A Lightweight Browser-Based CNN for Fresh Produce Freshness Classification Using MobileNetV2
تقدم هذه الدراسة نظاماً خفيف الوزن يعتمد على المتصفح، يستخدم نموذج MobileNetV2 وتقنية TensorFlow.js لتحقيق دقة تصل إلى 98.46% في تصنيف المنتجات الطازجة مقابل التالفة بالكامل من جهة العميل، مما يوفر حلاً قابلاً للتوسع للمناطق الزراعية محدودة الموارد دون الحاجة إلى بنية تحتية للخوادم أو أجهزة متخصصة.
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 يوم، تختفي كميات هائلة من طعام العالم قبل أن تصل إلى الأطباق. فالفواكه والخضروات، الغنية بالعناصر الغذائية التي يحتاجها الناس للبقاء بصحة جيدة، غالباً ما تفسد بسبب سوء التعامل معها أو تخزينها في ظروف غير مناسبة. وفي أماكن كثيرة، يعتمد قرار تحديد ما إذا كانت قطعة من المنتجات لا تزال صالحة للأكل بالكامل على شخص ينظر إليها ويقوم بالتخمين. هذا الحكم الذاتي يمكن أن يؤدي إلى هدر هائل، حيث يتم التخلص من طعام صالح للأكل تماماً، أو والأسوأ من ذلك، بيع طعام غير آمن. وبينما ساعدت التكنولوجيا المزارعين على التنبؤ بالطقس أو اكتشاف الآفات، إلا أنه كان هناك نقص في الأدوات البسيطة والمتاحة لمساعدة الأشخاص الذين يتعاملون مع الطعام في تحديد جودته دون الحاجة إلى آلات باهظة الثمن أو مختبرات.
قام فريق من الباحثين في جامعة ويسترن كيب في جنوب أفريقيا ببناء حل يتناسب مع متصفح ويب قياسي، محولاً هاتفاً ذكياً أو حاسوباً شائعاً إلى أداة لفحص طراوة الطعام. ويركز عملهم على نوع محدد من الذكاء الاصطناعي يُعرف باسم الشبكة العصبية التلافيفية (convolutional neural network)، وهي نظام حاسوبي مصمم للتعلم من خلال النظر إلى الصور، تماماً كما يتعلم الإنسان التعرف على الأشكال والأنماط. لقد قاموا بتدريب هذا النظام باستخدام مجموعة ضخمة تضم ما يقرب من 30,000 صورة تظهر نسخاً طازجة وفاسدة لتسعة أنواع مختلفة من المنتجات، بما في ذلك التفاح والموز والخيار والطماطم. لم يكن الهدف مجرد بناء حاسوب ذكي، بل بناء حاسوب خفيف الوزن لدرجة أنه يمكنه العمل بالكامل على جهاز المستخدم دون الحاجة إلى إرسال البيانات إلى خادم مركزي أو الاعتماد على اتصال دائم بالإنترنت.
اختار الباحثون تصميماً محدداً لنظام الرؤية الحاسوبية الخاص بهم يسمى MobileNetV2. هذا التصميم مشهور بكفاءته، مما يعني أنه يمكنه القيام بمهام معقدة مع استهلاك قدر ضئيل جداً من قوة الحوسبة. لقد علموا النظام البحث عن علامات بصرية للتحلل، مثل تغير اللون، أو البقع الناعمة، أو العفن، وتصنيف كل صورة في فئة واحدة من اثنتين: طازج أو فاسد. وبعد تدريب النظام على مجموعة البيانات الكبيرة هذه، اختبروه على مجموعة منفصلة من الصور التي لم يرها من قبل. كانت النتائج مذهلة: حدد النظام حالة المنتجات بدقة في حوالي 98.5 بالمائة من الحالات. لم يكن دقيقاً فحسب، بل كان ثابتاً للغاية، ونادراً ما ارتكب أخطاءً سواء في المنتجات الطازجة أو الفاسدة.
