A Method for 3D Morphological Measurement and Cutting Point Localization of Green Asparagus Based on Improved YOLOv8n-seg and RGB-D Data

في الصفوف الهادئة لحقل خضروات، لطالً ما أثار مشكل بسيط وعنيد إحباط المزارعين: كيف يمكن حصاد محصول ينمو بسرعة، وينمو في زحام، ويرفض البقاء ساكنًا. الهليون نبات معمر يرسل براعم طرية كل ربيع، لكن هذه البراعم ليست متماثلة؛ فهي تنحني، وتلتوي، وغالبًا ما تخفي جذورها في عمق التربة، مما يجعل من الصعب على الآلة معرفة المكان الدقيق للقطع. لعقود من الزمن، عنى هذا أن الحصاد يعتمد كليًا على الأيدي البشرية، وهي عملية كثيفة العمالة أصبحت تزداد تكلفة وصعوبة في التوظيف. ولحل هذه المشكلة، توجه العلماء إلى مجال الرؤية الحاسوبية، وهو فرع من التكنولوجيا يعلم الآلات كيف "ترى" وتفهم العالم من خلال الكاميرات. الهدف هو بناء روبوت يمكنه النظر إلى بقعة من الهليون، وتحديد أي السيقان جاهزة للأكل، وقياس حجمها، وتحديد النقطة الدقيقة لقطعها من الأرض. ومع ذلك، فإن تعليم الآلة القيام بذلك ليس ببساطة التقاط صورة؛ فشكل النبات غير المنتظم والإضاءة المعقدة في المزرعة يخلقان لغزًا بصريًا غالبًا ما تفشل البرامج القياسية في حله.

قام فريق من الباحثين من أكاديمية جيانغشي للعلوم الزراعية والأكاديمية الصينية للعلوم الزراعية مؤخرًا بتطوير طريقة جديدة لمساعدة الروبوت على رؤية الهليون الأخضر بوضوح. لقد أنشأوا برنامج حاسوبي متخصص، وهو نوع من الذكاء الاصطناعي المصمم للتعرف على النباتات الفردية ورسم حدودها في صورة فوتوغرافية. بدأ الباحثون بنظام موجود ومعروف لتحديد الأشياء في الصور، لكنهم أدركوا أنه كان ثقيلًا وبطيئًا بالنسبة لروبوت يتحرك في حقل. كان النظام الأصلي يشبه محركًا قويًا ولكنه ضخم يستهلك الكثير من الوقود ليكون عمليًا لآلة صغيرة تعمل بالبطارية. ولإصلاح ذلك، أعاد الفريق تصميم جوهر البرنامج، حيث جردوه من الوزن غير الضروري مع جعله أكثر حدة في رصد الشكل النحيف والمحدد لساق الهليون. لقد استبدلوا "دماغ" النظام القياسي بهيكل أكثر كفاءة يمكنه معالجة المعلومات بشكل أسرع دون فقدان الدقة. كما أضافوا أدوات خاصة لمساعدة الكمبيوتر على فهم الطبيعة الطويلة والنحيفة للنبات وتجاهل الضجيج الناتج عن الأعشاب الضارة أو الظلال التي قد تشتت انتباهه.

النتيجة لهذا التصميم الجديد هي نموذج جديد يسمى SES-YOLO، والذي يعمل بمثابة "العيون" لروبوت حصاد محتمل. عندما ينظر هذا النموذج إلى صورة لحقل هليون، فإنه لا يجد النبات فحسب، بل يرسم خطًا دقيقًا حول كل ساق على حدة، ويفصلها عن التربة والأوراق. وهذه خطوة حاسمة لأن الهليون، على عكس الفواكه التي لها قشرة واضحة أو شكل متميز، هو ساق طويلة ومستمرة يمكن أن تنحني في أي اتجاه. اختبر الباحثون نموذجهم الجديد مقابل عدة أنظمة شائعة أخرى ووجدوا أنه ليس فقط أسرع، بل أيضًا أكثر دقة. في اختباراتهم، حدد النموذج الجديد السيقان ورسم حدودها بدقة بلغت 98.6 بالمائة، مما يعني أنه نادرًا ما يخطئ في التعرف على نبات أو يخلط بين عشب ومحصول. كما أنه يعمل بشكل أسرع بكثير من الإصدارات القديمة، حيث يعالج الصور بسرعة كافية لمواكبة روبوت متحرك. هذه السرعة حيوية لأن روبوت الحصاد لا يمكنه الانتظار حتى يفكر كمبيوتر بطيء؛ بل يجب عليه اتخاذ القرارات في الوقت الفعلي أثناء تحركه عبر الصف.

بمجرد أن ينجح الكمبيوتر في تحديد حدود النبات، يصبح التحدي التالي هو قياسه وتحديد مكان القطع. قام الباحثون بدمج المخطط البصري مع بيانات من كاميرا عمق، وهي نوع خاص من العدسات يمكنها إخبار مدى بعد كل جزء من الصورة. ومن خلال دمج الصورة المسطحة مع معلومات المسافة هذه، يمكن للنظام حساب الطول الحقيقي والسمك لساق الهليون، حتى لو كانت منحنية. وجدوا أنه من خلال تقسيم الساق إلى أجزاء صغيرة وقياس كل منها، يمكنهم تحديد الطول الإجمالي بمتوسط خطأ يقل عن 2 بالمائة. هذه الدقة مهمة لأن المزارعين يحتاجون إلى معرفة حجم المحصول لتحديد ما إذا كان جاهزًا للحصاد. كما يحدد النظام "نقطة القطع"، وهي النقطة المحددة على الساق حيث يبدأ الجزء الصالح للأكل وتنتهي الجذور الخشبية القاسية. وبما أن الانتقال بين الجزء الأخضر الطري والجذر الأبيض الموجود تحت الأرض غالبًا ما يكون مخفيًا تحت سطح التربة مباشرة، فقد برمج الباحثون النظام لتقدير هذه النقطة بناءً على هندسة الساق. وفي اختباراتهم الميدانية، حدد النظام نقطة القطع هذه بمتوسط خطأ قدره 0.34 سنتيمتر فقط، وهو هامش خطأ صغير جدًا بحيث يمكن لذراع ميكانيكية التكيف معه بسهولة.

لإثبات أن هذا النظام يمكن أن يعمل في العالم الحقيقي، قام الباحثون بتثبيت برنامجهم الجديد على كمبيوتر صغير محمول مصمم للروبوتات، يُعرف باسم Jetson Orin NX. هذا الجهاز قوي بما يكفي لتشغيل برامج معقدة ولكنه صغير وفعال بما يكفي ليحمله روبوت في الحقل. وعندما اختبروا النظام على هذه الأجهزة، عالج الصور بسرعة 38.69 إطارًا في الثانية. وهذا يعني أن الروبوت يمكنه "الرؤية" واتخاذ القرارات أكثر من 38 مرة في الثانية، وهو معدل سريع بما يكفي للتعامل مع الحركات السريعة المطلوبة أثناء الحصاد. لاحظ الباحثون أن هذه السرعة كانت أسرع بنسبة 60 بالمائة تقريبًا من النظام الأصلي غير المعدل، مما يثبت أن تصميمهم خفيف الوزن نجح في الموازنة بين الحاجة إلى السرعة والحاجة إلى الدقة. وتخلص الدراسة إلى أن هذا النهج يوفر أساسًا تقنيًا موثوقًا لبناء حصادات هليون آلية، مما يوفر وسيلة لاستبدال العمل اليدوي المرهق بآلة يمكنها الرؤية والقياس والقطع بدقة تشبه دقة البشر.