A Physics-Inspired Lightweight Multimodal Network for Robust Winter Wheat LAI Estimation under Spectral Saturation Conditions

في الحقول الشاسعة والهادئة حيث ينمو القمح الشتوي، يواجه المزارعون والعلماء تحديًا مستمرًا: معرفة مقدار المادة الخضراء الورقية التي أنتجتها النباتات بدقة. هذا المقياس، المسمى مؤشر مساحة الأوراق، هو علامة حيوية لصحة المحصول؛ فهو يخبرنا بمقدار ضوء الشمس الذي تلتقطه النباتات لصنع الغذاء، وكمية المياه التي قد تحتاجها، وحجم الحبوب التي يُحتمل أن تنتجها. لعقود من الزمن، كان التحقق من هذا الرقم يعني إرسال أشخاص إلى الحقول مع أدوات محمولة باليد، وهي عملية بطيئة ومملة لا يمكنها إلا رصد جزء ضئيل من المزرعة في كل مرة. والي اليوم، توفر الطائرات بدون طيار (الدرونز) طريقة أسرع، حيث تحلق فوق المحاصيل لتلتقط صورًا يمكن تحويلها إلى خرائط لنمو المحصول. ومع ذلك، فإن هذه الكاميرات لديها نقطة عمياء؛ فعندما ينمو القمح طويلاً وكثيفًا، مكونًا سقفًا أخضر كثيفًا، غالبًا ما ترتبك مستشعرات الضوء. فالضوء الأحمر الذي يساعد عادةً في تمييز الأوراق الصحية يتم امتصاصه بالكامل بواسطة المظلة الكثيفة، بحيث ترى الكاميرا إشارة مسطحة وثابتة، غير قادرة على التمييز بين حقل ممتلئ جدًا وحقل أكثر امتلاءً. وهذا التأثير، المعروف بـ "التشبع"، يترك فجوة في معرفتنا في الوقت الذي يحتاج فيه المزارعون إلى هذه المعلومات بشدة.

لقد طور باحثون من جامعة فويانغ العادية وجامعة جيانغسو في الصين طريقة جديدة للرؤية عبر هذا الارتباك. فقد صمموا برنامجًا حاسوبيًا ذكيًا مصممًا للطيران على متن طائرة بدون طيار لتقدير مؤشر مساحة الأوراق للقمح الشتوي، حتى عندما يكون المحصول في أقصى درجات كثافته. وبدلاً من الاعتماد على نوع واحد من الكاميرات أو صيغة بسيطة، يعمل نظامهم كمراقب مزدل الحواس؛ فهو ينظر إلى الحقل من خلال عدستين مختلفتين في آن واحد: واحدة تلتقط نسيج وهيكل الأوراق بدقة عالية وألوان واقعية، وأخرى تقيس ألوانًا محددة من الضوء تُعرف بقدرتها على كشف صحة النبات. ويكمس سر نجاحهم ليس فقط في امتلاك رؤيتين، بل في تعليم الكمبيوتر كيفية دمج هاتين الرؤيتين بطريقة تحاكي كيفية تفاعل الضوء والهيكل في الطبيعة. ومن خلال دمج هذين التدفقين من المعلومات، يمكن للنظام اكتشاف التغيرات الدقيقة في المحصول التي قد تغفل عنها الكاميرا القياسية، مما يتجاك بفعالية مشكلة التشبع التي عانت منها الطرق السابقة.

اختبر الفريق نظامهم، الذي أطلقوا عليه اسم HFI-Net، في مزرعة تجريبية كبيرة في مقاطعة جيانغسو. فقد أطلقوا طائرات بدون طيار فوق واحد وعشرين صنفًا مختلفًا من القمح الشتوي عبر سبع مراحل نمو متميزة، بدءًا من البراعم الخضراء الأولى التي تظهر في الشتاء وصولًا إلى سنابل الحبوب الثقيلة الجاهزة للحصاد. وفي المجمل، جمعوا 637 عينة مزدوجة، مطابقة بين الصور الجوية للدرون والقياسات الدقيقة التي أُخذت يدويًا على الأرض. كانت النتائج مذهلة؛ فقد توقع النظام الجديد مؤشر مساحة الأوراق بمستوى من الدقة فاق كلاً من الأساليب الإحصائية القديمة والنماذج الحاسوبية الأكبر والأكثر تعقيدًا. وبينما عانت النماذج التقليدية الأكثر تقدمًا عندما يكون القمح كثيفًا، وفشلت غالبًا في التمييز بين المحاصيل شديدة الكثافة، حافظت هذه الشبكة الخفيفة على دقتها. لقد حققت معدل نجاح يفسر أكثر من 90 في المائة من التباين في نمو المحصول، وهو تحسن كبير عن المنافسين.

