يعد الجفاف من أبرز العوامل المؤثرة في إنتاج نبات الماش في الصين، ويمثل فحص موارد الأصول الوراثية المقاومة للجفاف واستنباط أصناف متحملة له أهمية كبيرة لتطوير صناعة هذا المحصول واستدامتها، غير أن التعرف التقليدي إلى المقاومة بطيء ومكلف ويصعب توسيع نطاقه على مجتمعات نباتية كبيرة، وهو ما دفع الباحثين نحو تقنيات تصوير ونماذج ذكاء اصطناعي قادرة على الفرز السريع والدقيق
وتتقاطع هذه الدراسة مع اهتمامات بحثية متنامية في العالم العربي بتطبيقات الذكاء الاصطناعي في الزراعة الذكية ومواجهة شح المياه، إذ تقدم نموذجًا خفيفًا يجمع بين تصوير فلورية الكلوروفيل والتعلم العميق لتقييم مقاومة الجفاف، بما يفتح الباب أمام أجهزة ميدانية محدودة القدرة الحوسبية تخدم برامج التربية والانتخاب في البيئات الجافة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء نموذج شبكي خفيف للتعرف إلى مقاومة الجفاف في نبات الماش استنادًا إلى نموذج يولو في 8، وأطلق عليه الباحثون اسم سي إس سي إيه يولو في 8، وذلك بالجمع بين تقنية تصوير فلورية الكلوروفيل وشبكات التعلم العميق
واعتمدت التحسينات المعمارية على استبدال شبكة ستار نت بالشبكة العمودية للنموذج الأصلي لخفض حجمه، وإدخال وحدة سي تو إف ستار في بنية العنق، وإضافة آلية الانتباه إلى مرساة السياق في الوحدة الرابعة منها لتعزيز انتباه الشبكة إلى المناطق المفتاحية في خريطة السمات، واقتراح وحدة سي جي بي دي لإعادة بناء الالتفاف الاعتيادي وتحسين استخراج سمات الأهداف الصغيرة، واستخدام دالة الخسارة إس آي أو يو بدلًا من سي آي أو يو لتسريع تقارب النموذج، وبنيت مجموعة بيانات من 4808 صور لفلورية الكلوروفيل لمجتمع طبيعي من نبات الماش تحت إجهاد الجفاف وصُنفت كل صورة بحسب مستويات مقاومة تراوحت من صفر إلى خمسة
ثانيًا: أبرز النتائج
أظهرت التجارب على مجموعة البيانات المجمعة أداء متميزًا وقدرة تعميم جيدة للنموذج المقترح، ويمكن إجمال أبرز نتائجه فيما يأتي
1. انخفض عدد معاملات النموذج المقترح بنسبة 24 في المئة مقارنة بنموذج يولو في 8 إس الأساسي، بما يجعله أخف وزنًا وأقل طلبًا على موارد الحوسبة
2. انخفض عدد عمليات الفاصلة العائمة بنسبة 35 في المئة، وهو ما يعزز كفاءة النموذج الحسابية وسرعة معالجته للصور في التطبيقات الميدانية
3. تحسنت دقة النموذج بنسبة 2.52 في المئة مقارنة بالنموذج الأساسي رغم خفض حجمه وكلفته الحسابية، بما يثبت أن التحسينات المعمارية لم تكن على حساب الأداء
4. يدعم هذا التوازن بين الخفة والدقة نشر النموذج على أجهزة طرفية مدمجة محدودة القدرة الحوسبية، بما يوسع إمكانات استخدامه الميداني في التعرف إلى مقاومة الجفاف وانتخاب الأصول الوراثية
ثالثًا: دلالات الدراسة وتطبيقاتها
تشير دلالات الدراسة إلى إمكانات كبيرة للنموذج المقترح في مجال التعرف إلى مقاومة الجفاف وانتخاب الأصول الوراثية لنبات الماش، إذ يجمع بين تصوير فلورية الكلوروفيل بوصفه مؤشرًا فسيولوجيًا حساسًا لحالة النبات وبين شبكة خفيفة قادرة على الفرز السريع لمستويات المقاومة الستة، وهو ما يختصر زمن برامج الاستنباط والانتخاب التقليدية
وتهم هذه النتائج الباحثين في الزراعة الذكية وتحسين المحاصيل في البيئات الجافة ومنها البيئات العربية، إذ تقدم وصفة معمارية قابلة للنقل إلى محاصيل أخرى متأثرة بالجفاف، وتدعم توظيف الرؤية الحاسوبية في محطات التربية ومزارع الإنتاج بما يخدم الأمن الغذائي في ظل تغير المناخ وشح الموارد المائية
ويعزز الجمع بين التصوير الفسيولوجي والشبكات الخفيفة قيمة النموذج في برامج انتخاب الأصول الوراثية، فبدل انتظار ظهور أعراض الجفاف على النباتات كاملة يمكن فرز مجتمعات نباتية كبيرة في زمن قصير وبتكلفة منخفضة، وهو ما يسرّع دورات الاستنباط ويضاعف عدد السلالات القابلة للتقييم في كل موسم
وخلاصة القول إن نموذج سي إس سي إيه يولو في 8 يقدم حلًا خفيفًا ودقيقًا لتقييم مقاومة الجفاف في نبات الماش اعتمادًا على صور فلورية الكلوروفيل، وإن خفضه المعاملات والعمليات الحسابية مع رفع الدقة يجعله مرشحًا واعدًا للنشر الميداني على أجهزة طرفية محدودة الإمكانات دعمًا لبرامج انتخاب الأصناف المتحملة للجفاف
