← أحدث الأبحاث
💻 computer science

LGM-Net: Morphology-Guided Multi-scale Representation Learning for Stellera chamaejasme Detection in Complex Grasslands

تقترح هذه الورقة البحثية شبكة LGM-Net، وهي كاشف يعتمد على نموذج YOLOv12n وموجه بالمورفولوجيا، يتميز بوحدات LESE وGSSPAN وMGDHead المبتكرة لمعالجة تحديات مثل تباين الحجم وضعف الحدود بفعالية، محققاً دقة فائقة وأداءً في الوقت الفعلي في اكتشاف نبات Stellera chamaejasme السام ضمن بيئات العشب المعقدة.

المؤلفون الأصليون: Siyuan Wang, Futao Yan, Zhijie Fan, Lijun Feng, Yuqi Wu, Qiangqiang Yao, Dedong Gao, Ying Zhang

نُشر 2026-09-24
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Siyuan Wang, Futao Yan, Zhijie Fan, Lijun Feng, Yuqi Wu, Qiangqiang Yao, Dedong Gao, Ying Zhang

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 السهول العشبية الشاسعة التي تعصف بها الرياح في هضبة التبت، تدور رحى صراع صامت من أجل البقاء بين الجذور ونصال العشب. هذه النظم البيئية حيوية، فهي تثبت التربة في مكانها، وتنظم المناخ، وتغذي الماشية، لكنها تتعرض للتهديد من غازٍ سام محدد: نبات "ستيلرا شاماياسم" (Stellera chamaejasme). هذا النبات، الذي يُطلق عليه غالباً اسم العشب "السام للذئاب"، يزدهر حيث تعاني المراعي بالفعل. فهو ينتشر بعدوانية، مما يؤدي إلى مزاحمة الأعلاف المغذية وتسميم الحيوانات التي تتناوله. لعقود من الزمن، حاول علماء البيئة رسم خرائط لانتشاره وإدارة نموه، معتمدين على فرق من البشر الذين يسيرون في الحقول لعدّ وتحديد تلك الأعشاب. كانت هذه الطريقة بطيئة، ومرهقة، ومن المستحيل توسيع نطاقها عبر التضاريس الوعرة والشاسعة للهضبة. وفي السنوات الأخيرة، لجأ العلماء إلى الطائرات بدون طيار (الدرونز) والكاميرات لنقل العمل إلى الجو، آملين أن يتركوا مهمة العد للآلات. ومع ذلك، فإن تعليم الكمبيوتر رصد هذه الأعشاب من الأعلى أمر صعب بشكل مفاجئ؛ فغالباً ما تكون النباتات صغيرة، أو مختبئة خلف عشب أكثر طولاً، أو تبدو متطابقة تقريباً مع النباتات غير الضارة المحيطة بها. عندما تحلق طائرة بدون طيار فوق حقل ما، يرى الكمبيوتر مزيجاً فوضوياً من الأنسجة الخضراء، والظلال، والضوء المتغير، مما يجعل من السهل تفويت عشب صغير أو الخلط بين كتلة من العشب ونبات سام.

لقد طور فريق من الباحثين في جامعة تشينغهاي طريقة جديدة لمساعدة الحواسيب على رؤية هذه الأعشاب بوضوح. فقد ابتكروا نظام برمجيات متخصصاً، أطلقوا عليه اسم "LGM-Net"، مصمماً خصيصاً للعثور على نبات "ستيلرا شاماياسم" في الواقع الفوضوي والمعقد للمراعي الحقيقية. وبدلاً من مجرد البحث عن شكل أو لون بسيط، بُني نظامهم لفهم البنية الفيزيائية للنبات؛ فهو يولي اهتماماً دقيقاً للتفاصيل الصغيرة التي تميز العشب: مثل الحافة المسننة لورقة الشجر، وملمس عنقود الزهرة، والطريقة التي يقف بها النبات مقابل الخلفية. لقد درب الباحثون هذا النظام باستخدام آلاف الصور الملتقطة من الأرض ومن طائرات بدون طيار تحلق على ارتفاع منخفض، تغطي ظروفاً جوية مختلفة، وأوقاتاً متباينة من اليوم، ومراحل نمو مختلفة للنبات. لقد علموا البرنامج كيفية تجاهل الضجيج المربك للبيئة والتركيز فقط على السمات المورفولوجية (الشكلية) المحددة — أي الشكل والهيئة — التي تخص ذلك العشب السام.

إن نتائج هذا النهج الجديد كبيرة؛ فعند اختباره على مجموعتهم الخاصة من صور المراعي، حدد النظام العشب بشكل صحيح في ما يقرب من 88 بالمائة من الحالات، وهو تحسن ملحوظ مقارنة بالطرق القياسية السابقة. كما أظهر أداءً جيداً على مجموعة بيانات عامة منفصلة من النباتات الغازية، مما أثبت قدرته على التكيف مع أنواع مختلفة من النباتات والبيئات. وما يجعل هذا النظام فعالاً بشكل خاص هو كيفية تعامله مع المواقف الأكثر صعوبة: عندما يكون العشب مخفياً جزئياً بواسطة نباتات أخرى، أو عندما تكون الإضاءة ضعيفة، أو عندما يكون العشب صغيراً جداً وبعيداً. وفي الاختبارات التي شملت تجمعات كثيفة من الأعشاض حيث تتداخل وتختبئ خلف بعضها البعض، حقق النظام دقة تقترب من 96 بالمائة. لقد تمكن من التمييز بين النبات السام والأعشاب الشبيهة به حتى عندما كانت النباتات في مراحل نمو مختلفة، من الشتلات الصغيرة إلى الأزهار الكاملة.

وجد الباحثون أن نظامهم يعمل من خلال محاكاة الطريقة التي قد ينظر بها خبير بشري إلى المشهد، ولكن بسرعة واتساق لا يمكن للإنسان مضاهاتهما. فهو يقوم أولاً بمسح الصورة للعثين على التفاصيل المحلية الصغيرة مثل الحواف والأنسجة، ثم يدمج تلك التفاصيل مع رؤية أوسع للمشهد لفهم السياق. تسمح هذه العملية المكونة من خطوتين بتصفية الإنذارات الكاذبة الناتجة عن الظلال أو الأعشاب ذات المظهر المشابه. كما أن النظام سريع بما يكفي للعمل في الوقت الفعلي، حيث يعالج الصور بسرعة تسمح للطائرة بدون طيار بمسح حقل وتحديد المناطق الإشكالية فوراً. ورغم أن هذه التكنولوجيا ليست بعد حلاً مثالياً لكل السيناريوهات الممكنة، إلا أن الباحثين أثبتوا أنها قوية بما يكفي للتعامل مع الظروف غير المتوقعة للمراعي عالية الارتفاع. ويقدم هذا العمل أداة عملية لمديري الأراضي الذين يحتاجون إلى مراقبة صحة هذه النظم البيئية، مما يوفر وسيلة للكشف المبكر عن الأعشاب السامة وحماية الماشية والتنوع البيولوجي الذي يعتمد على هذه المناظر الطبيعية الهشة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →