Automated Segmentation and Quantitative Analysis of Cotton Fiber Cross Sections Using a Deep Learning-Based Workflow

تخيل عالماً يعتمد فيه ملمس قميصك المفضل الناعم أو قوة بنطالك الجينز على سر صغير غير مرئي مخبأ داخل كل خيط من خيوط القطن. هذا السر هو "المقطع العرضي" للألياف — وهو عبارة عن شريحة مجهرية تبدو كأنها أنبوب مجوف. لطالما عرف العلماء أنه إذا تمكنوا من قياس حجم هذا الأنبوب وسُمك جدرانه، فيمكنهم التنبؤ بدقة بكيفية ملمس القطن وأدائه. ومع ذلك، كان النظر إلى هذه الشرائح الصغيرة دائماً بمثابة كابوس. الأمر يشبه محاولة عد وقياس آلاف حبات "الجيلي بين" الصغيرة والمضغوطة يدوياً تحت المجهر، وهي مهمة بطيئة ومملة للغاية لدرجة أنها تمنع الباحثين من اختبار عينات كافية لإجراء تحسينات حقيقية. هذا هو عنق الزجاجة: نحن نعرف ماذا نقيس للحصول على قطن أفضل، لكن الطريقة القديمة في القياس كانت بطيئة جداً بحيث لا تستطيع مواكبة الحاجة إلى أقمشة أفضل.

هنا يأتي دور فريق من الباحثين الذين قرروا تعليم الكمبيوتر القيام بالعمل الشاق. لقد بنوا "عيناً رقمية خارقة" باستخدام التعلم العميق، وهو نوع من الذكاء الاصطناعي الذي يتعلم من خلال النظر إلى الصور. فبدلاً من أن يحدق إنسان في الشاشة لساعات، يقوم هذا النظام الجديد تلقائياً برصد ألياف القطن ومراكزها المجوفة (التي تسمى اللومن - lumen) في صور المجهر، ويقيسها، ثم يخرج البيانات في ثوانٍ معدودة. تُظهر الورقة البحثية أن سير العمل المؤتمت هذا دقيق للغاية، حيث يطابق نتائج القياسات البشرية الدقيقة، ولكنه ينجز المهمة أسرع بمئات المرات. إنه يشبه استبدال خريطة مرسومة يدوياً بنظام تحديد مواقع (GPS) يتحدث في الوقت الفعلي، مما يسمح أخيراً للعلماء بتحليل آلاف ألياف القطن لإنتاج قطن أكثر نعومة وقوة وجودة للجميع.

المشكلة: عنق زجاجة "الجيلي بين"

القطن ليس مجرد سحابة بيضاء هشة؛ بل هو آلة بيولوجية معقدة. لفهم سبب كون قطعة من القطن ناعمة أو خشنة، ينظر العلماء إلى مقطعها العرضي. تخيل قطع "شفاطة" (ماصة) إلى نصفين. سترى دائرة في وسطها ثقب. في القطن، "الشفاطة" هي جدار الليف، و"الثقب" هو اللومن. سُمك الجدار وحجم الثقب يخبراننا ما إذا كان الليف "ناضجاً" (قوياً وذا جدار سميك) أو "غير ناضج" (رقيق الجدار وضعيف).

لعقود من الزمن، كان المعيار الذهبي لقياس ذلك هو تقطيع الألياف، ثم التقاط صورة، ثم جلوس إنسان لتتبع الخطوط الخارجية لليف باستخدام برامج مثل "أدوبي فوتوشوب". الأمر يشبه محاولة تتبع الخطوط الخارجية لألف حبة "جيلي بين" صغيرة وغير منتظمة على ورقة. إنها عملية تستغرق وقتاً طويلاً، ومن السهل أن يصاب الإنسان بالتعب ويرتكب الأخطاء، وهي ليست عملية عملية إذا كنت ترغب في اختبار آلاف نباتات القطن المختلفة للعثور على الأفضل منها.

الحل: تعليم الروبوت كيف "يرى"

قرر الباحثون في جامعة كليمسون ومؤسسة القطن (Cotton Incorporated) بناء روبوت يمكنه القيام بعملية التتبع نيابة عنهم. لم يكتفوا بكتابة قواعد بسيطة للكمبيوتر، بل استخدموا نموذج تعلم عميق يسمى YOLO11m. فكر في هذا النموذج كطالب تم عرضه آلاف الصور لألياف القطن وإخباره: "هذا هو جدار الليف (باللون السماوي)، وهذا هو المركز المجوف (باللون البرتقالي)". بعد دراسة هذه الأمثلة، تعلم النموذج التعرف على الأنماط من تلقاء نفسه.

