From Hyperspectral Signatures to Robotic LiDAR-Based Moisture Monitoring: A Machine Learning-Based Framework
تقدم هذه الدراسة إطار عمل قائماً على تعلم الآلة ينتقل من التحليل الطيفي المختبري عالي الدقة إلى نظام ليدار (LiDAR) روبوتي قابل للنشر، محققاً بنجاح تقديراً غير تلامسي وعالي الدقة للمحتوى المائي الحجمي في ركائز الصوف الصخري الخالية من التربة لأغراض الري المؤتمت في الزراعة ذات البيئة المحكومة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 عالم الزراعة الداخلية عالي التقنية، حيث تنمو المحاصيل تحت أضواء اصطناعية في غرف يتم التحكم في مناخها، يعد الماء المورد الأكثر حيوية والأكثر صعوبة في الإدارة في آن واحد. وخلافاً للحقول التقليدية حيث توفر الأمطار والتربة عازلاً طبيعياً، تعتمد هذه الأنظمة الخالية من التربة على مواد خاملة مثل الصوف الصخري (الروكوول) — وهو ركيزة ليفية قائمة على الحجر تحتفظ بالماء لجذور النباتات. وتكمن التحدي في أن هذه المادة لا تتصرف مثل التربة؛ إذ لا يمكن فحصها بسهء باستخدام المستشعرات القياسية دون إزعاج الأنظمة الجذرية الدقيقة أو الحاجة إلى معدات باهظة الثمن ومتدخلة. فإذا كان مستوى الماء منخفضاً جداً، تجف النباتات وتموت؛ وإذا كان مرتفعاً جداً، تغرق. ولكي يتمكن المزارعون من أتمتة هذا التوازن الدقيق، فهم بحاجة إلى وسيلة لـ "رؤية" الرطوبة داخل الصوف الصخري دون لمسه أبداً، وذلك باستخدام الضوء والمستشعرات لقراءة الحالة الخفية للماء.
لقد طور فريق من الباحثين في جامعة تورنتو متروبوليتان طريقة جديدة لحل هذه المشكلة، منتقلين من التجارب المختبرية المفصلة إلى نظام عملي مثبت على روبوت. يبدأ عملهم بمعاملة الصوف الصخري كبصمة إصبع فريدة؛ حيث أخذوا أقراصاً صغيرة من المادة وعدلوا محتواها المائي بعناية إلى أحد عشر مستوى مختلفاً، تتراوح من الجفاف التام إلى التشبع الكامل. وباستخدام مطياف عالي الدقة، قاموا بقياس كيفية انعكاس الضوء عبر هذه العينات عبر طيف واسع، من الأشعة فوق البنفسجية إلى الأشعة تحت الحمراء القريبة. وأظهرت النتائج نمطاً واضحاً: فكلما امتص الصوف الصخري مزيداً من الماء، تغيرت قدرته على عكس الضوء بطرق محددة وقابلة للتنبؤ، لا سيما في مناطق الأشعة تحت الحمراء حيث تمتص جزيئات الماء الطاقة.
أدرك الباحثون أنه بينما يحتوي الطيف الكامل للضوء على جميع المعلومات اللازمة، فإن اتباع نهج أبسط قد يكون أكثر عملية للاستخدام في العالم الحقيقي. لذا طوروا صيغة مخصصة، أطلقوا عليها اسم "مؤشر مياه الصوف الصخري"، من خلال تحديد ثلاثة أطوال موجية محددة فقط من الضوء، والتي عند دمجها، يمكنها التمييز بين مستويات الرطوبة المختلفة بدقة عالية. عمل هذا المؤشر كملخص مكثف لحالة المادة. ولاختبار ذلك، قاموا بتدريب سلسلة من النماذج الحاسوبية للتعرف على هذه الأنماط. حقق أحد النماذج، وهو نظام تعلم عميق مصمم لمعالجة طيف الضوء بأكره، أداءً جيداً. ومع ذلك، أثبت نموذج تجميعي (ensemble model) أكثر تطوراً، والذي يجمع تنبؤات عدة خوارزميات تعلم مختلفة باستخدام المؤشر المخصص، أنه الأكثر فعالية. نجح هذا النهج المجمع في تحديد مستوى الرطوبة في الصوف الصخري بدقة تجاوزت 97 في المائة، متفوقاً بشكل كبير على الطرق القياسية التي تعتمد على مؤشرات التربة العامة.
سأل المرحلة النهائية من البحث عما إذا كانت هذه النتائج المختبرية يمكن أن تصمد عند الانتقال إلى روبوت حقيقي ومتحرك. قام الفريق بتثبيت مستشعر "ليدار" (LiDAR) مدمج — وهو جهاز يستخدم نبضات الليزر لقياس المسافة والشدة — على ذراع روبوتية. ووضعوا مكعبات كاملة الحجم من الصوف الصخري، تشبه تلك المستخدمة في البيوت الزجاجية التجارية، أمام الروبوت. التقط الروبوت بيانات من زوايا ومسافات متعددة، مسجلاً صور الضوء المرئي، وإشارات الأشعة تحت الحمراء النشطة، وقياسات العمق، ومستويات الضوء المحيط. كان الهدف هو معرفة ما إذا كان بإمكان الروبوت اكتشاف تغيرات الرطوبة باستخدام المستشعرات المتاحة فقط في آلة زراعية قياسية، بدلاً من المطياف المختبري الباهظ الثمن.
كانت النتائج واعدة. فمن خلال تغذية بيانات الروبوت في نموذج تعلم آلي، نجح النظام في تصنيف محتوى الرطوبة في مكعبات الصوف الصخري إلى ثلاث فئات متميزة: جاف، رطب باعتدال، ومشبع تماماً. حقق النموذج متوسط دقة يقارب 93 في المائة. أثبت هذا أنه حتى بدون القدرة على قياس الأطوال الموجية الثلاثة المحددة بدقة في المختبر، فإن الجمع بين الضوء المرئي، وارتداد الأشعة تحت الحمراء، ومعلومات العمق كان كافياً للكشف عن حالة المياه في الركيزة. تؤكد الدراسة أن الإشارات البصرية المتعلقة بالرطوبة يمكن استردادها في بيئة عملية وقابلة للنشر، مما يسد الفجوة بين العلوم الطيفية المعقدة والأدوات اليومية للروبوتات الزراعية.
يوفر هذا العمل مساراً واضحاً لمستقبل الري المؤتمت. فمن خلال إثبات أن المستشعرات غير التلامسية يمكنها قراءة مستويات الرطوبة في الوسائط الخالية من التربة بدقة، وضع الباحثون حجر الأساس لروبوتات يمكنها مراقبة صوبات زجاجية كاملة، وتحديد البقع الجافة وتفعيل أنظمة الري فقط عند الحاجة. يتجاوز هذا الأسلوب قيود المجسات الفيزيائية، ويقدم وسيلة للحفاظ على التوازن المثالي بين الماء والهواء لجذور النباتات دون المساس بالمحصول أبداً. وبينما تم اختبار النظام الحالي على نوع معين من الصوف الصخري تحت ظروف محكومة، فإن الإطار المقترح يشير إلى إمكانية تكييف مناهج مماثلة مع ركائز وبيئات أخرى، مما يجلب مستوى جديداً من الذكاء إلى كيفية زراعة الغذاء في الداخل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.