Rapid and non-destructive identification of micro-contaminants on eggshell surfaces based on machine vision and deep learning

تتحرك ملايين البيض يومياً على سيور ناقلة في مرافق التعبئة، متنقلة من المزرعة إلى المائدة. وفي أغلب الأحيان، تكون هذه الرحلة سلسة، لكن سطح البيضة عبارة عن تضاريس هشة حيث يمكن للتهديدات الصغيرة غير المرئية تقريباً أن تعبث بالسلامة. فخلال عملية وضع البيض، يمكن أن تلتقط البيض بقعاً صغيرة من الفضلات أو الدم أو الطين. وهذه الملوثات ليست مجرد أمور غير جذابة بصرياً؛ بل إنها غالباً ما تحمل بكتيريا خطيرة مثل السالمونيلا التي يمكن أن تسبب المرض للإنسان إذا لم يتم التعامل مع البيض بشكل صحيح. ولعقود من الزمن، كانت الطريقة الوحيدة للعثور على هذه العيوب الصغيرة هي أن يقوم عامل بشري بفحص كل بيضة على حدة، وهي وظيفة بطيئة ومرهقة تعتمد على نظر العامل ومدى تركيزه. فالبشر يتعبون، ويتشتت انتباههم، ومن الطبيعي أن يغفلوا عن بعض العيوب أو يخطئوا في اعتبار بقعة طبيعية على القشرة بمث e vết (بقعة) ملوثة. ولحل هذه المشكلة، لجأ المهندسون إلى الرؤية الآلية، وهي تقنية تستخدم الكاميرات والحواسيب لـ "رؤية" وتحليل العالم، آملين في أتمتة عملية الفحص بسرعة الآلة ودقة العين المدربة.

ومع ذلك، فإن التحدي يكمكم في أن قشرة البيض ليست لوحة بيضاء فارغة؛ فهي تمتلك نسيجها الطبيعي الخاص، ونمطاً مرقطاً من البقع وتغيرات الألوان التي قد تبدو مشابهة جداً للملوثات الفعلية التي يحاول النظام العثور عليها. فعندما تلتقط الكاميرا صورة لبيضة متحركة، غالباً ما تكون الخلفية مزدحمة بنسيج حزام النقل والإضاءة غير المتساوية، مما يخلق ضوضاء بصرية تربك البرامج الحاسوبية القياسية. وتواجه هذه البرامج صعوبة في التمييز بين البقعة الطبيعية غير الضارة والبقعة الخطيرة، مما يؤدي إلى رمي البيض دون داعٍ، أو والأسوأ من ذلك، مرور بيض خطير عبر الثغرات. وقد سعى باحثون في جامعة "تشجيانغ أند إف" (Zhejiang A&F) في الصين إلى بناء نظام يمكنه اختراق هذا الارتباك، وابتكار طريقة سريعة ولطيفة ودقيقة بما يكفي لرصد أصغر العيوب على بيضة متحركة.

بدأ الفريق بتعليم الكمبيوتر كيف ينظر إلى البيضة بشكل مختلف. فقبل أن يحاول الكمبيوتر تحديد البقعة، كان على الباحثين تنظيف الصورة التي يراها. فقد طوروا عملية تعزل البيضة عن محيطها، مما يؤدي فعلياً إلى مسح حزام النقل والظلال من رؤية الكمبيوتر. ومن خلال تحويل الخلفية إلى لون أبيض ساطع ومنتظم، يجبر النظام الكمبيوتر على التركيز تماماً على سطح البيضة نفسها. وتعد هذه الخطوة حاسمة لأنها تزيل المشتتات التي تسبب ارتباك الكمبيوتر عادةً. وبمجرد تنظيف الصورة، يستطيع الكمبيوتر رؤية التباين بين قشرة البيض وأي بقع داكنة عليها بوضوح أكبر بكثير، مما يجعل البقع الصغيرة تبرز بوضوح مقابل الخلفية البيضاء الناعمة.

