An Efficient Attention-Gated Hybrid Transformer-CNN Framework for Plant Disease Segmentation In-the-Wild

في الحقول الشاسعة والمشمسة للزراعة العالمية، تتكشف أزمة صامتة كل عام. فما بين عشرين إلى أربعين بالمائة من محاصيل الإنتاج المحتملة تُفقد بسبب أمراض النباتات، وهو فشل يكلف الاقتصاد العالمي ما يقدر بنحو 220 مليار دولار سنوياً. لقرون، اعتمد المزارعون على العيون البشرية لرصد هذه التهديدات، لكن المهمة تزداد صعوبة بشكل متزايد. فغالباً ما تبدأ الأمراض في شكل بقع صغيرة باهتة أو تغيرات طفيفة في نسيج الأوراق، وهي تفاصيل يسهل إغفالها من قبل المراقب البشري أو ضياعها في الخلفية الفوضوية لحقل حقيقي. وبينما استُخدمت الحواسيب لفترة طويلة لفرز النباتات السليمة من المصابة، فإن الخطوة التالية تتطلب مستوى أعلى بكثير من الدقة: القدرة ليس فقط على تحديد المرض، بل على رسم خريطة لشكلة وحدوده بدقة تصل إلى مستوى البكسل الواحد. هذا هو مجال "التقسيم الدلالي" (semantic segmentation)، وهي تقنية تسم تتيح للآلات رسم مخطط مثالي حول المنطقة المصابة، مما يسمح بالعلاج المستهدف الذي ينقذ المحاصيل ويقلل الحاجة إلى مبيدات الآفات واسعة النطاق.

يكمن التحدي في واقع الطبيعة الفوضوي. فخلافاً لبيئة المختبر المنضبطة، يمتلئ الحقل بالإضاءة المتغيرة، والظلال المعقدة، والأوراق التي تتداخل وتغطي بعضها البعض. وغالباً ما تعاني أدوات الرؤية الحاسوبية التقليدية، التي تعتمد على مسح أنماط ثابتة وصغيرة، في رؤية الصورة الكبيرة لانتشار المرض عبر الورقة. وفي المقابل، فإن الأنظمة الأحدث والأكثر قوة والمصممة لفهم السياق بعيد المدى، غالباً ما تفقد التفاصيل الدقيقة اللازمة لرسم خط حاد حول الآفة. ولتجسير هذه الفجوة، طور الباحث سعد حسين وفريقه في جامعة فيصل آباد في باكستان نهجاً جديداً يجمع بين نقاط القوة لنوعين مختلفين من الذكاء الاصطناعي. كان هدفهم هو إنشاء نظام يكون ذكياً بما يكفي لفهم السياق المعقد للحقل، ودقيقاً بما يكفي لتتبع الحواف المتعرجة وغير المنتظمة للمرض، مع بقائه صغيراً بما يكفي للعمل على الأجهزة ذات الإمكانيات المحدودة للطائرات بدون طيار (الدرونز) أو الأجهزة المحمولة باليد.

بنى الباحثون إطار عمل هجيناً يعمل مثل مراقب ذي منظور مزدوج. يستخدم جزء من النظام شبكة عصبية تلافيفية (convolutional neural network)، وهي نوع من الذكاء الاصطناعي المتميز في رصد التفاصيل المحلية مثل نسيج الورقة أو الشكل المحدد للبقعة. أما الجزء الآخر فيستخدم "المحول الهرمي" (hierarchical transformer)، وهو نموذج أكثر تقدماً قادراً على فهم السياق الأوسع، مثل كيفية انتشار المرض عبر النبات بأكمله أو علاقته بالبيئة المحيطة. وبدلاً من ترك هذين النظامين يعملان بمعزل عن بعضهما، أنشأ الفريق جسراً متخصصاً بينهما. هذا الجسر، المعروف باسم وحدة "تجميع الهرم الفراغي المتسع" (atrous spatial pyramid pooling module)، يسمح للنظام بالنظر إلى الصورة بمقاييس متعددة في آن واحد، مما يضمن عدم تفويته لعدوى مبكرة صغيرة أو تفسير ظل كبير على أنه مرض.

ولجعل هذين التدفقين المتميزين من المعلومات يعملان معاً بسلاسة، قدم الفريق "بوابة انتباه" (attention gate) مخصصة. تخيل هذه البوابة كمرشح انتقائي للغاية يقرر أي التفاصيل مهمة وأيها مجرد ضجيج خلفي. ففي حقل مليء بالتربة، والأعشاب الضارة، والضوء المتغير، يمكن للحاسوب أن يتشتت بسهء. تقوم هذه البوابة بتثبيط الخلفية غير ذات الصلة ديناميكياً وتركز طاقة النظام فقط على العلامات المميزة للمرض. ومن خلال الجمع بين التفاصيل المحلية للنظام الأول، والسياق العالمي للثاني، وآلية التصفية الذكية هذه، يمكن للنموذج عزل علامات المرض بدقة ملحوظة، حتى عندما تكون الآفات ضبابية أو الخلفية مزدحمة.

