PIPNet EA for Robust and Explainable Crop Weed Classification Using Enhanced Prototype Evidence Aggregation

في مجالات الزراعة الحديثة، غالباً ما يكمن الفرق بين حصاد مزدهر وآخر تالف في قرار واحد يُتخذ في أجزاء من الثانية: هل هذا النبات الأخضر محصول ذو قيمة، أم هو عشب ضار يسرق مغذياته؟ لعقود من الزمن، اعتمد المزارعون على أعينهم لاتخاذ هذا القرار، لكن صعود الجرارات الآلية وآلات إزالة الأعشاض الروبوتية نقل العبء إلى الرؤية الحاسوبية. تحتاج هذه الآلات إلى رؤية العالم بوضوح لتعمل، ومع ذلك فإن العالم الحقيقي نادراً ما يكون واضحاً. فالغبار، والمطر، وضبابية الحركة، وتغير الضوء في يوم غائم يمكن أن يحول صورة حادة إلى كتلة طينية مشوشة. وعندما يواجه نموذج حاسوبي تدرب على صور مثالية بجودة الاستوديو هذه العيوب الواقعية، فإنه غالباً ما يتعثر، مما يؤدي إلى تحديد المحاصيل كأعشاض ضارة أو تفويتها تماماً. التحدي الذي يواجه العلماء ليس مجرد بناء نظام يعمل في المختبر، بل إنشاء نظام يظل موثوقاً عندما تتدهور جودة الصورة، مما يضمن عدم قيام أدوات الزراعة المؤتمتة برش مبيدات الأعشاب بالخطأ على النباتات التي من المفترض أن تحميها.

سعى الباحثون ريشي شودري، وأكشاي أغاروال، وفيد براكاش شودري لحل هذه المشكلة من خلال اختبار كيفية تعامل أنواع مختلفة من الذكاء الاصطناعي مع الواقع الفوضوي للظروف الميدانية. وقد ركزوا على نهج محدد يسمى "التعلم القائم على النماذج الأولية" (prototype-based learning)، والذي يعمل بشكل مختلف عن نماذج التعلم العميق القياسية التي يألفها معظم الناس. فبدلاً من محاولة حفظ صورة واحدة "متوسطة" مجردة للعشب الضار، تتعلم هذه النماذج التعرف على أجزاء محددة يمكن تمييزها من النبات، مثل طرف ورقة أو العرق الممتد في منتصفها. اقترح الباحثون طريقة جديدة، أطلقوا عليها اسم PIPNet-EA، وهي تعمل على تحسين هذه الفكرة من خلال عدم الاعتماد على جزء واحد فقط من هذه الأجزاء القابلة للتمييز. بدلاً من ذلك، يجمع النظام أدلة من عدة نقاط مختلفة على النبات في آن واحد. فإذا كان جزء واحد من الصورة مشوشاً أو محجوباً بالضجيج، فلا يزال بإمكان النظام اتخاذ قرار صحيح لأنه ينظر إلى الأجزاء الأخرى أيضاً. تم تصميم هذا النهج ليكون قوياً ضد سوء جودة الصورة وقابلاً للتفسير، مما يعني أن الإنسان يمكنه النظر في "منطق" الحاسوب ورؤية الأجزاء المحددة من النبات التي أدت إلى القرار.

ولاختبار ذلك، لم يكتف الفريق بمراقبة مدى أداء هذه النماذج على الصور المثالية فحسب، بل أخضعوا خمس بنيات مختلفة للتعلم العميق، بما في ذلك الشبكات القياسية والنظام الجديد القائم على النماذج الأولية، لسلسلة صارمة من الاختبارات. لقد قاموا بمحاكاة سبعة أنواع شائعة من فساد الصور التي تحدث في الحقل، مثل ضجيج المستشعر الحبيبي، وضبابية الحركة الناتجة عن مركبة متحركة، وفقدان التفاصيل الناتج عن الإضاءة المنخفضة أو الضغط. والأهم من ذلك، أنهم اختبروا هذه التشويهات عند ثلاثة مستويات من الشدة: خفيف، متوسط، وشديد. سمح لهم ذلك ليس فقط بمعرفة ما إذا كان النموذج سيفشل، بل بكيفية فشله مع تدهور جودة الصورة تدريجياً. كما أجروا هذه الاختبارات على مجموعتي بيانات مختلفتين: إحداهما تحتوي على صور نظيفة ومنضبطة للنباتات، والأخرى تحتوي على صور ميدانية حقيقية ومعقدة حيث تنمو المحاصيل والأعشاض معاً في مزيج متشابك.

