نماذج ومنصات الذكاء الاصطناعي

الذكاء الاصطناعي في الزراعة: رؤية الحاسوب والروبوتات وموازين الخنازير

Alex Vakulov
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتستخدم نيوروميشن الرؤية الحاسوبية لتقدير وزن الخنازير من الصور، مما يقلل الإجهاد الناتج…
عرض المزيد
  • تستخدم نيوروميشن الرؤية الحاسوبية لتقدير وزن الخنازير من الصور، مما يقلل الإجهاد الناتج عن الوزن اليدوي.
  • تطبق أج إم آر آي الشبكات العصبية التلافيفية على بيانات الليزر فائقة الطيف وثلاثية الأبعاد للكشف المبكر عن أمراض المحاصيل.
  • تنفذ روبوتات بروسبيرو الزراعة السربية لزراعة المحاصيل ورعايتها وحصادها بشكل مستقل بدقة على مستوى النبات الفردي.

الذكاء الاصطناعي يغزو بسرعة الزراعة وصناعة الأغذية.

رؤية الحاسوب في تحليل المحاصيل

لإطعام مليارات الناس، تحتاج إلى الكثير من الأراضي. من المستحيل زراعتها يدوياً في هذه الأيام. وفي الوقت نفسه، غالباً ما تؤدي أمراض النباتات وغزو الحشرات إلى فشل المحاصيل. مع حجم الأعمال الزراعية الحديث، يصعب تحديد هذه الغزوات وتحييدها في الوقت المناسب.

هذا يطرح مجالاً آخر حيث يمكن أن تساعد خوارزميات رؤية الحاسوب. يستخدم المزارعون رؤية الحاسوب لتحديد أمراض المحاصيل، على المستوى الدقيق، من الصور القريبة من الأوراق والنباتات، وعلى مستوى أكبر، من خلال تحديد العلامات المبكرة لأمراض النبات أو الآفات من التصوير الجوي. هذه المشاريع غالباً ما تستند إلى النهج الشائع في رؤية الحاسوب: الشبكات العصبية الالتفافية.

لاحظ أنني أتحدث هنا عن رؤية الحاسوب بمعنى واسع جداً. في العديد من الحالات، لا تكون الصور هي أفضل مصدر للبيانات. يمكن دراسة العديد من الجوانب المهمة من حياة النبات بطريقة أفضل. يمكن فهم صحة النبات غالباً من خلال جمع صور فائقة الطيف مع حساسات خاصة أو إجراء مسح ليزر ثلاثي الأبعاد. هذه الأساليب تزداد استخداماً في علم الزراعة. هذا النوع من البيانات عادة ما يكون عالي الدقة وهو أقرب إلى التصوير الطبي منه إلى الصور الفوتوغرافية. يُسمى أحد أنظمة مراقبة الحقول AgMRI. تتطلب معالجة هذه البيانات نماذج خاصة، لكن بنيتها المكانية تتيح استخدام تقنيات رؤية الحاسوب الحديثة، ولا سيما الشبكات العصبية الالتفافية.

تُستثمر الملايين في أبحاث التنميط الظاهري للنباتات وتصويرها. المهمة الرئيسية هنا هي جمع مجموعات كبيرة من البيانات حول المحاصيل (عادة على شكل صور أو صور ثلاثية الأبعاد) ومقارنة بيانات النمط الظاهري مع النمط الجيني للنبات. يمكن استخدام النتائج والبيانات لتحسين التكنولوجيا الزراعية في جميع أنحاء العالم.

الروبوتات في الزراعة

الروبوتات الزراعية المستقلة مثل Prospero يمكنها حفر حفرة في الأرض وزرع شيء فيها، متابعة الأنماط العامة المحددة ومراعاة السمات الخاصة للمناظر الطبيعية. يمكن للروبوتات أيضاً رعاية عملية النمو، والعمل مع كل نبات على حدة. عند الوقت المناسب، ستقوم الروبوتات بالحصاد، معاملة كل نبات بدقة كما ينبغي. Prospero يعتمد على مفهوم الزراعة بالسرب. تخيل جيشاً من روبوتات Prospero الصغيرة التي تتحرك عبر الحقول وترك مسارات متساوية من النباتات في أعقابها. من المثير للاهتمام أن Prospero ظهر بالفعل في عام 2011، قبل ذروة ثورة التعلم العميق الحديثة. اليوم، الروبوتات تنتشر بسرعة في الزراعة، مما يسمح بتحويل المزيد والمزيد من المهام الروتينية إلى أتمتة:

  • ترش الطائرات المسيرة الآلية المحاصيل. الطائرات بدون طيار الصغيرة والمرنة قادرة على تقديم المواد الكيميائية الخطرة بدقة أكبر من الطائرات التقليدية. بالإضافة إلى ذلك، يمكن استخدام طائرات الرش بدون طيار لأخذ الصور الجوية للحصول على البيانات لخوارزميات رؤية الحاسوب المذكورة في بداية هذا المقال.
  • يجري تطوير واستخدام المزيد من الروبوتات المتخصصة لعمليات الحصاد. وتوجد آلات الحصاد والدراس المدمجة منذ فترة طويلة. ومع ذلك، فقط الآن، مع مساعدة أساليب رؤية الحاسوب والروبوتات الحديثة، تمكن من تطوير روبوت يقطف الفراولة.
  • الروبوتات مثل Hortibot قادرة على التعرف على الأعشاب الضارة والقضاء عليها عن طريق إزالتها ميكانيكياً. هذا هو إنجاز كبير آخر للروبوتات والرؤية الحاسوبية الحديثة، حيث كان من الصعب في الماضي التمييز بين الأعشاب الضارة والنباتات المفيدة والعمل مع النباتات الصغيرة باستخدام أذرع المناولة الروبوتية.

