Integrating postharvest quality assessment and deep learning to identify the optimal harvest maturity stage of apricot fruit
تحدد هذه الدراسة المرحلة الثالثة كأفضل مرحلة نضج للحصاد بناءً على التفوق في الحفاظ على جودة ما بعد الحصاد، وتعمل على تطوير نموذج تعلم عميق خفيف الوزن باستخدام صور RGB لتصنيف مراحل النضج بسرعة وبطريقة غير مدمرة لتحسين اتخاذ قرارات الحصاد.
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 كل عام، تنتج البساتين حول العالم الملايين من ثمار المشمش، وهي فاكهة يُحتفى بنكهتها الحلوة وقيمتها الغذائية الغنية. ومع ذلك، تواجه هذه الثمار سباقاً مستمراً ضد الزمن. فخلافاً للعديد من المحاصيل التي يمكن قطفها وتخزينها لعدة أشهر، فإن المشمش يتميز بكونه طرياً، وسريع التلف، وينضج بسرعة بمجرد تركه على الشجرة. فإذا قُطف في وقت مبكر جداً، يظل صلباً وبلا نكهة؛ وإذا قُطف في وقت متأخر جداً، يصبح طرياً ويتعفن قبل وصوله إلى السوق. ويكمن المفتاح لحل هذه المشكلة في إيجاد اللحظة الدقيقة للحصاد، وهي مرحلة من مراحل النمو تكون فيها الفاكهة ناضجة بما يكفي لتكون لذيذة الطعم، وفي الوقت نفسه متماسكة بما يكفي لتتحمل رحلتها إلى متجر البقالة. ولعقود من الزمن، اعتمد المزارعون على أعينهم وخبراتهم لتخمين هذه اللحظة، وهي طريقة غالباً ما تكون غير متسقة وعرضة للخطأ. والآن، يجمع نهج جديد بين الدراسة الدقيقة لكيمياء الفاكهة وبين الرؤية الحاسوبية المتقدمة لإيجاد إجابة أكثر موثوقية.
لقد سعى باحثون في جامعة شهرود التكنولوجية في إيران لحل هذا اللغز من خلال فهم بيولوجيا المشمش أولاً، ثم تعليم الكمبيوتر كيفية التعرف على اللحظة المناسبة لقطفه. وقد ركزوا على صنف محدد يُعرف باسم "زعفراني"، ينمو في منطقة شهرود. بدأ الفريق بحصاد الثمار في خمس مراحل متميزة من النمو، تتراوح من مرحلة عدم النضج الشديد إلى النضج الكامل. ووضعوا هذه الثمار في بيئة تخزين باردة، تحاكي الظروف المستخدمة من قبل الموزعين التجاريين، وراقبوا كيف تغيرت على مدار خمسة وثلاثين يوماً. وفي كل أسبوع، قام العلماء بقياس مجموعة واسعة من الخصائص: مدى صلابة الثمرة، وكمية الوزن الذي فقدته نتيجة تبخر الماء، ومستوى الحلاوة، وكمية الحموضة، واللون الدقيق للقشرة. كانوا يبحثون عن المرحلة الوحيدة التي تحتفظ فيها الثمرة بشكلها ونكهتها بأفضل صورة مع مقاومة التحلل الطبيعي الذي يأتي مع مرور الوقت.
كشفت نتائج هذه الملاحظة الطويلة عن فائز واضح. فالثمار التي حُصدت في مرحلة النضج الثالثة، وهي نقطة ليست خضراء تماماً ولا لينة تماماً، أثبتت أنها الأكثر صموداً. فقد حافظت ثمار المشمش هذه على تماسكها بشكل أفضل من تلك التي قُطفت في مراحل أبكر أو متأخرة. كما فقدت وزناً أقل، مما يعني أنها ظلت ممتلئة وعصارية لفترة أطول. وظل توازنها الكيميائي، بما في ذلك الحلاوة والحموضة، أكثر استقراراً، وتغير لونها بشكل أقل حدة مقارم بالآخرين. أما الثمار التي قُطفت في وقت مبكر جداً، فقد عانت للحفاظ على جودتها، حيث تغيرت بسرعة وفقدت تماسكها بسرعة. بينما كانت تلك التي قُطفت في وقت متأخر متأخرة جداً بحيث أصبحت لينة للغاية لدرجة لا تسمح لها بتحمل فترة التخزين، وتدهورت حالتها فوراً. وقد أكدت الدراسة أن هذه النافذة الزمنية المحددة توفر أفضل حل وسط، مما يسمح بتخزين الفاكهة لأسابيع دون فقدان الخصائص التي تجعلها مرغوبة للأكل.
