Positioning radiata pine branches requiring pruning by drone stereo vision

تخيل غابة مليئة بأشجار صنوبر رادياتا. هذه الأشجار تشبه "الذهب" في اقتصاد نيوزيلندا، ولكن لجعلها تنمو طويلة، مستقيمة، وخالية من العقد (مثل قلم رصاص مثالي)، يتعين على العمال تقليم أغصانها السفلية.

المشكلة:
في الوقت الحالي، يتعين على البشر تسلق هذه الأشجار أو استخدام معدات خطيرة للقيام بعملية التقليم هذه. إنه أمر محفوف بالمخاطر، ومكلف، ومن الصعب العثور على أشخاص مستعدين للقيام به. الأمر يشبه مطالبة إنسان بإجراء عملية جراحية دقيقة بينما هو معلق بحبل وسط عاصفة.

الحل:
قام الباحثون في هذه الورقة البحثية ببناء طائرة درون روبوتية يمكنها القيام بالتقليم بنفسها. ولكن لكي تتمكن الطائرة من قطع غصن، يجب أن تعرف شيئين:

1. أين يوجد الغصن؟ (هل هو غصن أم مجرد ورقة شجر؟)
2. ما مدى بعده؟ (إذا اقتربت الطائرة كثيراً، ستصطدم؛ وإذا ابتعدت كثيراً، ستخطئ الهدف.)

لحل هذه المشكلة، منحوا الطائرة "رؤية خارقة" باستخدام كاميرا ستيريو (عدستان، تماماً مثل العين البشرية) و"عقل" مصنوع من الذكاء الاصطناعي (AI).

إليك كيف بنوا عقل الطائرة، مشروحاً ببساطة:

1. "العيون": تحديد الغصن

أولاً، تحتاج الطائرة إلى رصد الغصن وسط بحر من الأوراق الخضراء. اختبر الباحثون "عيون" ذكاء اصطناعي مختلفة لمعرفة أيهما الأفضل في رسم قناع (mask) حول الغصن.

• المسابقة: وضعوا نماذج ذكاء اصطناعي شهيرة (مثل YOLO و Mask R-CNN) في مواجهة بعضها البعض.
• النتيجة: فكر في نموذج YOLO (الذي يعني "انظر مرة واحدة فقط") كعداء سريع جداً. لقد رصد الأغصان بشكل فوري وبدقة مذهلة، على الرغم من صغر حجم بيانات التدريب. لقد كان الفائز الواضح في تحديد الهدف.

2. "إدراك العمق": قياس المسافة

بمجرد أن ترى الطائرة الغصن، تحتاج إلى معرفة مدى بعده بالضبط. وهذا هو الجزء الأصعب.

• الطريقة القديمة (SGBM): تخيل أنك تحاول تخمين المسافة إلى شجرة عن طريق تضييق عينيك ومقارنة صورتين. الطريقة القديمة (المسماة SGBM) تشبه آلة حاسبة تقوم بالعمليات الحسابية خطوة بخطوة. إنها تعمل بشكل جيد، ولكن إذا كانت الإضاءة غريبة أو كان الغصن ضبابياً، فإنها ترتبك وتصبح الأرقام "مشوشة" (مثل التشويش في التلفاز القديم).
• الطريقة الجديدة (التعلم العميق): جرب الباحثون استخدام نماذج ذكاء اصطناعي متطورة (مثل NeRF و RAFT). فكر في هذه النماذج كـ فنانين ذوي خبرة. فبدلاً من مجرد إجراء العمليات الحسابية، فقد "تعلموا" كيف يبدو العمق من خلال دراسة آلاف الصور الأخرى.
  • التشبيه: إذا كانت الطريقة القديمة هي روبوت يحاول قياس غرفة باستخدام مسطرة، فإن الطريقة الجديدة هي مهندس معماري بشري يمكنه "الشعور" بالمساحة. أنتج الذكاء الاصطناعي الجديد خرائط عمق أكثر سلاسة ووضوحاً، مما جعل "رؤية" الطائرة أكثر موثوقية.

3. "العقل": وضع كل شيء معاً

الآن تمتلك الطائرة قائمة بمواقع الأغصان وخريطة للمسافات. لكن البيانات غير منظمة—بعض الأرقام هي قيم شاذة خاطئة.

• المُرشح (Filter): ابتكر الباحثون خوارزمية ذكية (باستخدام ما يسمى بـ تصفية MAD) لتنقية البيانات.
• التشبيه: تخيل أنك تحاول تخمين متوسط طول مجموعة من الناس. إذا كان هناك شخص عملاق آخر قزم، فسيؤثر ذلك على المتوسط. هذه الخوارزمية تشبه "حارس أمن ذكي" يقول: "مهلاً، أنتما اثنان غريبان، اخرجا من الصف"، ثم يحسب متوسط الأشخاص "الحقيقيين" المتبقين. هذا يعطي الطائرة مسافة دقيقة جداً إلى الغصن.

الصورة الكبيرة

أثبت الباحثون أنك لست بحاجة إلى معدات ثقيلة ومكلفة (مثل الليزرات العملاقة) لتقليم الأشجار. يمكنك استخدام طائرة درون رخيصة بكاميرا ستيريو وبرمجيات ذكاء اصطناي ذكية للقيام بالمهمة.

لماذا يهم هذا؟

• السلامة: لا مزيد من البشر المعلقين من الأشجار في وضعيات خطرة.
• الكفاءة: يمكن للطائرة أن تعمل بشكل أسرع وأكثر دقة من إنسان متعب.
• التكلفة: تستخدم كاميرات بأسعار معقولة بدلاً من مستشعرات بمليون دولار.

ما الخطوة التالية؟
يتم حالياً اختبار الطائرة في مختبر باستخدام أغصان اصطناعية. الخطوة التالية هي أخذها إلى الخارج في مواجهة الرياح، المطر، وأشعة الشمس الحقيقية ليروا ما إذا كانت قادرة على التعامل مع الفوضى في غابة حقيقية. إذا نجحت، فقد نرى قريباً أسراباً من طائرات الدرون الروبوتية تحلق عبر الغابات، وتقلم الأشجار مثل سرب من النحل المفيد، مما يحافظ على صناعة الأخشخ لدينا آمنة وفعالة.