GreenAI: An Explainable AI and IoT-Enabled Offline Framework for Precision Agriculture

في حقول إقليم البنجاب الباكستاني الشاسعة والمشمسة، يُعاد كتابة مستقبل الزراعة ليس فقط من خلال المواسم، بل عبر الهمس الهادئ للتكنولوجيا التي تعمل في التربة. لأجيال، اعتمد المزارعون على الحدس والخبرة لتقرير ما يزرعونه، ومتى يسقون، وكيف يعالجون المحاصيل المريضة. واليوم، يسعى نهج جديد يُعرف بالزراعة الدقيقة إلى صقل هذه الممارسات القديمة باستخدام البيانات، مستخدماً المستشعرات وأجهزة الكمبيوتر لاتخاذ قرارات أكثر ذكاءً واستدامة. يعتمد هذا المجال على ثلاث ركائز أساسية تعمل معاً: إنترنت الأشياء، الذي يربط المستشعرات البسيطة بالعالم الرقمي؛ والذكاء الاصطناعي، الذي يجد الأنماط في كميات هائلة من المعلومات لتقديم المشورة؛ ومفه-وم أحدث يُسمى الذكاء الاصطناعي القابل للتفسير، والذي يضمن ألا يكتفي الكمبيوتر بإعطاء إجابة فحسب، بل يشرح سبب إعطائه لتلك الإجابة. الهدف هو الانتقال لما وراء القواعد العامة وتقديم توجيهات تناسب التربة والطقس والمحاصيل الخاصة بمزرعة واحدة، حتى في الأماكن التي يكون فيها الاتصال بالإنترنت غير مستقر أو معدوماً.

وعلى خلفية هذا المشهد، طور فريق من الباحثين من جامعات في فيصل آباد وراولبندي نظاماً يسمى GreenAI. هذا ليس خدمة قائمة على السحابة تتطلب اتصالاً مستمراً بالإنترنت لتعمل؛ بل هو مصمم للعمل دون اتصال بالإنترنت (offline)، حيث ينقل الذكاء مباشرة إلى جهاز المزارع. يعمل النظام كمساعد رقمي شامل، يجمع بين أربع قدرات متميزة في منصة موحدة. فهو يوصي بأفضل المحاصيل للزراعة بناءً على ظروف التربة المحلية، ويشخص الأمراض من صور الأوراق، ويراقب البيئة في الوقت الفعلي، ويوفر رؤى حول السوق. والأهم من ذلك، أن كل توصية يقدمها النظام مدعومة بتفسير واضح، مما يسمح للمزارع بفهم المنطق وراء النصيحة، وهو ما يبني الثقة في تكنولوجيا قد تبدو بخلاف ذلك كصندوق أسود غامض.

ولجعل هذا النظام مفيداً حقاً للمنطقة، كان على الباحثين أولاً بناء أساس من المعرفة المحلية. فقد أنشأوا مجموعة بيانات متخصصة تحتوي على معلومات عن 19 محصولاً رئيسياً تُزرع في البنجاب، مثل الأرز والقطن والقمح والمانجو. وتتضمن هذه المجموعة 9,500 مثال متوازن، يسجل كل منها المزيج المحدد من مغذيات التربة، ودرجة الحرارة، والرطوبة، وهطول الأمطار الذي أدى إلى حصاد ناجح. وباستخدام هذه البيانات، اختبروا عدة خوارزميات كمبيوتر مختلفة لمعرفة أي منها يمكنه التنبؤ بأفضل محصول لمجموعة معينة من الظروف. والخوارزمية التي ظهرت كالأكثر فعالية كانت نموذجاً يُعرف باسم XGBoost. وعند اختبارها على بيانات جديدة غير مرئية، حددت الخوارزمية أفضل محصول بدقة بلغت 97.40 بالمائة. كما حققت درجة عالية في موازنة تنبؤاتها عبر جميع أنواع المحاصيل المختلفة، مما أثبت قدرتها على التعامل مع تنوع الزراعة في المنطقة دون تفضيل محصول على آخر.

ولا يتوقف النظام عند إخبار المزارعين بما يجب زراعته فحسب؛ بل يساعدهم أيضاً في حماية محاصيلهم. فقد طور الباحثون أداة تشخيص بصري يمكنها تحديد أمراض النبات من خلال تحليل صور الأوراق. وقد دربوا نموذج تعلم عميق على مجموعة ضخمة تضم 113 فئة مختلفة من الأمراض، بدءاً من الإصابات الفطرية الشائعة وصولاً إلى آفات محددة تؤثر على المحاصيل المحلية. هذا النموذج، المبني على بنية انسيابية تسمى EfficientNetV2-S، تعلم التعرف على العلامات الدقيقة للمرض بدقة ملحوية. وفي مرحلة الاختبار، حدد النظام المرض بشكل صحيح في 99.03 بالمائة من الحالات. ولضمان قدرة المزارعين على الوثوق بهذه التشخيصات، يتضمن النظام وسيلة مساعدة بصرية تسلط الضوء بدقة على الأجزاء التي أطلقت الإنذار في صورة الورقة، مما يظهر للمستخدم بقع تغير اللون أو التلف المحددة التي أدت إلى الاستنتاج.