اختبر الفريق ابتكارهم على مجموعة بيانات "PlantSeg"، وهي مجموعة تضم أكثر من 11,000 صورة ملتقطة في بيئات زراعية حقيقية وغير منضبطة. تعد مجموعة البيانات هذه صعبة للغاية لأنها تتضمن تنوعاً كبيراً في أنواع النباتات، واختلالات شديدة بين المناطق السليمة والمصابة، والظروف غير المتوقعة في الهواء الطلق. كانت النتائج مقنعة؛ حيث حقق الإطار الجديد درجة "متوسط التقاطع فوق الاتحاد" (mean intersection over union) بلغت 66.57 بالمائة، وهو مقياس يقيس مدى تطابق المخطط الذي رسمه الحاسوب مع الشكل الحقيقي للمرض. وقد تفوق هذا الأداء على النماذج الرائدة الحالية، بما في ذلك تلك القائمة حصرياً على الشبكات التلافيفية أو المحولات الصرفة. ولعل الأهم من ذلك بالنسبة للتطبيق في العالم الحقيقي، هو أن النظام بأكمله مدمج للغاية، حيث يحتوي على 30.37 مليون معلمة فقط. وهذا الحجم الصغير يعني أن النموذج لا يتطلب خوادم ضخمة مستهلكة للطاقة ليعمل؛ بل يمكنه العمل بكفاءة على الأجهزة الطرفية محدودة الموارد، مثل الحواسيب الموجودة في الطائرات الزراعية بدون طيار أو الروبوتات المزيلة للأعشاب.

كما عالج الباحثون مشكلة استقرار التدريب. فبسبب احتلال المناطق المصابة لجزء ضئيل جداً من الصورة، يمكن لطرق التدريب القياسية أن تجعل الحاسوب يتجاهل المرض تماماً، مركزاً فقط على الخلفية السليمة. ولمواجهة ذلك، استخدم الفريق "دالة فقد ديناميكية" (dynamic loss function) تغير تركيزها أثناء عملية التدريب. في المراحل الأولى، يتعلم النظام التعرف على الاحتمالية العامة للمرض، ومع تقدم التدريب، يصبح أكثر شراسة في تحديد الأمثلة الأصعب في الرصد وتدقيق الحدود. يضمن هذا التحسين التدريجي عدم استقرار النموذج عند حد أقصى محلي وتعلمه كيفية التعامل مع الاختلال الشديد في الفئات الموجود في الطبيعة.

من خلال الاختبارات الصارمة، بما في ذلك التحقق المتقاطع خماسي الطيات لضمان عدم كون النتائج محض صدفة، أظهر النظام استقراراً ثابتاً. لقد تقارب النموذج بسلاسة عبر 100 دورة تدريبية، دون ظهور أي علامات على "الفرط في التخصيص" (overfitting)، وهي الحالة التي يحفظ فيها النظام بيانات التدريب لكنه يفشل في التعامل مع الصور الجديدة. وأكدت النتائج المرئية أن النظام قادر على إنتاج حدود سلسة ودقيقة حول الأشكال الهندسية المعقدة للأمراض، متفوقاً على النماذج الأساسية التي تميل إما إلى "الإفراط في التقسيم" (over-segmentation)، مما يخلق أشكالاً متعرجة وغير صحيحة، أو "التقصير في التقسيم" (under-segmentation)، مما يؤدي لتفويت أجزاء من العدوى. وتخلص الدراسة إلى أن هذا الإطار الهجين المدعوم ببوابة الانتباه يمثل خطوة كبيرة للأمام في الزراعة الدقيقة. فهو يوفر مساراً قابلاً للتطبيق لنشر كشف آلي قوي للأمراض في البرية، مما يمنح المزارعين الأدوات لمعالجة المحاصيل بدقة جراحية بدلاً من التطبيقات الكيميائية الشاملة. ويشير المؤلف إلى أن العمل المستقبلي سيركز على ضغط النموذج بشكل أكبر للأجهزة ذات الطاقة المنخفضة للغاية وتوسيع النظام لتتبع تطور الأمراض بمرور الوقت، ولكن في الوقت الحالي، يقف هذا الإطار كحل فعال ومثبت لتحدٍ زراعي حرج.