تشكل أمراض المحاصيل تهديدًا جسيمًا للزراعة على مستوى العالم، إذ تتسبب في خسائر سنوية تقدر بنحو 220 مليار دولار، ويعد الكشف المبكر والدقيق عن هذه الأمراض مدخلًا أساسيًا للحد من انتشارها وحماية الإنتاج الغذائي، وقد قدمت طرائق التعلم الآلي التقليدية حلولًا واعدة في هذا المجال غير أنها تعمل على خوادم مركزية وتواجه عقبتين رئيسيتين، أولاهما رفض المزارعين تقديم معلوماتهم الزراعية ومشاركتها، وثانيتهما التوزيع غير المتكافئ لأمراض المحاصيل عبر المناطق المختلفة بما يضعف قدرة النماذج المركزية على التعميم العادل على جميع المناطق والأمراض
وتقترح هذه الدراسة إطارًا للتعلم الفيدرالي يعالج هاتين العقبتين من خلال منهج جديد يجمع بين بنى هجينة من الشبكات العصبية الالتفافية والمحولات وبين التجميع الموزون الديناميكي، بحيث تتدرب النماذج محليًا لدى كل مزارع أو جهة دون نقل البيانات الخام إلى خادم مركزي، ومن ثم تُجمَّع التحديثات بأوزان ذكية تراعي أداء النماذج المحلية عبر فئات الأمراض المختلفة، بما يحفظ خصوصية بيانات المزارعين ويحقق في الوقت ذاته أداء متوازنًا في الكشف عن فئات الأمراض المتنوعة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير إطار تعلم فيدرالي للكشف عن أمراض محاصيل متعددة يعالج مشكلتي خصوصية البيانات وعدم توازن توزيع الأمراض، وطبق النظام نموذجين خفيفين هما إفيشنت نت بي صفر وموبايل نت في 2، يوظفان كتل موبايل في آي تي إلى جانب آليتي انتباه متقدمتين لاستخراج سمات دقيقة من صور المحاصيل، وتمثل الابتكار الأساسي في استراتيجية التجميع الديناميكي المسماة أدا كلاس، وهي استراتيجية تجميع تكيفية واعية بالفئات تحدد الفئات ضعيفة الأداء في كل جولة باستخدام درجة إف 1 لكل فئة، وتؤكد على العملاء ذوي الأداء الأقوى في فئات الأمراض الصعبة، بما يعزز أداء متوازنًا عبر فئات الأمراض المختلفة ويفيد بوجه خاص الفئات التي يصعب اكتشافها، وأُجريت تجارب واسعة على مجموعتي بيانات قياسيتين هما بلانت فيليج وسي سي إم تي
ثانيًا: أبرز النتائج
1. حقق النموذج الهجين المقترح القائم على إفيشنت نت بي صفر دقة بلغت 99.32 في المئة على مجموعة بلانت فيليج و92.5 في المئة على مجموعة سي سي إم تي
2. وحقق نموذج موبايل نت في 2 دقة بلغت 99.17 في المئة على بلانت فيليج و91.4 في المئة على سي سي إم تي، وهي نتائج قوية تؤكد فعالية المنهج الهجين واستراتيجية التجميع التكيفية الواعية بالفئات في رفع دقة الكشف عن الأمراض صعبة الاكتشاف
3. وظلت النماذج فعالة بما يكفي للنشر على الأجهزة الطرفية، إذ تطلب النموذج الهجين القائم على موبايل نت في 2 مساحة تخزين قدرها 7.63 ميغابايت فقط ويعالج الصور في زمن قدره 41.2 ميللي ثانية
ثالثًا: دلالات الدراسة وتطبيقاتها
تفتح هذه النتائج الباب أمام تطبيقات عملية واسعة في الزراعة الذكية، إذ يمكن نشر نظام الكشف المقترح على أجهزة طرفية بسيطة في الحقول ليعمل قريبًا من مصدر البيانات دون الحاجة إلى اتصال دائم بخوادم مركزية، ويستجيب لخصوصية بيانات المزارعين التي كانت عائقًا أمام الحلول المركزية، كما تعالج استراتيجية التجميع الواعي بالفئات مشكلة الأمراض النادرة أو صعبة الكشف التي غالبًا ما تُهمَل في النماذج التقليدية، بما يفيد المزارعين والمرشدين الزراعيين ومطوري أنظمة دعم القرار الزراعي في بناء حلول كشف أكثر عدلًا وأجدر بالثقة عبر المناطق والمحاصيل المختلفة
وتزداد أهمية هذا الإطار في الدول التي تعتمد اقتصاداتها على الزراعة وتواجه تحديات الأمن الغذائي، إذ يمكن أن تسهم أنظمة الكشف المبكر عن أمراض النبات في تقليص الخسائر وحماية دخل المزارعين الصغار، ولا سيما حين تعمل هذه الأنظمة على أجهزة منخفضة الكلفة متوافرة في البيئات الزراعية ولا تشترط مشاركة البيانات الحساسة مع أطراف خارجية، بما يجعل تبنيها أكثر قبولًا لدى المجتمعات الزراعية الحريصة على خصوصية بيانات أراضيها ومحاصيلها وسبل معيشتها
وخلاصة القول إن هذه الدراسة تقدم إطار تعلم فيدرالي مبتكرًا للكشف عن أمراض المحاصيل يجمع بين كفاءة النماذج الخفيفة الهجينة وذكاء التجميع الديناميكي الواعي بالفئات، وحقق دقة مرتفعة على مجموعتي بيانات قياسيتين مع بقائه صالحًا للنشر على الأجهزة الطرفية، بما يجعله خطوة عملية نحو أنظمة حماية نباتية تحفظ الخصوصية وتصل إلى المزارعين حيثما كانوا
