تعزز الزراعة المائية المدعومة بذكاء الرؤية الاصطناعي مراقبة النباتات

عندما نفكر في الزراعة، غالبًا ما نتخيل النباتات وهي تنمو في التربة. لكن الزراعة المائية تتبع نهجًا مختلفًا؛ إذ تركز على زراعة النباتات في مياه غنية بالعناصر الغذائية دون استخدام التربة. وتساعد هذه الطريقة النباتات على النمو بسرعة أكبر مع استهلاك مساحة ومياه أقل، ما يجعلها خيارًا ممتازًا للمناطق التي تندر فيها الأراضي الزراعية.

من المتوقع أن تبلغ قيمة السوق العالمية للمحاصيل المزروعة مائيًا نحو 53 مليار دولار بحلول عام 2027. غير أن هذا النمو يرافقه أيضًا بعض التحديات، ولا سيما الحفاظ على صحة النباتات في المزارع الكبيرة.

تقع كثير من المزارع المائية في أماكن مغلقة، ما يعني أن المشكلات البسيطة، مثل انخفاض مستويات العناصر الغذائية أو ظهور العلامات المبكرة للمرض، قد تنتشر بسرعة وتتلف المحاصيل. وقد يستغرق فحص كل نبتة ومراقبتها يدويًا وقتًا طويلًا ويؤدي إلى أخطاء. وهنا يمكن لتقنيات مثل الرؤية الحاسوبية أن تساعد.

الرؤية الحاسوبية فرع من الذكاء الاصطناعي (AI) يُعنى بمعالجة البيانات المرئية وفهمها. ويمكن استخدامها لمعالجة تحديات الزراعة المائية من خلال المراقبة الآلية للنباتات باستخدام الكاميرات وتحليل الصور.

فعلى سبيل المثال، يمكن تدريب نماذج الرؤية بالذكاء الاصطناعي مثل Ultralytics YOLO11 على اكتشاف علامات الإجهاد أو المرض أو نقص العناصر الغذائية لدى النباتات. وتتيح هذه النماذج تنفيذ مهام الرؤية الحاسوبية في الوقت الفعلي، مثل اكتشاف الكائنات وتقسيم الكائنات الفردية، في مزارع داخلية واسعة النطاق، ما يمكّن المزارعين من الاستجابة سريعًا قبل انتشار المشكلات.

في هذه المقالة، سنستكشف كيف تحسّن الزراعة المائية المدعومة بذكاء الرؤية الاصطناعي الكفاءة، وتقلل العمل اليدوي، وتدعم الزراعة المستدامة.

ما الزراعة المائية؟#

الزراعة المائية أسلوب لزراعة النباتات دون استخدام التربة. توضع النباتات في وسط للزراعة وتُغذّى بمحلول مائي يحتوي على العناصر الغذائية الأساسية. وتتيح هذه البيئة الخاضعة للضبط نمو المحاصيل بسرعة أكبر، واستهلاك مياه أقل، وشغل مساحة أصغر مقارنةً بالزراعة التقليدية.

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

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

رغم أن جذور الزراعة المائية تعود إلى العصور القديمة، فقد حولتها التكنولوجيا الحديثة إلى حل متقدم لتلبية احتياجات الزراعة اليوم. وتوصل الأنظمة المتطورة المياه والعناصر الغذائية مباشرة إلى النباتات. فعلى سبيل المثال، توزع تقنية الغشاء المغذي (NFT) طبقة رقيقة من الماء على الجذور، بينما توصل الزراعة الهوائية العناصر الغذائية برش رذاذ ناعم على الجذور المعلقة في الهواء.

لكن مع توسع هذه المزارع، تصبح متابعة النباتات الفردية أكثر صعوبة. وقد تكون التغيرات الطفيفة 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 استقرار الغلال.

دور الرؤية الحاسوبية في الزراعة المائية#

تمامًا كما هو الحال في الزراعة التقليدية، تعتمد صحة النباتات في الزراعة المائية على توافر الظروف المناسبة. وقد تؤدي الاختلالات الطفيفة في عوامل مثل العناصر الغذائية أو درجة الحرارة أو الرطوبة إلى مشكلات كاصفرار الأوراق أو توقف النمو أو الإصابة بالأمراض. وبما أن أنظمة الزراعة المائية تعتمد على بيئات مضبوطة، فقد يؤثر أي اضطراب في عدد كبير من النباتات خلال وقت قصير.

توفر الرؤية الحاسوبية للمزارعين طريقة أفضل لمراقبة محاصيلهم. إذ يمكن تركيب الكاميرات فوق مناطق الزراعة، مثل صواني النباتات أو الرفوف أو الحوامل الرأسية، أو تثبيتها على قضبان تتحرك بمحاذاة الصفوف. وتستطيع هذه الكاميرات التقاط الصور على مدار الساعة، لإنشاء سجل مرئي لنمو كل نبتة بمرور الوقت.

