Research Evolution and Emerging Trends in Fruit and Vegetable Quality Assessment and Sorting: A Bibliometric Analysis of Analytical and Intelligent Sensing Technologies
يرسم هذا التحليل الببليومتري لـ 1,387 منشوراً من عام 2000 إلى عام 2025 مسار تطور أبحاث فرز الفاكهة والخضروات، كاشفاً عن تحول عالمي من التصنيف التقليدي القائم على المظهر الخارجي نحو أنظمة ذكية متعددة الوسائط تدمج تقنيات الاستشعار المتقدمة وخوارزميات التعلم العميق للتقييم الشامل للجودة.
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
كل عام، تنتقل مليارات الأطنان من الفواكه والخضروات من الحقول إلى الأسواق، وهي رحلة يجب أن تنجو فيها المحاصيل من المناولة والنقل والتخزين دون تعرضها للكدمات أو التعفن. لفترة طويلة، اعتمد فرز هذه المحاصيل بشكل كبير على العيون والأيدي البشرية، وهي عملية بطيئة وغير متسقة، وغالباً ما تكون خشنة للغاية بالنسبة للأصناف الرقيقة مثل الطماطم ذات القشرة الرقيقة أو الخوخ الطري. ومع نمو الطلب العالمي على الأغذية عالية الجودة، توجهت الصناعة الزراعية نحو الآلات التي يمكنها رؤية وتقييم المنتجات بسرعة حزام الناقل ودقة العالم. تستخدم هذه الآلات الكاميرات للنظر في اللون والشكل، ومستشعرات خاصة يمكنها الرؤية داخل الثمرة للتحقق من محتواها من السكر أو صلابتها دون فتحها. الهدف بسيط ولكنه صعب: فرز آلاف القطع في الساعة، لضمان وصول الأفضل منها فقط إلى المستهلك مع تقليل الهدر والتلف.
قام فريق من الباحثين في جامعة غويتشو العادية في الصين مؤخاً بالعودة خطوة إلى الوراء للنظر في التاريخ الكامل لهذا التحول التكنولوجي. فبدلاً من بناء آلة جديدة أو اختبار ثمرة معينة، قاموا بتحليل آلاف الأوراق العلمية المنشورة بين عامي 2000 و2025 لفهم كيفية تطور هذا المجال. ومن خلال دراسة الأنماط في هذه الكتابات، رسموا مسار انتقال العلماء من الفرز الميكانيكي البسيط إلى الأنظمة الذكية المعقدة التي يمكنها "التفكير" فيما تراه. ويكشف عملهم عن قصة تقدم واضحة: رحلة من الملاحظة الأساسية إلى اتخاذ القرارات المؤتمتة المتطورة التي تعيد تشكيل كيفية تعاملنا مع إمدادات الغذاء في العالم.
جمع الباحثون بيانات من مكتبتين ضخمتين من المعرفة العلمية: إحداهما تحتوي على دراسات باللغة الإنجليزية من جميع أنحاء العالم، والأخرى تحتوي على دراسات باللغة الصينية. لقد فحصوا أكثر من 1300 منشور للعثور على أهم الاتجاهات. وما وجدوه هو مجال نما باطراد على مدار العقدين الماضيين، مع زيادة حادة بشكل خاص في النشاط منذ عام 2021. في أوائل العقد الأول من القرن الحادي والعشرين، كانت الأبحاث نادرة وتركز على التصاميم الميكانيكية الأساسية. وبحلول العقد الثاني من القرن الحادي والعشرين، تحول التركيز نحو استخدام الحواسيب لتحليل الصور. وفي السنوات الأخيرة، كان الدافع وراء انفجار الأبحاث الجديدة هو الذكاء الاصطناعي المتقدم، مما سمح للآلات بالتعرف على العيوب ومستويات الجودة بدقة لم تكن ممكنة سابقاً.
تسلط الدراسة الضوء على أن الجهود البحثية العالمية ليست موزعة بالتساوي. فقد أنتجت الصين أكبر عدد من الأوراق البحثية حول هذا الموضوع، تليها الهند، والولايات المتحدة، وإسبانيا، وإيران. ويعكس هذا الارتفاع في الأبحاث الصينية صناعة الفاكهة والخضروات الضخمة في البلاد واندفاعها السريع نحو تحديث الزراعة باستخدام الآلات الذكية. وبينما تعمل دول مثل الولايات المتحدة والصين معاً في بعض المشاريع، لاحظ الباحثون أن التعاون الدولي يمكن أن يكون أقوى. حالياً، تبدو شبكة التعاون مجزأة نوعاً ما، حيث تعمل العديد من الدول بمعزل عن بعضها البعض بدلاً من تجميع مواردها لحل المشكلات المشتركة.