بعد تحديد مرحلة الحصاد المثالية هذه، انتقل الباحثون إلى الجزء الثاني من عملهم: تعليم الآلة كيفية إيجادها. لقد أدركوا أنه إذا استطاع الكمبيوتر النظر إلى حبة مشمش على الشجرة ومعرفة ما إذا كانت في المرحلة الثالثة المثالية فوراً، فسيتمكن المزارعون من الحصاد بدقة أكبر بكثير. وللقيام بذلك، التقطوا أكثر من ألف صورة للمشمش في البستان تحت ضوء الشمس الطبيعي، ملتقطين صوراً للفاكهة تماماً كما تظهر في الواقع، مع كل الظلال والزوايا المتغيرة التي قد يواجهها المزارع. لم يستخدموا أضواء خاصة أو إعدادات محكومة؛ بل أرادوا للنظام أن يعمل في الواقع الفوضوي للبستان.
ثم قام الفريق ببناء برنامج كمبيوتر مخصص، وهو نوع من الذكاء الاصطناعي يُعرف باسم نموذج "التعلم العميق"، مصمم خصيصاً لتصنيف الصور. تم تدريب هذا البرنامج على النظر في الصور وتصنيف الفاكهة إلى واحدة من مراحل النضج الخمس. تم تصميم النموذج ليكون خفيف الوزن، مما يعني أنه يمكنه العمل بسرعة على الأجهزة القياسية دون الحاجة إلى قدرات حوسبة هائلة. وبعد التدريب على آلاف الصور، تم اختبار الكمبيوتر على مجموعة جديدة من الصور التي لم يسبق له رؤيتها من قبل. وقد نجح في تحديد مرحلة النضج الصحيحة في غالبية الحالات. وعندما ارتكب أخطاءً، كانت عادةً أخطاءً بسيطة، مثل الخلط بين ثمرة أوشكت على الوصول إلى المرحلة المثالية وأخرى تجاوزتها للتو. وهذا أظهر أن الكمبيوتر قد فهم التغيرات التدريجية في مظهر الفاكهة بدلاً من مجرد حفظ أنماط عشوائية.
تكمن أهمية هذا العمل في قدرته على سد الفجوة بين العلوم البيولوجية والزراعة العملية. فمن خلال إثبات أي مرحلة من مراحل النمو تؤدي إلى أطول فترة صلاحية، ومن ثم إنشاء أداة لتحديد تلك المرحلة فوراً، قدم الباحثون مساراً نحو تقليل الهدر وتحسين الجودة. إن نظام الرؤية الحاسوبية لا يحل محل معرفة المزارع، بل يعززها، من خلال توفير طريقة موضوعية وسريعة لاتخاذ قرارات الحصاد. وبينما أُجريت الدراسة على صنف واحد من المشمش في موقع واحد، فإن الطريقة تشير إلى مستقبل قوي للزراعة. فإذا أمكن تكييف هذه التكنولوجيا مع أنواع أخرى من الفاكهة وظروف نمو مختلفة، فقد تغير طريقة حصاد المنتجات، مما يضمن أن الفاكهة التي تصل إلى المستهلكين طازجة ولذيذة كما لو كانت قد قُطفت للتو. وتخلص الدراسة إلى أنه بينما تعد هذه الأداة واعدة، إلا أن هناك حاجة إلى مزيد من الاختبارات عبر بساتين ومواسم مختلفة للتأكد من موثوقيتها على نطاق تجاري.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.