ويمكن أيضًا تحليل هذه الصور بواسطة نماذج الرؤية بالذكاء الاصطناعي مثل YOLO11، التي تستطيع اكتشاف النباتات الفردية، وفصل الأوراق عن الخلفية، وتصنيف مراحل النمو، وتتبع التغيرات الظاهرة بمرور الوقت. وهذا يسهّل اكتشاف وجود مشكلة في نبتة أو مجموعة من النباتات.

فعلى سبيل المثال، إذا بدأت بقع باهتة تظهر على عدة نباتات، يمكن للرؤية الحاسوبية التعرّف على النمط وإبراز المنطقة المتضررة. ومن خلال تحويل الصور إلى معلومات قابلة للتنفيذ، تساعد الرؤية بالذكاء الاصطناعي المزارعين على الاستجابة سريعًا للمشكلات المحتملة، وتقليل العمل اليدوي، والحفاظ على صحة المحاصيل وإنتاجيتها.

تطبيقات الرؤية الحاسوبية في الزراعة المائية#

بعد أن ناقشنا كيف تُحسّن الرؤية الحاسوبية أنظمة الزراعة المائية، لنلقِ نظرة على بعض التطبيقات الواقعية التي تُحدث فيها هذه التقنية فرقًا بالفعل.

التقنيات الذكية للزراعة المائية والروبوتات#

غالبًا ما تزرع مزارع الزراعة المائية النباتات في صوانٍ متراصة بإحكام، يلزم نقلها خلال مراحل النمو المختلفة. ويمكن أن يسهم نقل الصواني في تحسين الإضاءة، وتبسيط العناية بالنباتات، أو تجهيز المحاصيل للحصاد. وفي المزارع الكبيرة، يستغرق تنفيذ ذلك يدويًا وقتًا وجهدًا كبيرين.

يمكن للروبوتات ذاتية التشغيل والمزوّدة بـالرؤية الحاسوبية تسهيل هذه العملية. فبينما تتحرك هذه الروبوتات داخل الدفيئة، يمكن للرؤية الحاسوبية المساعدة في اكتشاف حالة كل نبات.

من الأمثلة اللافتة روبوت Grover، وهو روبوت للدفيئات صُمم لنقل وحدات نباتية كبيرة، يصل وزن بعضها إلى 1,000 رطل. ويستخدم مستشعرات من أجل التنقل بأمان، كما يستفيد من الذكاء الاصطناعي المرئي لمراقبة صحة المحاصيل. ومن خلال تولي مهام النقل وتقييم النباتات معًا، تدعم روبوتات مثل Grover سير العمليات اليومية بسلاسة وتساعد على تقليل الحاجة إلى العمل اليدوي في أنظمة الزراعة الخاضعة للتحكم.

الشكل 2. روبوت ذاتي التشغيل في مزرعة للزراعة المائية ينقل صواني النباتات.

الزراعة الدقيقة باستخدام الرؤية الحاسوبية في المزارع الصغيرة#

لا تحتاج مزارع الزراعة المائية دائمًا إلى مساحات كبيرة. إذ يمكن إنشاء وحدات صغيرة في أماكن مثل المكاتب والمدارس والمستشفيات لزراعة الخضراوات الورقية الطازجة في الأماكن المغلقة. وغالبًا ما تُستخدم هذه التجهيزات في التعليم أو برامج العافية أو إنتاج الغذاء محليًا. لكن إدارتها يوميًا قد تكون صعبة. فقد يكون الموظفون مشغولين أو يفتقرون إلى الخبرة في العناية بالنباتات، مما يجعل الصيانة المنتظمة أمرًا صعبًا.

لتسهيل الأمر، يمكن استخدام المستشعرات والكاميرات والرؤية الحاسوبية لمراقبة صحة النباتات طوال اليوم. خذ Babylon Micro-Farms على سبيل المثال. فقد صُممت وحدات الزراعة الخاصة بها للأماكن المغلقة التي قد لا يمتلك مستخدموها خبرة زراعية. وتستخدم كل وحدة كاميرات مدمجة لمراقبة نمو النباتات، وترسل تحديثات مفيدة ونصائح للعناية عبر تطبيق، مما يجعل الصيانة سهلة.

الشكل 3. وحدة ذكية للزراعة المائية تتيح المراقبة عن بُعد.

مراقبة النباتات آليًا بالذكاء الاصطناعي المرئي#

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 دعم هذه العملية من خلال تفسير الصور واكتشاف مواقع النباتات وتصنيف مراحل نموها، وهو شكل من أشكال التنميط الظاهري للنباتات.

