أحد الاتجاهات الرئيسية لتطوير الأعمال الزراعية هو تطوير أنظمة الزراعة الذكية التي يمكنها أتمتة رعاية النباتات، وزيادة الربحية والصداقة البيئية للإنتاج الزراعي. المجمعات الزراعية الذكية، المعروفة باسم المزارع الذكية، هي أنظمة عالية التقنية حيث يتم زراعة النباتات باستخدام التحكم الآلي في التغذية والمناخ.
تم تطوير نظام رؤية حاسوبي، لزيادة إنتاجية المحاصيل الزراعية كالتوت، وباستخدام الذكاء الاصطناعي، يقوم النظام بإحصاء التوت، وتقييم نضجه، والتعرف على الأمراض، وكذلك عد الأوراق. ويمكن استخدام هذا النظام في المزارع الذكية ومزارع المدينة، والمزارع الزراعية التقليدية.
تفتح أنظمة الرؤية الحاسوبية فرصًا جديدة للمزارع الذكية، مما يسمح لها بمراقبة محاصيلها بشكل مستمر والمشاركة في حل المهام التي لا تزال غير قابلة للأتمتة، على سبيل المثال، اكتشاف الأمراض أو الآفات النباتية والتعرف عليها.
وقال دميتري غلوخيخ، وهو أحد مطوري النظام، وطالب الدراسات العليا في كلية علوم الحاسوب: "تعمل نماذج الرؤية الحاسوبية تلقائيًا وتكون بمثابة مصادر بيانات لاتخاذ القرار في المزرعة الذكية. على سبيل المثال، يجب قطع الشعيرات المكتشفة عندما يدخل النبات في مرحلة التكاثر، ويتم إنفاق جزء من تغذية النبات على نموها. وبالتالي، يتم تقليل عدد وحجم التوت".
ووفقا له، فإن تحليل البيانات المتعلقة بعدد ونضج التوت يجعل من الممكن التنبؤ بالحصاد، وضبط نظام الري وتكوين المحلول المغذي. وعند تحديد أمراض النبات باستخدام شبكة الرؤية الحاسوبية، من الممكن ليس فقط تشخيصها، ولكن أيضًا تحديد نوع المرض، مما يضمن اعتماد تدابير العلاج في الوقت المناسب.
ويعتقد غلوخيخ أن إدخال نماذج الرؤية الحاسوبية في المزارع الذكية سيزيد من استقلالية هذه المجمعات. بالإضافة إلى ذلك، فإن الجمع بين نماذج الرؤية الحاسوبية وأنظمة دعم القرار يمكن أن يجعل المزارع الذكية أكثر ذكاءً.
وقال غلوخيخ: "إن مثل هذه الأنظمة لا تكتشف الأمراض وتحسب الغلة فحسب، بل تزود المزارعين أيضًا بتوصيات لتحسين الإنتاج"، مشددًا على أن الفوائد المحتملة تشمل تقليل الوقت اللازم لاتخاذ القرار والتنبؤ بالعائد، والحد من مخاطر فقدان المحاصيل بسبب المرض بنسبة 40-70%، وكذلك تقليل متطلبات مؤهلات موظفي الخدمة.
وبحسب الدراسة، تم إجراء التجارب على التوت، الذي تمت زراعته في وحدات زراعية منتشرة في مجمع التكنولوجيا الزراعية، في جامعة ولاية تيومين.
وأثناء الدراسة، استخدم العلماء نموذج الرؤية الحاسوبي المدرب مسبقًا "YOLOv8". ويحتوي النظام حاليًا على مجموعة من ثمانية نماذج مدربة، تؤدي كل واحدة منها مهمتها الخاصة، وتتحكم شبكتان منفصلتان في عمل الشبكات الأخرى. وهذا النهج، وفقا للعلماء، يقلل من احتمال الخطأ بنسبة 30%.