Detection and Tracking Method for Walnuts in a Walnut Sorting Device Based on Improved YOLOv8n+DeepSORT

في عالم الزراعة، يعد فرز المكسرات مهمة تتطلب سرعة وعيناً ثاقبة. فلقرون مضت، اعتمد المزارعون والمعالجون على الأيدي البشرية أو المناخل الميكانيكية البسيطة لفصل الجوز الجيد عن الرديء. هذه الطرق التقليدية تعمل، لكنها بطيئة وغالباً ما تغفل عن العيوب الدقيقة المختبئة في الداخل بعمق. ولرؤية ما يكمن تحت الغلاف الصلب دون كسرها، يلجأ المهندسون إلى التصوير بالأشعة السينية. هذه التقنية، المألوفة لكل من زار مستشفى، تستخدم إشعاعاً غير مرئي يمر عبر الأجسام الصلبة، ليكشف عن كثافتها وهيكلها الداخلي على الشاشة. وعند دمجها مع الرؤية الحاسوبية الحديثة، يمكن تحليل صور الأشعة السينية هذه بواسطة برمجيات تتعلم التعرف على الأنماط، لتمييز اللب الممتلئ والصحي عن ذلك الضامر أو الفارغ. ومع ذلك، يكمى التحدي في القيام بذلك بسرعة كافية لسير حزام ناقل متحرك، حيث يتدفق الجوز في تدفق مستمر وفوضوي. يجب على الحاسوب ألا يكتفي بتحديد كل حبة فحسب، بل يجب عليه أيضاً تتبع حركتها من لحظة إلى أخرى، لضمان فرزها بشكل صحيح حتى أثناء احتكاكها بجيرانها.

لقد عالج الباحثون في جامعة شينجيانغ هذه المشكلة تحديداً من خلال تطوير نظام جديد مصمم لمراقبة وفرز الجوز أثناء انتقاله عبر آلة فرز صناعية. كان هدفهم هو إنشاء عين رقمية تكون حادة بما يكفي لرؤية التفاصيل الداخلية الدقيقة وسريعة بما يكفي لمواكبة وتيرة خط المصنع. بدأوا بأداة قوية موجودة بالفعل لإيجاد الأجسام في الصور، وهي نوع من الذكاء الاصطناعي يُعرف بالشبكة العصبية، ثم قاموا بتحسينها خصيصاً للتحديات الفريدة لأشعة الجوز السينية. وفي تجاربهم، غدّوا النظام بآلاف الصور الشعاعية للجوز، تتراوح من الممتلئ تماماً إلى الفارغ تماماً، لتعليم البرنامج الاختلافات الدقيقة في كيفية مرور الإشعاع عبر القشرة واللب بداخلها.

يتضمن جوهر حلهم جزأين يعملان جنباً إلى جنب. الجزء الأول هو كاشف يمسح صور الأشعة السينية للعثور على كل حبة جوز وتحديد جودتها. أما الجزء الثاني فهو متتبع يتبع كل حبة جوز أثناء حركتها على الحزام، ويمنحها هوية فريدة ليعرف الجهاز في أي حاوية يجب إسقاطها. وجد الباحثون أن النسخ القياسية من هذه الأدوات لم تكن جيدة بما يكفي؛ فصور الأشعة السينية للجوز غالباً ما تكون ذات تباين منخفض، مما يجعل التفاصيل الداخلية تبدو ضبابية، كما أن البرامج القياسية تفقد أحياناً تتبع الحبة عندما تتحرك بسرعة كبيرة أو تقترب كثيراً من حبة أخرى. ولإصلاح ذلك، أجرى الفريق ثلاثة تحسينات محددة على برنامج الكشف؛ فقد أضافوا آلية انتباه جديدة تساعد الحاسوب على التركيز على التفاصيل الأكثر أهمية والمبعثرة في داخل الجوز، متجاهلين الخلفية المشتتة. واستبدلوا خطوة قياسية لتكبير الصورة بطريقة أكثر ديناميكية تحافظ على الحواف الملساء وملمس الثمرة، مما يمنع الصورة من أن تصبح مربعة أو مشوهة. وأخيراً، قاموا بتبسيط الجزء من النظام الذي يدمج طبقات المعلومات المختلفة، عبر إزالة الحسابات غير الضرورية لجعل العملية برمتها أسرع دون فقدان الدقة.

بالنسبة لمكون التتبع، قام الباحثون بتغيير كيفية اتخاذ البرنامج قراراً بأن صورتين لحبة جوز في إطارين مختلفين تنتميان إلى نفس الجسم. فبدلاً من الاعتماد فقط على مدى تداخل الأشكال، قدموا طريقة تأخذ في الاعتبار أيضاً المسافة بين مراكز الأشكال. وقد ثبت أن هذا التعديل الصغير كان حيوياً عندما كانت حبات الجوز متكدسة أو مخفية جزئياً، حيث ساعد النظام على الحفاظ على إمساك ثابت بكل حبة على حديد، مما منعها من تبديل هوياتها بالخطأ أو فقدان تتبعها تماماً. وعندما اختبروا نظامهم المحسن مقابل النسخ الأصلية، كانت النتائج واضحة؛ فقد حدد الكاشف الجديد حبات الجوز بدقة أعلى بكثير، ممسكاً بمزيد من العيوب الدقيقة وأقل عدد من الإنذارات الكاذبة. كما عالج الصور بسرعة 412 إطاراً في الثانية، وهو ما يكفي للتعامل مع التدفق السريع لخط إنتاج حقيقي. كما تحسن نظام التتبع أيضاً، مما قلل من الأخطاء التي قد يفقد فيها الحاسوب الهدف أو يخلط بين حبة وأخرى.

توضح الدراسة أنه من خلال ضبط هذه الأدوات الرقمية بعناية لتناسب الفيزياء الخاصة بالتصوير بالأشعة السينية وسلوك الجوز على الحزام الناقل، يمكن أتمتة مهمة لطالما اعتمدت على التقدير البشري. فالنظام المحسن لا يجد حبات الجوز فحسب، بل يفهم حركتها وجودتها الداخلية بمستوى من الدقة لا تستطيع الآلات التقليدية مضاهاته. ويشير هذا العمل إلى مسار مستقبلي لصناعة معالجة المكسرات، حيث تعتبر السرعة والجودة أمرين بالغ الأهمية بالتساوي. ومن خلال إثبات أن هذه الخوارزميات المتقدمة يمكن تكييفها للتعامل مع الظروف الواقعية الفوضوية لأرض المصنع، قدم الباحثون مخططاً لفرز أكثر كفاءة وموثوقية وتلقائية للجوز، وربما لمحاصيل أخرى مماثلة. وتشير النتائج إلى أن مستقبل فرز المنتجات الزراعية لا يكمن في الآلات الأسرع وحدها، بل في البرمجيات الأكثر ذكاءً التي يمكنها رؤية ما قد تغفله العين البشرية وتذكر ما قد تنساه اليد البشرية.