إن ما يجعل هذا الإنجاز جديراً بالذكر بشكل خاص هو كفاءة الحل. فالعديد من النماذج الحاسوبية القوية المستخدمة في تحليل الصور هي نماذج ضخمة، تتطلب أجهزة حاسوب فائقة أو عتادًا ثقيلًا لتشغيلها، وغالبًا ما تكون أضخم من أن تُحمل على طائرة بدون طيار صغيرة أو تُستخدم لمعالجة البيانات في الوقت الفعلي في الحقل. إن النموذج الذي طوره الباحثون الصينيون صغير للغاية، حيث يحتوي على 0.40 مليون معلمة فقط. ولتوضيح ذلك، فهو يبلغ حوالي واحد وخمسين وثمانين جزءًا (1/58) من حجم نموذج قياسي ثقيل مثل ResNet50، ومع ذلك فقد تفوق على ذلك النموذج الأكبر في الدقة. وتعني هذه الخفة المتناهية أن البرنامج يمكنه تقنيًا العمل مباشرة على الطائرة بدون طيار، مما يسمح بالتحليل الفوري للحقل دون الحاجة إلى إرسال البيانات إلى خادم بعيد. وقد أثبت الباحثون أنه من خلال التركيز على كيفية تفاعل أنواع مختلفة من البيانات — وتحديدًا كيف يؤثر الهيكل الفيزيائي للأوراق على طريقة انعكاس الضوء — استطاعوا بناء نظام أكثر ذكاءً وأخف وزنًا من سابقيه.

كشفت الدراسة أيضًا عن سبب نجاح هذا النهج الجديد تحت الظروف الصعبة. فعندما تكون مظلة القمح كثيفة، تصبح الإشارات المعتمدة على اللون غير موثوقة لأن الضوء الأحمر يُمتص تمامًا. ومع ذلك، فإن نسيج المظلة، المرئي في الصور الملونة عالية الدقة، لا يزال يتغير مع نمو الأوراق وتداخلها. يستخدم النظام الجديد تفاعلًا رياضيًا خاصًا لدمج بيانات اللون مع بيانات النسيج؛ فهو لا يقوم ببساطة بجمع القطعتين من المعلومات معًا، بل يضربهما في بعضهما، مما يسمح لمعلومات النسيج بتوجيه تفسير معلومات اللون. وهذا يساعد الكمبيوتر على فهم أنه حتى عندما تكون إشارة اللون مسطحة، فإن الهيكل المتغير للأوراق لا يزال يروي قصة النمو. وقد أثبتت هذه الطريقة متانتها عبر أصناف القمح وظروف التربة المختلفة، مما يشير إلى أنها أداة موثوقة للبيئة المعقدة والمتغيرة في المزارع الحقيقية.

وبالنظر إلى المستقبل، يقر الباحثون بأن عملهم هو خطوة للأمام وليس وجهة نهائية. فقد تم اختبار النظام في موقع واحد خلال موسم نمو واحد، وستحتاج الدراسات المستقبلية إلى التأكد مما إذا كان يعمل بنفس الكفاءة في مناخات مختلفة، ومع محاصيل مختلفة، وعبر سنوات متعددة. كما أشاروا إلى أنه بينما يستلهم نموذجهم من فيزياء تفاعل الضوء مع النباتات، فإنه لا يحاكي بعد بشكل كامل القوانين الفيزيائية المعقدة لنقل الضوء. وستتضمن المرحلة التالية من البحث اختبار البرامج على أجهزة طائرة بدون طيار فعلية في الميدان لضمان قدرتها على التعامل مع قيود السرعة والطاقة في النشر الواقعي. ورغم هذه الخطوات المستقبلية، فإن النتائج الحالية تقدم مسارًا واضحًا نحو الزراعة الأكثر دقة. فمن خلال حل مشكلة التشاط الطيفي بأداة خفيفة وفعالة، يوفر هذا البحث للمزارعين وسيلة لمراقبة محاصيلهم بدقة أكبر، مما قد يؤدي إلى استخدام أفضل للمياه والأسمدة وحصاد أكثر موثوقية. إن القدرة على الرؤية بوضوح من خلال المظلة الخضراء الكثيفة تمثل تحولًا هادئًا ولكن جوهريًا في كيفية مراقبتنا للعالم وهو ينمو.