وعندما نظر الباحثون فيما يدرسه العلماء فعلياً، ظهر مساران رئيسيان. المسار الأول يتعلق بفرز الفاكهة بناءً على مظهرها الخارجي؛ ويتضمن ذلك استخدام الكاميرات لقياس اللون والحجم والشكل، أو لرصد الكدمات والعيوب. أما المسار الثاني فيتعلق بفحص جودة الثمرة من الداخل دون إتلافها. وهنا تصبح التكنولوجيا أكثر تعقيداً؛ حيث يستخدم العلماء موجات ضوئية لا تراها العين البشرية، مثل الأشعة تحت الحمراء القريبة، لاختراق قشرة الثمرة وقياس السكر أو الحموضة أو التعفن الداخلي. وأظهر التحليل أنه بينما ركزت الأبحاث المبكرة بشدة على هذين المسارين المنفصلين، فإن التطورات الأكثر إثارة تحدث حيث يلتقيان. إن مستقبل الفرز يكمن في دمج هذه الأساليب، باستخدام الكاميرات لرؤية الخارج والمستشعرات الخاصة لرؤية الداخل، في آن واحد.
لقخت الأدوات المستخدمة لتحقيق ذلك تغيرت بشكل كبير بمرور الوقت. في الماضي، كانت الحواسيب تعتمد على قواعد بسيية كتبها البشر لتحديد تفاحة حمراء أو ورقة خضراء. أما اليوم، فإن الأنظمة الأكثر فعالية تستخدم التعلم العميق، وهو نوع من الذكاء الاصطناعي الذي يعلم نفسه ما يجب أن تبحث عنه من خلال دراسة آلاف الأمثلة. ووجد الباحثون أن المجلات الأكثر شعبية في هذا المجال هي تلك المخصصة للهندسة الزراعية وعلوم الأغذية، مما يؤكد أن هذا علم عملي مدفوع بالصناعة. وغالباً ما تتضمن الأعمال الأكثر استشهاداً استخدام الرؤية الآلية للكشف عن العيوب أو استخدام التصوير الطيفي للتنبؤ بالنضج.
رغم هذه التطورات، يشير الباحثون إلى أن التكنولوجيا ليست مثالية بعد. فلا تزال الآلات تواجه صعوبات عندما تتغير الإضاءة، أو عندما تتراكم الفواكه فوق بعضها البعض، أو عند التعامل مع المنتجات الرقيقة جداً التي يمكن أن تتعرض للكدمات بسهماً. كما أن هذه الأنظمة مكلفة وتتطلب حواسيب قوية لتشغيلها، مما يجعل من الصعب استخدامها في المزارع الصغيرة أو المناطق النامية. وتقترح الدراسة أن القفزة الكبيرة التالية ستأتي من جعل هذه الأنظمة أرخص وأسرع وأكثر قدرة على التكيف. يعمل العلماء الآن على نسخ "خفيفة الوزن" من هذه الأنظمة الذكية التي يمكن تشغيلها على أجهزة أصغر، ويستكشفون طرقاً لتعليم الآلات التعلم من أمثلة قليلة جداً، بدلاً من الحاجة إلى ملايين الصور للبدء.
تخلص الورقة إلى أن المجال يتجه نحو مستقبل لا يقتصر فيه الفرز على مجرد النظر إلى الثمرة، بل فهمها تماماً. فمن خلال دمج البيانات من الكاميرات، ومستشعرات الضوء، وحتى كاشفات الرائحة، ستكون الجيل القادم من آلات الفرز قادرة على اتخاذ قرارات دقيقة بقدر خبرة البشر، ولكن بسرعة واتساق الروبوت. ويعد هذا التطور بتقليل هدر الطعام وضمان أن تكون المنتجات التي نأكلها آمنة وعالية الجودة. ومع ذلك، يحذر الباحثون من أن هذا المستقبل يعتمد على التغلب على العقبات الحالية في التكلفة والتعقيد وقدرة هذه الآلات على العمل بموثوقية في الواقع الفوضوي وغير المتوقع للمزارع أو مراكز التعبئة. إن المسار نحو الأمام واضح، لكنه يتطلب ابتكاراً مستمراً لتحويل هذه الأفكار القوية إلى أدوات يومية للمزارعين ومنتجي الأغذية في كل مكان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.