ولجعل هذه التكنولوجيا مفيدة للناس الحقيقيين، قام الفريق بتغليف النموذج الحاسوبي داخل تطبيق ويب. عندما يفتح المستخدم هذه الصفحة في متصفحه، يمكنه التقاط صورة لقطعة من الفاكهة أو الخضروات أو رفع صورة موجودة مسبقاً. يقوم التطبيق بمعالجة الصورة مباشرة على الجهاز، ليخبر المستخدم فوراً ما إذا كان الصنف طازجاً أم فاسداً. وبدلاً من مجرد إعطاء "نعم" أو "لا" بسيطة، يوفر النظام درجة ثقة، والتي يسميها الباحثون "مؤشر الطراوة البصري" (Visual Freshness Index). يعمل هذا المؤشر كمقياس، يوضح للمستخدم مدى تأكد الحاسوب من قراره. فإذا كان الحاسوب واثقاً جداً، يكون المؤشر مرتفعاً؛ وإذا كانت الصورة ضبابية أو كانت الحالة التي عليها المنتج غريبة، ينخفض المؤشر، مما ينبه المستخدم لتوخي الحذر. كما يقدم التطبيق اقتراحات عامة حول كيفية تخزين الصنف، رغم أن الباحثين يحرصون على الإشارة إلى أن هذه مجرد نصائح مفيدة بناءً على المعرفة العامة، وليست تنبؤات علمية بالمدة الدقيقة التي سيصمد فيها الطعام.
كان أحد أكثر الأجزاء صرامة في هذه الدراسة هو التحقق من وجود خلل خفي غالباً ما يعيب أبحاث الرؤية الحاسوبية. فأحياناً، تكون الصور المستخدمة لاختبار نظام ما هي في الواقع نسخ مكررة من صور استُخدمت في التدريب، مما يجعل النظام يبدو أكثر ذكاءً مما هو عليه في الواقع. وجد الباحثون أن جزءاً كبيراً من مجموعة البيانات العامة التي استخدموها احتوى على مثل هذه الصور المكررة. لقد قاموا بتنظيف البيانات، وإزالة هذه النسخ، وأعادوا اختبار نظامهم. وحتى بعد إزالة المكررات، ظلت دقة النظام عالية بشكل لا يصدق، مما أثبت أن أداءه حقيقي وليس خدعة من خدع البيانات. كما قارنوا نظامهم الخفيف بأنظمة حاسوبية أكبر وأكثر تعقيداً. وبينما كان أداء تلك النماذج الأكبر جيداً بشكل مماثل، إلا أنها كانت ثقيلة جداً بحيث لا يمكن تشغيلها بسلاسة على هاتف عادي أو في متصفح دون خادم قوي. وخلص الباحثون إلى أن نموذجهم الأصغر والأسرع كان الخيار الأفضل للاستخدام في العالم الحقيقي حيث قد تكون التكنولوجيا والوصول إلى الإنترنت محدودين.
يُظهر هذا العمل أن الذكاء الاصطناعي المتقدم لا يتطلب دائماً خوادم ضخمة أو أجهزة متخصصة ليكون فعالاً. فمن خلال إنشاء نظام يعمل بالكامل في متصفح الويب، جعل الباحثون أداة يمكن أن يستخدمها المزارعون، أو بائعو الأسواق، أو متداولو الأغذية في المناطق النائية لتقليل الهدر وتحسين سلامة الغذاء. لا يقوم النظام بقياس التركيب الكيميائي للفاكهة أو التنبؤ بعمرها الافتراضي الدقيق، ولكنه يوفر تقييماً بصرياً موثوقاً وفورياً هو أكثر اتساقاً بكثير من التخمين البشري. إنه يقف كنموذج عملي لكيفية تبسيط التكنولوجيا الحديثة لحل المشكلات اليومية، مما يوفر وسيلة لحماية جودة الغذاء حتى في الأماكن التي تندر فيها الموارد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.