Two-stage machine vision and near-infrared spectroscopy for grading leafhopper damage in fresh tea leaves

غالباً ما يكون الشاي عالي الجودة قصةً عن الضرر. وفي حالة "زيجين تشان" (Zijin Chan)، وهو شاي مميز من جنوب الصين، يعتمد طابع الكوب النهائي بشكل مباشر على أوراق الشجر الطازجة التي تنهشها حشرة صغيرة تُسمى "منّ ورق الشاي الأخضر". فبينما تتغذى الحشرة، تحفز تغيرات كيميائية داخل النبات تخلق رائحة ونكهة فريدة تشبه العسل. وتحدد شدة هذا التغذية درجة الشاي وقيمته في السوق. لقرون، كان المزارعون يحددون هذا الضرر بالعين، بحثاً عن علامات محددة مثل لون الورقة، ووجود بقع بنية، ومدى التواء الورقة. ومع ذلك، فإن الحكم البشري بطيء وغير متسق؛ فهو يختلف من شخص لآخر ويتغير بتغير الضوء أو إجهاد المراقب. ولإنتاج منتج عالي الجودة ومتسق، تحتاج الصناعة إلى وسيلة لقياس هذا الضرر بسرعة وبموضوعية، دون الاعتماد على العين الذاتية للخبير البشري.

هنا يأتي دور التقاطع بين طريقتين مختلفتين لرؤية العالم. إحدى الطريقتين هي الرؤية الآلية، حيث تلتقط الكاميرا المظهر الخارجي لجسم ما، تماماً مثل العين البشرية ولكن مع القدرة على معالجة آلاف الصور في ثوانٍ. والطريقة الأخرى هي مطيافية الأشعة تحت الحمراء القريبة، وهي تقنية تنظر داخل المادة لتقرأ تركيبها الكيميائي من خلال تحليل كيفية امتصاصها للضوء. وبينما يمكن للكاميرا أن ترى بقعة بنية، إلا أنها لا تستطيع رؤية السكر أو الأحماض الأمينية التي تتغير داخل الورقة والتي تمنح الشاي نكهته. ومن خلال الجمع بين هاتين الطريقتين، طور باحثون في جامعة جيانغنان نظاماً جديداً يعمل كمرشح ذي خطوتين، يستخدم سرعة الكاميرا لفحص معظم الأوراق، وبصيرة المطيافية للتحقق من الأوراق التي تجدها الكاميرا مربكة.

بدأ الباحثون بتدريب نموذج حاسوبي للتعرف على أوراق الشاي الطازجة وفرزها بناءً على شدة ضرر الحشرات. واستخدموا نظاماً متطوراً للتعرف على الصور، وهو نسخة محسنة من تقنية تُعرف باسم "YOLO"، المصممة لإيجاد الأجسام في الصور وتصنيفها فورياً. غدّى الفريق النظام بآلاف الصور لأوراق الشاي، لتعليمها التمييز بين ثلاثة مستويات من الضرر: طفيف، متوسط، وشديد. كما علموا النموذج تجاهل الواقع الفوضوي لتلة من الأوراق، حيث تتداخل الأوراق، وتلتوي، وتحجب أجزاءً من بعضها البعض. تعلم النموذج المحسن التركيز على الإشارات البصرية المحددة التي تهم، مثل لون برعم الشاي، ومدى الاحتراق البني على حواف الورقة، ودرجة الالتواء.

وعند اختباره على دفعة كبيرة من الصور تحتوي على أربعة آلاف هدف من أوراق الشاي الفردية، قدم نظام الكاميرا المحسن هذا أداءً مثيراً للإعجاب. فقد نجح في تحديد وتصنيف الغالبية العظمى من الأوراق التي يمكنه رؤيتها بوضوح. ومع ذلك، وكأي نظام يعتمد على البصر، اصطدم بحائط عندما كانت المعلومات المرئية غامضة للغاية. في حوالي اثني عشر بالمائة من الحالات، لم تتمكن الكاميرا من اتخاذ قرار واثق. كانت هذه هي الأهداف "بدون نتيجة": الأوراق الأكثر التواءً، أو الأكثر انغماساً تحت جيرانها، أو ببساطة الأكثر تشابهاً في المظهر لدرجة يصعب معها التمييز بين الضرر الطفيف والمتوسط. إذا توقفت العملية عند هذا الحد، فستبقى هذه الأوراق الصعبة غير مصنفة، أو والأسوأ من ذلك، قد تُصنف بشكل خاطئ، مما قد يفسد جودة دفعة الشاي النهائية.