أظهرت النتائج ميزة واضحة للنهج الجديد. وبينما فقدت جميع النماذج دقتها مع زيادة تشوه الصور، حافظ النموذج القائم على النماذج الأولية، وتحديداً النسخة التي تستخدم طريقة تجميع الأدلة الجديدة، على أدائه بشكل أفضل من غيره. وفي مجموعة البيانات الميدانية الصعبة، عندما كانت الصور مشوهة بشكل طفيف فقط، حقق النموذج الجديد دقة بلغت 64.1 بالمئة، مقارنة بـ 59.4 بالمئة للنموذج القياسي. ومع تحول التشويه إلى شديد، اتسعت الفجوة؛ حيث حافظ النموذج الجديد على دقة بلغت 43.7 بالمئة، بينما انخفض النموذج القياسي إلى 39.1 بالمئة. والأهم من ذلك، أن الباحثين حسبوا مقدار الأداء الأصلي الذي احتفظ به كل نموذج. فقد احتفظ النموذج الجديد بـ 98.9 بالمئة من أداء صورته النظيفة في الظروف الخفيفة، و87.7 بالمئة في الظروف المتوسطة، و67.5 بالمئة في الظروف الشديدة. في المقابل، احتفظ النموذج القياسي بنسبة أقل بكثير، حيث انخفض إلى 60.8 بالمئة تحت التشويه الشديد. يشير هذا إلى أنه من خلال تجميع الأدلة من مواقع متعددة، يكون النظام أقل عرضة للخداع بواسطة بقعة واحدة من البكسلات المشوهة.

كما بحثت الدراسة فيما كان الحاسوب "يراه" بالفعل عندما يتخذ هذه القرارات. وباستخدام خرائط بصرية تسلط الضوء على أجزاء الصورة التي ركز عليها النموذج، وجد الباحثون أنه حتى في ظل التدهور المتوسط، استمر النموذج القائم على النماذج الأولية في التركيز على الهياكل النباتية ذات المعنى، مثل أطراف الأوراق والعروق المركزية. وبالمقارنة، بدأت النماذج القياسية في توجيه انتباهها إلى التربة الخلفية والضجيج العشوائي مع تدهور الصور. هذه القدرة على البقاء مركزاً على السمات البيولوجية ذات الصلة، حتى عندما تكون الصورة ضبابية أو مليئة بالضجيج، تفسر سبب كون النظام الجديد أكثر قوة. فهو لا يعتمد على ميزة مهيمنة واحدة قد تكون مخفية، بل يبني قراراً بناءً على مجموعة من الأدلة الصغيرة والموثوقة.

خلص الباحثون إلى أن هذه الطريقة في جمع ووزن الأدلة من مواقع مكانية متعددة تقدم مساراً عملياً للمستقبل في الزراعة الدقيقة. فهي توفر وسيلة لبناء أنظمة ليست دقيقة فحسب، بل وشفافة أيضاً، مما يسمح للمزارعين بالثقة في أن الآلة تنظر إلى الأشياء الصحيحة. وبينما اقتصرت الدراسة على أنواع محددة من فساد الصور ولم تختبر النظام على روبوتات متحركة فعلية في الحقل، فإن النتائج تشير إلى أن التعلم القائم على النماذج الأولية هو اتجاه واعد لإنشاء أدوات زراعية يمكنها الصمود أمام الظروف غير المتوقعة في العالم الحقيقي. يوضح العمل أنه من خلال تصميم نماذج تحاكي الطريقة التي يبحث بها البشر عن تفاصيل تأكيدية متعددة، بدلاً من مجرد تفصيل واحد، يمكننا إنشاء تكنولوجيا أكثر مرونة بكثير تجاه عيوب الطبيعة.