عد البذور والشتلات: تحليل الصور بالذكاء الاصطناعي للزراعة الدقيقة

يعد مختبر البذور 400 عينة يوميا، كل منها 100 بذرة. هذا يعني 40,000 بذرة تُعد يدويا. الذكاء الاصطناعي يعالج صينية في ثوانٍ.

عد البذور واختبارات الإنبات هي اختناقات يومية في برامج التربية ومختبرات مراقبة الجودة والمشاتل التجارية. تتطلب المعايير الدولية لاختبار البذور عدا دقيقا يبلغ 400 بذرة لكل عينة في اختبارات الإنبات، وتعالج برامج التربية آلاف العينات في الموسم الواحد. العد اليدوي هو المعيار، وهو مرهق تماما كما يبدو. تحليل الصور بالذكاء الاصطناعي ينجز الآن نفس المهمة في جزء من الوقت، بدقة تتجاوز 95%.

اختناق العد اليدوي

عد البذور يدويا بطيء ومتكرر وعرضة للخطأ بشكل مفاجئ لشيء يبدو بسيطا.

يتطلب اختبار الإنبات القياسي عد 400 بذرة في مجموعات من 100، ووضعها على ركيزة رطبة، ومراقبتها يوميا بحثا عن البراعم. يتعامل مختبر الجودة الذي يعالج 200 إلى 400 عينة يوميا مع 80,000 إلى 160,000 بذرة فردية - كلها تُعد يدويا. برامج التربية أكثر تطلبا: تقييم آلاف نتائج التلقيح الخلطي في الموسم، كل منها يتطلب عدا دقيقا للبذور لحسابات المحصول.

الأخطاء ليست كبيرة لكنها تتراكم. الفني الذي يعد بذورا بألوان متشابهة على صينية بيضاء يفقد الدقة بعد الساعة الأولى. البذور الصغيرة مثل الخس أو التبغ يصعب تمييزها عن الشوائب. ومراقبة الإنبات - فحص الصواني يوميا لتسجيل البذور التي أنبتت - تضاعف عبء المراقبة لكل عينة على مدى 7 إلى 14 يوما.

كيف يعمل عد البذور بالذكاء الاصطناعي

سير العمل مباشر: انشر البذور على سطح متباين، صور من الأعلى، ودع الذكاء الاصطناعي يكتشف ويعد كل بذرة على حدة.

تعمل طرق معالجة الصور عن طريق اكتشاف الأجسام ذات شكل البذور مقابل الخلفية، وفصل البذور المتلامسة من خلال خوارزميات watershed، وإرجاع العدد الإجمالي. تذهب مناهج التعلم العميق أبعد: تتعلم التمييز بين البذور والشوائب، وتتعامل مع التداخلات الجزئية، وتحدد بذورا بأحجام مختلفة في نفس الصورة. يحقق إطار عمل SoyCountNet (2026) خطأ مطلقا متوسطا قدره 4.61 ومعامل تحديد R-تربيع 0.94 لبذور فول الصويا في ظروف الحقل.

سرعة المعالجة هي الميزة الأوضح. تعد نماذج التعلم العميق صينية بذور في 0.33 ثانية فقط لكل صورة. حتى مع وقت التقاط الصورة ورفعها، يستغرق سير العمل الكامل أقل من 10 ثوان لكل عينة - مقارنة بعدة دقائق يدويا.

مراقبة الإنبات بالذكاء الاصطناعي

عد البذور هو نصف العمل فقط. تتطلب اختبارات الإنبات مراقبة يومية لمعرفة البذور التي أنبتت والتي لم تنبت. الذكاء الاصطناعي يؤتمت هذا أيضا.

تجمع منصة SeedRuler (2025) بين معالجة الصور التقليدية واكتشاف التعلم العميق YOLOv5 لتقييم إنبات بذور الأرز من الصور الفوتوغرافية. تحقق دقة متوسطة تبلغ 95.5% وتعالج صينية إنبات في أقل من 30 ثانية. يصنف النظام البذور على أنها نابتة أو غير نابتة بناء على ظهور الجذير المرئي، ثم يحسب معدل الإنبات تلقائيا.

إعدادات التصوير بالفاصل الزمني تذهب أبعد: كاميرا ثابتة تصور كل صينية على فترات مجدولة، والذكاء الاصطناعي يتتبع تقدم الإنبات على مدار أيام دون أي مراقبة بشرية. فني المختبر يجهز الصواني ويشغل الكاميرا ويراجع النتائج في النهاية.

المحاصيل وأنواع البذور

يعمل عد البذور بالذكاء الاصطناعي بشكل أفضل مع بذور مفصولة جيدا على خلفية متباينة. تختلف الدقة حسب نوع البذرة.

عد الشتلات في الحقل

خارج المختبر، يعد الذكاء الاصطناعي أيضا الشتلات البازغة في الحقل. صور الطائرات المسيرة أو الصور الأرضية لصفوف المحاصيل تكتشف الشتلات الفردية وتحسب كثافة النباتات وتحدد الفجوات حيث لم تنبت البذور. تساعد هذه البيانات المزارعين في تقرير إعادة الزراعة في المناطق الخفيفة أو تعديل معدلات البذر للموسم القادم أو التحقيق في مشاكل التربة أو الآفات في مناطق محددة.

يخلق الجمع بين عد البذور في المختبر واكتشاف الشتلات في الحقل صورة كاملة: كم بذرة زُرعت، وكم أنبتت في اختبار المختبر، وكم ظهرت فعلا في الحقل. حلقة البيانات هذه تدفع قرارات أفضل في كل مرحلة.

الخلاصة

عد البذور واختبارات الإنبات كانت مهاما يدوية منذ بداية الزراعة. تحليل الصور بالذكاء الاصطناعي لا يغير ما يجب قياسه - بل يغير المدة التي يستغرقها. أقل من 10 ثوان لكل عينة بدلا من عدة دقائق. دقة تتجاوز 95% لمعظم بذور المحاصيل. تتبع إنبات آلي يعمل أثناء إغلاق المختبر.

في المرة القادمة التي تحتاج فيها صينية من 400 بذرة للعد، جرب تصويرها أولا. سيكون العدد جاهزا قبل أن تجد وضعية مريحة للبدء بالعد يدويا.