يتيح هذا النهج مراقبة غير تدخلية، أي إن المزارعين يستطيعون تتبع صحة النباتات وتطورها دون التعامل مع المحاصيل ماديًا أو إزعاجها. ومن خلال تحليل الصور بانتظام، يستطيع النظام مراقبة التقدم بمرور الوقت ورصد الأنماط التي تشير إلى اقتراب نضج النبات.

إليك نظرة أقرب على آلية عمل ذلك:

• اكتشاف النباتات الفردية: أولًا، يمكن استخدام اكتشاف الأجسام لتحديد موقع كل نبات والتعرف عليه داخل منطقة الزراعة، 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.
• استخلاص رؤى لدعم اتخاذ القرار: تتيح هذه المهام مجتمعة تتبع نمو النباتات بمرور الوقت، وتزويد المزارعين برؤى واضحة وفي الوقت المناسب، مثل معرفة النباتات الجاهزة للحصاد وتلك التي تحتاج إلى مزيد من الوقت.

الشكل 4. استخدام اكتشاف الكائنات لاكتشاف الخس.

مزايا الرؤية الحاسوبية وعيوبها في الزراعة المائية#

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

• سهولة توسيع نطاق العمليات: بعد تركيبها، يمكن استخدام أنظمة الرؤية الحاسوبية في مزيد من وحدات الزراعة أو المواقع دون الحاجة إلى موظفين إضافيين. وهذا يسهّل توسيع المزرعة مع الحفاظ على التحكم والاتساق.
• الوصول والتحكم عن بُعد: تتيح أنظمة كثيرة للمزارعين الاطلاع على حالة المحاصيل وتلقي التنبيهات من أي مكان، مما يسهّل إدارة المزارع دون الحاجة إلى التواجد في الموقع.
• تحسين الاتساق: تقلل المراقبة الآلية الأخطاء البشرية، مما يؤدي إلى مزيد من التجانس في العناية بالنباتات وارتفاع الجودة الإجمالية.

على الرغم من الفوائد العديدة للذكاء الاصطناعي المرئي في الزراعة المائية، توجد أيضًا بعض القيود التي ينبغي أخذها في الحسبان. وفيما يلي بعض العوامل التي يجدر مراعاتها:

• الحساسية للظروف البيئية: قد تتأثر أنظمة الرؤية الحاسوبية بضعف الإضاءة والانعكاسات واتساخ عدسات الكاميرات أو تغبشها وتداخل النباتات؛ وهي مشكلات شائعة في البيئات الداخلية قد تقلل من الدقة.
• مشكلات التوافق: قد تحتاج بعض المزارع إلى ترقيات للبنية التحتية لدعم أنظمة الذكاء الاصطناعي المرئي. وقد تفتقر التجهيزات القديمة إلى مصدر الطاقة أو المساحة المادية أو الاتصال الشبكي اللازم لتركيب الكاميرات والمستشعرات وتشغيلها.
• متطلبات إعادة تدريب النماذج: قد يلزم إعادة تدريب نماذج الذكاء الاصطناعي أو ضبطها بدقة عند استخدامها مع أنواع نباتات أو تجهيزات إضاءة أو أنظمة زراعة جديدة، مما يزيد التعقيد.

أبرز النقاط#

تجعل مهام الرؤية الحاسوبية، مثل اكتشاف الكائنات وتقسيم الكائنات، تتبع صحة النباتات ومراحل نموها والأداء العام للمحاصيل أسرع وأكثر دقة. ومن اكتشاف مؤشرات الإجهاد المبكرة إلى المساعدة في تخطيط الحصاد، تقلل الأنظمة القائمة على الرؤية العمل اليدوي وتضفي مزيدًا من الاتساق على المهام اليومية.

مع استمرار تطور تقنية ذكاء الرؤية الاصطناعي، يصبح استخدامها أسهل، وتكييفها مع أنواع المحاصيل المختلفة أكثر مرونة، وتوسيع نطاقها لتناسب المزارع بمختلف أحجامها أيسر. وبفضل تزايد سهولة الوصول إليها ودقتها، يُرجح أن تصبح الرؤية الحاسوبية أداة أساسية في مستقبل الزراعة الفعالة القائمة على البيانات.

انضم إلى مجتمعنا وتفقّد مستودع GitHub لمعرفة المزيد عن الرؤية الحاسوبية. واستكشف تطبيقات متنوعة لـالذكاء الاصطناعي في قطاع التجزئة والرؤية الحاسوبية في الرعاية الصحية في صفحات حلولنا. ألقِ نظرة على خيارات الترخيص وابدأ استخدام الذكاء الاصطناعي المرئي اليوم!