لقد غدوا النموذج بـ 249 صورة عالية الدقة للمقاطع العرضية للقطن. من بين هذه الصور، تم استخدام 192 صورة لتعليم النموذج، بينما تم استبعاد 57 صورة لاختبار ما إذا كان النموذج قد تعلم الدرس بالفعل. تم تدريب النموذج على تحديد شيئين: ليف القطن نفسه واللومن (المساحة الفارغة بالداخل).

النتائج: السرعة والدقة

عندما اختبر الباحثون مساعدهم الرقمي الجديد، كانت النتيات مبهرة. تمكن النموذج من العث/تحديد ألياف القطن بدرجة 0.984 (حيث 1.0 هو الدرجة المثالية). وهذا يعني أنه لم يخطئ تقريباً في العثور على الليف. كان أقل ثقة قليلاً في العثور على الثقوب الصغيرة والصعبة داخل الألياف، حيث سجل 0.789، ولكن هذه النتيجة لا تزال جيدة جداً بالنظر إلى مدى صغر وعدم انتظام تلك الثقوب.

وللتأكد من أن الروبوت لا يخمن فحسب، قارن الفريق نتائجه بالطريقة التقليدية باستخدام "أدوبي فوتوشوب". قاموا بقياس حوالي 400 ليف لكل نوع من أنواع القطن يدوياً في فوتوشوب، وهي عملية استغرقت أكثر من 20 ساعة من العمل البشري. في المقابل، قام سير العمل المؤتمت بتحليل 845 ليفاً من نوع واحد و 1,019 ليفاً من نوع آخر من نفس الصور في جزء ضئيل من الوقت.

لم يكن الكمبيوتر سريعاً فحسب، بل كان ذكياً أيضاً. كانت متوسط القياسات التي أنتجها مطابقة تقريباً لنتائج الخبراء البشر. وبينما وجد الكمبيوتر نطاقاً أوسع من الأحجام (لأنه نظر في كل ليف، وليس فقط في عدد مختار)، إلا أن "مركز" بياناته طابق البيانات البشرية تماماً.

الخدعة السحرية: القياس بدون مسطرة

أحد أروع أجزاء سير العمل هذا هو كيفية تعامله مع الوحدات. عادة، يرى الكمبيوتر مجرد "بكسلات". لتحويل البكسلات إلى قياسات حقيقية مثل الميكرومتر، يبحث النظام تلقائياً عن شريط مقياس أصفر صغير (بطول 40 ميكرومتر) موجود في كل صورة. يجد هذا الشريط الأصفر، ويقيس طوله بالبكسل، ثم يستخدم هذه النسبة لتحويل جميع القياسات الأخرى تلقائياً. الأمر يشبه عثور الكمبيوتر على مسطرة في الصورة واستخدامه لقياس كل شيء آخر فوراً.

لماذا يهم هذا؟

لا يتعلق الأمر فقط بجعل الحواسيب أسرع؛ بل بفتح آفاق المستقبل للقطن. نظرًا لأن العملية سريعة للغاية وقابلة للتكرار، يمكن للعلماء الآن تحليل آلاف الألياف من نباتات قطن مختلفة. هذا يمثل تغييراً جذرياً في برامج التربية؛ فبدلاً من الانتظار لسنوات لمعرفة ما إذا كان نوع جديد من القطن جيداً أم لا، يمكنهم الآن قياس جودة الألياف بسرعة لآلاف الأصناف المرشحة.

لقد أتاح الباحثون "عينهم الخارقة" للجميع. فقد وضعوا الكود البرمجي على موقع GitHub وأنشأوا تطبيق ويب مجاني على Hugging Face حيث يمكن لأي شخص رفع صورة والحصول على القياسات في ثوانٍ. وهذا يعني أن طالباً في مختبر صغير أو باحثاً في بلد آخر يمكنه الآن إجراء تحليل عالي الجودة للقطن دون الحاجة إلى فريق من الخبراء أو برامج باهظة الثمن.

الخلا الخلاصة

تثبت الورقة البحثية أنه يمكننا أتمتة عملية قياس ألياف القطن المملة والبطيئة بدرجة عالية من الدقة. وبينما لا يزال النموذج يجد صعوبة طفيفة في العثور على الثقوب الصغيرة داخل الألياف مقارنة بالألياف نفسها، إلا أن النظام ككل يمثل قفزة هائلة للأمام. إنه يحول مهمة يدوية تستغرق أياماً إلى مسألة ثوانٍ، مما يوفر طريقة موثوقة ومعيارية لقياس جودة القطن. هذه الأداة جاهزة الآن لمساعدة المربين على إنشاء قطن أفضل، مما يضمن أن تكون الملابس التي نرتديها ليست ناعمة وقوية فحسب، بل يتم إنتاجها أيضاً بكفاءة أعلى.