ومع تجهيز الصور، انتقل الباحثون إلى عقل العملية: برنامج حاسوبي متطور مصمم للتعرف على الأشياء. لقد بدأوا بنظام كشف قوي وحديث يُعرف باسم YOLOv8s، وهو مشهور بسرعته وقدرته على إيجاد الأشياء في الصور. ومع ذلك، لم تكن النسخة القياسية من هذا البرنامج جيدة بما يكفي للمهمة المحددة المتمثلة في العثور على البقع المجهرية على البيض؛ إذ كانت تميل إلى تفويت البقع الصغيرة جداً أو الخلط بين النسيج الطبيعي للقشرة وبين العيوب. ولإصلاح ذلك، أضاف الباحثون ثلاث ترقيات محددة إلى بنية البرنامج. أولاً، أضافوا وحدة تساعد الكمبيوتر على فهم الصورة الكبيرة، مما يسم يسمح له برؤية كيفية ارتباط الأجزاء المختلفة من الصورة ببعضها البعض عالمياً. ثاً، قدموا آلية تعمل مثل كشاف الضوء، تخبر الكمبيوتر بضرورة إعطاء اهتمام إضافي للميزات الأكثر أهمية مع تجاهل ضوضاء الخلفية غير ذات الصلة. وأخيراً، أضافوا طبقة متخصصة مصممة خصيصاً لالتقاط الأجسام الصغيرة، لضمان عدم إغفال حتى أصغر ذرة غبار.

إن نتيجة هذه التحسينات المجتمعة هي نظام جديد أطلقوا عليه اسم AEP2-YOLOv8s. وعند اختباره على مجموعة كبيرة من صور البيض الحقيقية، أدى هذا النظام المطور أداءً أفضل بكثير من النسخة الأصلية. فقد نجح في تحديد الملوثات بدرجة عالية من الدقة، محققاً تحسناً في قدرته على إيجاد الأهداف الصحيحة بنسبة تقارب سبع نقاط مئوية مقارنة بالنموذج غير المعدل. وأثبت النظام كفاءة خاصة في التمييز بين الأنماط الطبيعية للبيضة والاتساخ الفعلي، مما قلل من الإنذارات الكاذبة. كما تمكن من تحديد مواقع البقع بدقة أكبر، ورسم حدود أكثر إحكاماً حول العيوب. ووجد الباحثون أنه بينما توجد أنواع أخرى من آليات الانتباه، فإن المزيج المحدد الذي اختاروه كان يعمل بشكل أفضل لهذه المشكلة تحديداً، حيث وازن بين الحاجة إلى السرعة والحاجة إلى الدقة المتناهية.

يوضح هذا العمل أنه من الممكن أتمتة فحص البيض دون إتلافه أو إبطاء خطوط الإنتاج. فمن خلال تنظيف المدخلات البصرية وتحسين قدرة الكمبيوتر على التركيز على التفاصيل الصحيحة، ابتكر الباحثون أداة يمكنها التعامل مع الواقع الفوضوي لبيئة المزارع. والنظام ليس مثالياً؛ فهو لا يزال يواجه تحديات عندما تكون البقع باهتة للغاية أو عندما تكون ظروف الإضاءة صعبة، لكنه يمثل خطوة كبيرة للأمام. وتشير الدراسة إلى أنه من خلال الجمع بين تنظيف الصور والترقيات الذكية والمستهدفة لبرامج الكشف، يمكننا بناء آلات تكون أكثر موثوقية من العيون البشرية في رصد أصغر التهديدات لسلامة الغذاء. ويقدم هذا النهج مساراً عملياً لضمان أن البيض الذي يصل إلى موائدنا نظيف وآمن، مع الحفاظ في الوقت نفسه على حركة خط الإنتاج بالسرعات العالية التي تتطلبها الزراعة الحديثة.