في حين أن العديد من الروبوتات الزراعية لا تزال نماذج أولية أو تخضع لاختبارات على نطاق صغير، فمن الواضح بالفعل أن التعلم الآلي والذكاء الاصطناعي والروبوتات يمكن أن تعمل جيداً في الزراعة. يمكن التنبؤ بأمان بأن المزيد والمزيد من الأعمال الزراعية سوف تتم أتمتتها في المستقبل القريب.

رعاية الحيوانات في المزرعة

هناك العديد من الطرق الأخرى لاستخدام الذكاء الاصطناعي في الزراعة قيد التطوير النشط. على سبيل المثال، مشروع تجريبي بواسطة Neuromation يأتي برؤية الحاسوب إلى صناعة لم تلق حتى الآن الكثير من الاهتمام من مجتمع التعلم العميق: تربية الحيوانات.

هناك بالفعل محاولات لاستخدام التعلم الآلي على بيانات تتبع الماشية. على سبيل المثال، الشركة الناشئة الباكستانية Cowlar قدمت طوقاً يراقب عن بعد النشاط ودرجة حرارة الأبقار تحت الشعار اللطيف “FitBit للابقار”. العلماء الفرنسيون يطورون نظام تحديد الوجه للابقار.

هناك أيضاً محاولات لاستخدام رؤية الحاسوب في صناعة مهملة سابقاً تبلغ قيمتها مئات المليارات من الدولارات – تربية الخنازير. في المزارع الحديثة، يتم الاحتفاظ بالخنازير في مجموعات صغيرة نسبياً، حيث يتم اختيار الحيوانات الأكثر تشابهاً. التكلفة الرئيسية في إنتاج الخنازير هي الطعام، وتحسين عملية التسمين هو المهمة المركزية لإنتاج الخنازير الحديث.

سوف يكون المزارعون قادرين على حل هذه المشكلة إذا كان لديهم معلومات مفصلة حول زيادة وزن الخنازير. وفقاً لموقع هذا، عادة ما يتم وزن الحيوانات فقط مرتين في حياتهم كلها: في البداية والنهاية من عملية التسمين. إذا كان الخبراء يعرفون كيف يزيد وزن كل خنزير صغير، سوف يكون من الممكن وضع برنامج تسمين فردي لكل خنزير، وحتى مزيج فردي من إضافات الأعلاف، مما سوف يحسن الإنتاجية بشكل كبير. ليس من الصعب قيادة الحيوانات إلى الميزان، ولكن هذا يسبب ضغطاً كبيراً للحيوان، ويفقد الخنازير وزنهم بسبب الضغط. يخطط مشروع الذكاء الاصطناعي الجديد لتطوير طريقة غير باضعة جديدة لوزن الحيوانات. Neuromation سوف تبني نموذج رؤية حاسوبية سوف يقدر وزن الخنازير من البيانات الصورية والفيديوية. سوف يتم تغذية هذه التقديرات إلى نماذج التعلم الآلي التحليلية الكلاسيكية التي سوف تحسن عملية التسمين.

الزراعة على حدود الذكاء الاصطناعي

الزراعة وتربية الحيوانات غالباً ما تعتبر صناعات تقليدية. ومع ذلك، فإن الزراعة تظهر بشكل متزايد على حدود الذكاء الاصطناعي.

السبب الرئيسي هنا هو أن العديد من المهام في الزراعة تكون في الوقت نفسه:

  • معقدة بدرجة كافية بحيث لا يمكن أتمتتها بدون استخدام الذكاء الاصطناعي والتعلم العميق. النباتات المزروعة والخنازير، على الرغم من تشابهها، لم تخرج من نفس خط التجميع، كل شجيرة طماطم وكل خنزير يحتاج إلى نهج فردي، ولذلك، حتى وقت قريب، كان التدخل البشري ضروريًا للغاية.
  • بسيطة بدرجة كافية بحيث يمكن حلها باستخدام الذكاء الاصطناعي الحديث، مع الأخذ في الاعتبار الاختلافات الفردية بين النباتات والحيوانات، وأتمتة التكنولوجيا للعمل معهم. قيادة الجرار في حقل مفتوح أسهل من قيادة السيارة في حركة المرور، ووزن الخنزير أسهل من تعلم كيفية اجتياز اختبار تورينج.

الزراعة لا تزال واحدة من أكبر وأهم الصناعات على الكوكب، وحتى زيادة صغيرة في الكفاءة سوف تؤدي إلى مكاسب كبيرة ببساطة بسبب حجم هذه الصناعة.

أليكس هو باحث أمن سيبراني مع أكثر من 20 عامًا من الخبرة في تحليل البرمجيات الخبيثة. لديه مهارات قوية في إزالة البرمجيات الخبيثة، ويكتب للعديد من المنشورات المتخصصة في الأمن لمشاركة خبرته الأمنية.