل صواني النباتات.

الزراعة الدقيقة باستخدام الرؤية الحاسوبية في المزارع الصغيرة#

لا تحتاج المزارع المائية دائمًا إلى مساحات كبيرة. إذ يمكن إعداد وحدات صغيرة في أماكن مثل المكاتب أو المدارس أو المستشفيات لزراعة الخضروات الطازجة في الداخل. وغالبًا ما تُستخدم هذه التجهيزات لأغراض التعليم أو برامج العافية أو إنتاج الغذاء المحلي. إلا أن إدارتها يوميًا قد تكون صعبة. فقد يكون الموظفون منشغلين أو يفتقرون إلى الخبرة في العناية بالنباتات، مما يجعل الصيانة المنتظمة أمرًا صعبًا.

ولتسهيل الأمور، يمكن استخدام المستشعرات والكاميرات والرؤية الحاسوبية لمراقبة صحة النباتات طوال اليوم. خذ Babylon Micro-Farms مثالًا على ذلك. فقد صُممت وحدات النمو التابعة لها للمساحات الداخلية التي قد يفتقر مستخدموها إلى الخبرة الزراعية. وتستخدم كل وحدة كاميرات مدمجة لمراقبة نمو النباتات، وترسل تحديثات مفيدة ونصائح للعناية عبر تطبيق، مما يجعل الصيانة سهلة.

الشكل 3. وحدة مائية ذكية تتيح المراقبة عن بُعد.

المراقبة الآلية للنباتات المدعومة بالذكاء الاصطناعي البصري#

تعني زراعة المحاصيل على دفعات متعددة أن النباتات تنضج في أوقات مختلفة. ولإدارة ذلك، يحتاج المزارعون إلى معرفة النباتات الجاهزة وتلك التي لا تزال في طور النمو. ويمكن للرؤية الحاسوبية أن تدعم ذلك من خلال تفسير الصور، واكتشاف مواقع النباتات، وتصنيف مراحل نموها.

يتيح هذا النهج مراقبة غير invasive، أي أن المزارعين يستطيعون تتبع صحة النباتات وتطورها من دون لمس المحاصيل أو إزعاجها ماديًا. ومن خلال تحليل الصور بانتظام، يستطيع النظام مراقبة التقدم بمرور الوقت ورصد الأنماط التي تشير إلى اقتراب أحد النباتات من مرحلة النضج.

إليك نظرةً أقرب على كيفية عمل ذلك:

• اكتشاف النباتات الفردية: أولًا، يمكن استخدام اكتشاف الكائنات لتحديد موقع كل نبات والتعرف عليه داخل منطقة النمو، حتى في الصواني المزدحمة أو المتداخلة.
• تصنيف خصائص النباتات: بعد ذلك، يمكن استخدام تصنيف الصور لتحليل السمات المرئية مثل اللون والحجم والشكل، لتحديد مرحلة نمو النبات أو اكتشاف علامات الإجهاد أو المرض.
• إنشاء رؤى لاتخاذ القرار: تتيح هذه المهام مجتمعةً تتبع تطور النباتات بمرور الوقت، وتزويد المزارعين برؤى واضحة وفي الوقت المناسب، مثل تحديد النباتات الجاهزة للحصاد وتلك التي تحتاج إلى مزيد من الوقت.

الشكل 4. استخدام اكتشاف الكائنات لاكتشاف الخس.

إيجابيات وسلبيات الرؤية الحاسوبية في الزراعة المائية#

فيما يلي بعض المزايا الرئيسية لاستخدام الرؤية الحاسوبية في الزراعة المائية:

• سهولة توسيع نطاق العمليات: بعد تثبيتها، يمكن استخدام أنظمة الرؤية الحاسوبية عبر المزيد من وحدات النمو أو المواقع من دون الحاجة إلى موظفين إضافيين. ويسهّل ذلك توسيع المزرعة مع الحفاظ على التحكم والاتساق.
• الوصول والتحكم عن بُعد: تتيح العديد من الأنظمة للمزارعين عرض حالة المحاصيل وتلقي التنبيهات من أي مكان، مما يسهل إدارة المزارع من دون الوجود في الموقع.
• تحسين الاتساق: تقلل المراقبة الآلية من الأخطاء البشرية، مما يؤدي إلى رعاية أكثر اتساقًا للنباتات وجودة إجمالية أعلى.

على الرغم من الفوائد العديدة للذكاء الاصطناعي البصري في الزراعة المائية، توجد أيضًا بعض القيود التي ينبغي أخذها في الاعتبار. فيما يلي بعض العوامل التي يجب مراعاتها:

• الحساسية للظروف البيئية: يمكن أن تتأثر أنظمة الرؤية الحاسوبية بالإضاءة الضعيفة، والانعكاسات، وعدسات الكاميرات المتسخة أو الضبابية، والنباتات المتداخلة، وهي مشكلات شائعة في البيئات الداخلية قد تقلل الدقة.
• مشكلات التوافق: قد تحتاج بعض المزارع إلى تحديث بنيتها التحتية لدعم أنظمة الذكاء الاصطناعي البصري. وقد تفتقر التجهيزات القديمة إلى مصدر الطاقة أو المساحة الفعلية أو اتصال الشبكة اللازم لتركيب الكاميرات والمستشعرات وتشغيلها.
• متطلبات إعادة تدريب النموذج: قد تحتاج نماذج الذكاء الاصطناعي إلى إعادة التدريب أو الضبط الدقيق عند استخدامها مع أنواع نباتات جديدة أو إعدادات إضاءة أو أنظمة نمو مختلفة، مما يزيد التعقيد.

أهم النقاط المستخلصة#

تجعل مهام الرؤية الحاسوبية مثل اكتشاف الكائنات وتقسيم الكائنات تتبع صحة النباتات ومراحل نموها وأداء المحاصيل الإجمالي أسرع وأكثر دقة. ومن اكتشاف العلامات المبكرة للإجهاد إلى المساعدة في تخطيط الحصاد، تقلل الأنظمة القائمة على الرؤية العمالة اليدوية وتضفي مزيدًا من الاتساق على المهام اليومية.

مع استمرار تقدم تكنولوجيا الذكاء الاصطناعي البصري، أصبحت أسهل استخدامًا وأكثر قابلية للتكيف مع أنواع المحاصيل المختلفة وقابلة للتوسع في المزارع من جميع الأحجام. وبفضل سهولة الوصول إليها ودقتها المتزايدة، تستعد الرؤية الحاسوبية لتصبح أداة أساسية في مستقبل الزراعة الفعالة القائمة على البيانات.

انضم إلى مجتمعنا واطّلع على مستودع GitHub لمعرفة المزيد عن الرؤية الحاسوبية. واستكشف التطبيقات المختلفة لـالذكاء الاصطناعي في قطاع التجزئة والرؤية الحاسوبية في الرعاية الصحية في صفحات حلولنا. كما يمكنك الاطلاع على خيارات الترخيص والبدء باستخدام الذكاء الاصطناعي البصري اليوم!