🤖 AI

Active sensing to characterize the heterogeneity of plant stress

تقدم هذه الورقة منصة روبوتية ذاتية القيادة تدمج بين إعادة البناء ثلاثي الأبعاد للنبات، والتحليل الهندسي، وتخطيط الحركة لإجراء قياسات عالية الدقة لفلورة الكلوروفيل المستهدفة، مما يعزز التنميط الظاهري للنبات بما يتجاوز التصوير السلبي من خلال المعالجة الدقيقة والخالية من الاصطدامات.

المؤلفون الأصليون: Ayman Laaroussi, Peter Hanappe, David Colliaux

نُشر 2026-08-28

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Ayman Laaroussi, Peter Hanappe, David Colliaux

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في الهمهمة الهادئة داخل بيت زجاجي أو في صفوف الحقول التي تغمرها أشعة الشمس، تتواصل النباتات باستمرار، رغم أن لغتها لا تتكون من كلمات. لعقود من الزمن، راقب العلماء النباتات من مسافة بعيدة، مستخدمين الكاميرات لقياس مدى طول نموها، أو مقدار المساحة التي تغطيها أوراقها، أو مدى اخضرارها. هذه الدلائل البصرية تحكي قصة الحجم والشكل، لكنها غالبًا ما تغفل عن الدراما الداخلية التي تحدث داخل النبات. لفهم شعور النبات حقًا — سواء كان عطشًا، أو يعاني من الحرارة، أو يصارع مرضًا — يحتاج الباحثون إلى الاستماع إلى وظائفه الفسيولوجية. ومن أكثر الطرق حساسية للقيام بذلك هو قياس "فلورة الكلوروفيل" (chlorophyll fluorescence). هذا التوهج الخافت الذي تنبعث منه الأوراق عندما تمتص الضوء، وهو إشارة تتغير فورًا بناءً على مدى كفاءة النبات في عملية التمثيل الضوئي. إنه نافذة مباشرة على مستويات الإجهاد لدى النبات، حيث يكشف عن المشكلات قبل وقت طويل من ظهورها للعين المجردة. ومع ذلك، فإن التقاط هذه الإشارة كان تقليديًا عملية بطيئة ويدوية، تتطلب من الإنسان الاقتراب من كل ورقة، وتثبيت جهاز عليها، والانتظار. هذه الطريقة تصلح لبضعة نباتات، لكنها لا تستطيع مواكبة آلاف العينات المطلوبة لاستنباط محاصيل أفضل لمواجهة مناخ متغير.

قام فريق من الباحثين في مختبرات سوني لعلوم الكمبيوتر في باريس ببناء آلة لحل هذه المشكلة، حيث ابتكروا نظامًا روبوتيًا يمكنه تلقائيًا العثور على الأوراق الفردية والاقتراب منها وقياس مستويات الإجهاد فيها دون مساعدة بشرية. عملهم، الموصوف في دراسة حديثة، يتجاوز التصوير الفوتوغرافي البسيط إلى الاستشعار النشط، حيث يتفاعل الروبوت فيزيائيًا مع النبات لجمع بيانات بيولوجية عميقة. جوهر اختراعهم هو ذراع روبوتية منخفضة التكلفة، بحجم مصباح مكتبي صغير تقريبًا، مجهزة بمستشعر مصمم خصيصًا وكاميرا. هذا الروبوت لا يكتفي بالتحليق فوق النباتات؛ بل يفهم الشكل ثلاثي الأبعاد للغطاء النباتي المحيط به. ومن خلال التقاط العديد من الصور للنبات من زوايا مختلفة، يبني النظام خريطة تفصيلية ثلاثية الأبعاد للمنموذج بأكمبله. ثم يستخدم هذه الخريطة لتحديد أي الأجزاء هي أوراق وأيها سيقان، ويحسب الزاوية والموضع الدقيق لكل سطح ورقة.

بمجرد أن يرسم الروبوت خريطة للنبات، فإنه يخطط مسارًا آمنًا للوصول إلى أوراق محددة دون الاصطدام بالأوراق المحيطة. التحدي يكمن في أن المستشعر يجب أن يكون قريبًا جدًا من الورقة — حوالي خمسة مليمترات فقط — ومتوافقًا تمامًا مع السطح للحصول على قراءة دقيقة. برمج الباحثون الروبوت للاقتراب من كل ورقة مستهدفة، والتوقف للاستقرار، ثم إمالة رأسه بمقدار 180 درجة لوضع المستشعر في الوضع الصحيح. الجهاز الموجود في طرف الروبوت هو مستشعر فلورة مدمج يسلط ضوءًا محددًا على الورقة ويقيس التوهج الخافت الذي يرتد منها. ولإثبات نجاح النظام، اختبر الفريق الجهاز على نباتات صغيرة، حيث عرضوا بعض الأوراق لضوء ساطع لإحداث إجهاد مع إبقاء أوراق أخرى في الظلام. نجح الروبوت في الانتقال من ورقة إلى أخرى، وأخذ قياسات ميزت بوضوح بين النباتات المجهدة وغير المجهدة. وأظهرت البيانات أن الروبوت استطاع اكتشاف التغيرات الفسيولوجية المحددة التي تحدث عندما تتعرض الورقة لضغط الضوء، وهي عملية تُعرف باسم "الإخماد غير الكيميائي الضوئي" (non-photochemical quenching)، والتي تعمل كصمام أمان للنبات.

يكمن نجاح هذا المشروع في كيفية ربط الروبوت بدقة بين رؤيته وحركته. فهو لا يعتمد على مسارات مبرمجة مسبقًا أو التخمين؛ بل يعيد بناء النبات في الوقت الفعلي، ويحدد أفضل المواقع للقياس، ويحسب طريقًا خاليًا من الاصطدامات للوصول إلى هناك. تم بناء النظام بأكمله بتكلفة تتراوح بين ألف إلى ألف وخمسمائة دولار تقريبًا، مما يجعله متاحًا للعديد من المختبرات البحثية. وبينما يعمل الإصدار الحالي بشكل أفضل على النباتات ذات الأشكال البسيطة، يقر الباحثون بأن النباتات الأكثر تعقيدًا وتشابكًا قد تتطلب طرقًا أكثر ذكاءً لإعادة البناء ثلاثي الأبعاد في المستقبل. كما يشيرون إلى أنه بينما يمكن للروبوت حاليًا التمييز بين ورقة مجهدة وأخرى مسترخية، فإن الخطوة التالية هي استخدام تحليل البيانات المتقدم لفهم الاختلافات الأكثر دقة في صحة النبات. يوفر هذا النهج الروبوتي طريقة جديدة لدراسة الزراعة على نطاق واسع، محولًا المهمة اليدوية البطيئة لفحص صحة النبات إلى عملية مؤتمتة عالية الدقة يمكنها يومًا ما أن تساعد المزارعين والعلماء في مراقبة سلامة حقول بأكملة بدقة ورقة واحدة.

أبحاث مشابهة