يكمن أحد الابتكارات الرئيسية في GreenAI في قدرته على العمل دون اتصال مستمر بالإنترنت، وهي ميزة حاسمة للمناطق الريفية حيث تتعطل الشبكات غالباً. فقد دمج الباحثون عقدة استشعار صغيرة ومنخفضة التكلفة تعتمد على شريحة دقيقة تسمى ESP32. يمكن وضع هذه الأجهزة مباشرة في التربة لقياس الرطوبة ودرجة الحرارة والحموضة باستمرار. ويقوم المستشعر بتخزين هذه البيانات محلياً على بطاقة ذاكرة صغيرة، مما يسمح له بالاستمرار في العمل حتى عندما تنقطع الشبكة. وبمجرد توفر اتصال، يتم إرسال البيانات تلقائياً إلى نظام مركزي للتحليل. يضمن هذا التصميم "القائم على العمل دون اتصال أولاً" عدم توقف مراقبة المزرعة أبداً، بغض النظر عن حالة الاتصال في الخارج. كما تم تصميم النظام ليكون خفيف الوزن، مما يعني أن الحسابات المعقدة يمكن إجراؤها على الجهاز نفسه أو على خادم بسيط، بدلاً من الحاجة إلى بنية تحتية سحابية ضخمة ومكلفة.

ولجعل التكنولوجيا سهلة الوصول وموثوقة، دمج الباحثون طبقة من الشفافية في كل خطوة من خطوات اتخاذ القرار. فعندما يقترح النظام محصولاً، فإنه لا يكتفي بإخراج اسم المحصول فحسب؛ بل يستخدم طريقة تسمى SHAP لإظهار العوامل الأكثر أهمية. على سبيل المثال، كشف التحليل أن هطول الأمطار كان العامل الأكثر تأثيراً في تحديد المحاصيل التي يجب زراعتها، يليه عن كثب مستويات النيتروجين في التربة. كما يستخدم النظام مخططات التبعية الجزئية لإظهار كيف يمكن لتغيير متغير واحد، مثل زيادة درجة حموضة التربة (pH)، أن يغير التوصية. هذا المستوى من التفاصيل يسمح للمزارع برؤية أن النصيحة تستند إلى علم زراعي حقيقي، وليس مجرد تخمين عشوائي. وبالمثل، بالنسبة للكشف عن الأمراض، يسلط النظام الضوء على المناطق المحددة في صورة الورقة التي تشير إلى وجود مشكلة، مما يجعل التشخيص مرئياً ومفهوماً.

لقد تم اختبار الإطار بأكمله في بيئة واقعية لإثبات جدواه. حيث بنى الباحثون نموذجاً أولياً لعقدة الاستشعار ونشروه في حقل، حيث نجح في جمع ونقل البيانات البيئية. وأظهر النظام قدرته على التعامل مع سير العمل الكامل: جمع البيانات من التربة، وتحليلها باستخدام الذكاء الاصطناعي، وتقديم نصائح قابلة للتنفيذ إلى جهاز محمول. كانت أوقات الاستجابة سريعة للغاية، حيث تم إنشاء توصيات المحاصيل في أقل من ثلاثة ميلي ثانية على جهاز كمبيوتر قياسي، وحتى أسرع على الأجهزة الصغيرة المستخدمة في الحقل. هذه السرعة، جنباً إلى جنب مع القدرة على العمل دون إنترنت، تعني أن المزارع يمكنه تلقي نصيحة حاسمة في اللحظة التي يحتاجها فيها، سواء كان واقفاً في حقل ناءٍ أو يتفقد هاتفه في قرية ذات خدمة إنترنت متقطعة.

يمثل GreenAI خطوة مهمة نحو جعل التكنولوجيا الزراعية المتقدمة عملية للأشخاص الذين هم في أمس الحاجة إليها. فمن خلال الجمع بين توصيات المحاصيل الدقيقة، والكشف عالي الموثوقية عن الأمراض، والمراقبة البيئية في الوقت الفعلي في نظام واحد قادر على العمل دون اتصال بالإنترنت، خلق الباحثون أداة تحترم واقع الحياة الريفية. وتشير معدلات الدقة العالية، التي تتراوح بين 97.40 بالمائة لاختيار المحاصيل و99.03 بالمائة لتشخيص الأمراض، إلى أن النظام جاهز للاستخدام على نطاق أوسع. والأهم من ذلك، من خلال جعل منطق الذكاء الاصطناعي مرئياً ومفهوماً، يجسّر المشروع الفجوة بين علوم الكمبيوتر المعقدة والقرارات اليومية للمزارع. وبينما يواصل الباحثون تحسين تطبيق الهاتف المحمول وتوسيع النظام ليشمل المزيد من المناطق، فإن الرؤية واضحة: مستقبل حيث يمتلك كل مزارع، بغض النظر عن موقعه أو وصوله إلى الإنترنت، شريكاً ذكياً وقوياً في الحقل.