ولحل هذه المشكلة، قدم الباحثون مرحلة ثانية لهذه العينات المستعصية. فبدلاً من محاولة إجبار الكاميرا على الرؤية بشكل أفضل، توجهوا إلى البصمة الكيميائية المخفية داخل الورقة. أخذوا العينات الفيزيائية المقابلة للأوراق التي لم تستطع الكاميرا تصنيفها وأخضعوها لمطيافية الأشعة تحت الحمراء القريبة. تضمنت هذه العملية تجميد الأوراق وتجفيفها وطحنها لإنشاء مسحوق متجانس، ثم مسحه بالضوء. تفاعل الضوء مع المركبات الكيميائية داخل الورقة — مثل البوليفينول، والسكريات، والأحماض الأمينية — مما خلق بصمة طيفية فريدة. وجد الباحثون أن الأوراق ذات مستويات مختلفة من ضرر الحشرات لها ملفات تعريف كيميائية متميزة. فعلى سبيل المثال، تميل الأوراق ذات الضرر المتوسط إلى امتلاك مستويات أعلى من بعض البوليفينولات، بينما تظهر الأوراق المتضررة بشدة ارتفاعاً في الأحماض الأمينية الحرة.

باستخدام هذه البصمات الكيميائية، بنى الفريق نموذجاً ثانياً ليعمل كحكم. تم تدريب هذا النموذج على مجموعة منفصلة من مائتين وأربعين عينة ليتعلم الفرق بين الفئات الطفيفة والمتوسطة والشديدة بناءً على كيميائها الداخلية فقط. وعند تطبيق هذا النموذج الكيميائي على العينات الصعبة التي رفضتها الكاميرا، ثبتت دقته الملحوظة؛ حيث صنف ما يقرب من ستة وتسعين بالمائة من الأوراق الإشكالية بشكل صحيح. ومن خلال الجمع بين سرعة الكاميرا وبصيرة المطيافية، أنشأ الباحثون سير عمل يمكنه التعامل مع دفعة الأوراق بأكملها. قامت الكاميرا بالعمل الشاق، حيث فرزت الحالات السهلة فوراً، بينما تدخلت المطيافية فقط عند الضرورة لحل الحالات الصعبة.

كانت نتيجة هذا النهج ذي المرحلتين قفزة نوعية في الدقة الإجمالية. فلو اعتمد الباحثون على الكاميرا وحدها، لكان النظام قد صنف حوالي ثمانية وسبعين بالمائة فقط من جميع الأوراق بشكل صحيح. ولكن بإضافة إعادة التقييم الكيميائي للحالات الصعبة، ارتفقت الدقة الإجمالية إلى ما يقرب من تسعين بالمائة. يوضح هذا التحسن أنه بينما تعد الكاميرا ممتازة في رؤية السطح، إلا أنها لا تستطيع دائماً الرؤية عبر تعقيد الطبيعة. يوفر التحليل الكيميائي دعماً ضرورياً، مما يضمن تصنيف حتى أكثر الأوراق إرباكاً بشكل صحيح.

ومع ذلك، يحرص الباحثون على ملاحظة أن هذا النجاح تحقق في بيئة مختبرية محكومة. فالتحليل الكيميائي يتطلب معالجة الأوراق — تجميدها وتجفيفها وطحنها — وهو ليس الطريقة التي يتم بها التعامل مع الشاي في خط فرز في الوقت الفعلي. النظام الحالي هو إثبات لمفهوم، يوضح أن الجمع بين البيانات المرئية والكيميائية يعمل من حيث المبدأ. الخطوة التالية، التي حددها المؤلفون كخطوة أساسية، هي تكييف هذه الطريقة للأوراق الطازجة التي تتحرك على حزام ناقل، دون الحاجة إلى الطحن أو التجميد. وإلى أن يحدث ذلك، يظل النظام أداة قوية للتصنيف المختبري ومخططاً لأنظمة الفحص عبر الإنترنت في المستقبل، مما يوفر مساراً نحو إنتاج شاي أكثر اتساقاً وعالية الجودة.