CMTNet تعيد تعريف الزراعة الدقيقة بتفوقها على تصنيف المحاصيل التقليدي

يُعدّ تصنيف المحاصيل بدقة أمراً بالغ الأهمية للزراعة الدقيقة الحديثة، إذ يمكّن المزارعين من مراقبة صحة المحاصيل، والتنبؤ بالإنتاجية، وتخصيص الموارد بكفاءة. إلا أن الطرق التقليدية غالباً ما تواجه صعوبة في التعامل مع تعقيد البيئات الزراعية، حيث تتباين المحاصيل بشكل كبير في أنواعها ومراحل نموها وخصائصها الطيفية.

ما هو التصوير الطيفي الفائق وإطار عمل CMTNet؟

برزت تقنية التصوير الطيفي الفائق (HSI)، التي تلتقط البيانات عبر مئات من نطاقات الأطوال الموجية الضيقة والمتصلة، كتقنية ثورية في هذا المجال. وعلى عكس كاميرات RGB القياسية أو أجهزة الاستشعار متعددة الأطياف، التي تجمع البيانات في نطاقات واسعة قليلة، توفر تقنية HSI "بصمة طيفية" مفصلة لكل بكسل.

على سبيل المثال، تعكس النباتات السليمة ضوء الأشعة تحت الحمراء القريبة بقوة نتيجة لنشاط الكلوروفيل، بينما تُظهر المحاصيل المُجهدة أنماط امتصاص مختلفة. ومن خلال تسجيل هذه الاختلافات الدقيقة (من 400 إلى 1000 نانومتر) بدقة مكانية عالية (تصل إلى 0.043 متر)، تُمكّن تقنية التصوير الطيفي فائق الدقة من التمييز الدقيق بين أنواع المحاصيل، والكشف عن الأمراض، وتحليل التربة.

على الرغم من هذه المزايا، تواجه التقنيات الحالية تحديات في الموازنة بين التفاصيل المحلية، مثل نسيج الأوراق أو أنماط التربة، والأنماط العامة، مثل التوزيع الواسع النطاق للمحاصيل. ويتضح هذا القيد بشكل خاص في مجموعات البيانات المشوشة أو غير المتوازنة، حيث يمكن أن تؤدي الاختلافات الطيفية الدقيقة بين المحاصيل إلى تصنيفات خاطئة.

ولمواجهة هذه التحديات، قام الباحثون بتطوير شبكة CMT (شبكة الالتفاف مع المحولات)، إطار عمل جديد للتعلم العميق يجمع بين نقاط قوة الشبكات العصبية الالتفافية (CNNs) والمحولات. تُعد الشبكات العصبية الالتفافية فئة من الشبكات العصبية المصممة لمعالجة البيانات الشبيهة بالشبكة، مثل الصور، باستخدام طبقات من المرشحات التي تكشف التسلسلات الهرمية المكانية (مثل الحواف والنسيج).

تستخدم نماذج المحولات، التي طُوّرت في الأصل لمعالجة اللغة الطبيعية، آليات الانتباه الذاتي لنمذجة التبعيات بعيدة المدى في البيانات، مما يجعلها بارعة في رصد الأنماط الشاملة. وعلى عكس النماذج السابقة التي تعالج السمات المحلية والعالمية بالتتابع، يستخدم نموذج CMTNet بنية متوازية لاستخراج كلا النوعين من المعلومات في آنٍ واحد.

أثبت هذا النهج فعاليته العالية، محققًا دقة فائقة على ثلاث مجموعات بيانات رئيسية للتصوير الطيفي فائق الدقة باستخدام الطائرات بدون طيار. فعلى سبيل المثال، على مجموعة بيانات WHU-Hi-LongKou، حقق نموذج CMTNet دقة إجمالية (OA) بلغت 99.58%، متفوقًا على أفضل نموذج سابق بمقدار 0.19%.

تحديات التصوير الطيفي الفائق التقليدي في التصنيف الزراعي

ركزت الطرق المبكرة لتحليل البيانات الطيفية الفائقة غالبًا على الخصائص الطيفية أو المكانية، مما أدى إلى نتائج غير مكتملة. وقد قللت التقنيات الطيفية، مثل تحليل المكونات الرئيسية (PCA)، من تعقيد البيانات من خلال التركيز على معلومات الطول الموجي، لكنها تجاهلت العلاقات المكانية بين البكسلات.

على سبيل المثال، تُحوّل تقنية تحليل المكونات الرئيسية (PCA) البيانات الطيفية عالية الأبعاد إلى عدد أقل من المكونات التي تُفسّر معظم التباين، مما يُبسّط التحليل. مع ذلك، تتجاهل هذه التقنية السياق المكاني، مثل ترتيب المحاصيل في الحقل. في المقابل، تُبرز الطرق المكانية، مثل مُعاملات التشكل الرياضي، الأنماط في التوزيع الفيزيائي للمحاصيل، لكنها تتجاهل التفاصيل الطيفية الهامة.

تستخدم المورفولوجيا الرياضية عمليات مثل التمدد والتعرية لاستخراج الأشكال والبنى من الصور، مثل الحدود بين الحقول. ومع مرور الوقت، حسّنت الشبكات العصبية الالتفافية (CNNs) التصنيف من خلال معالجة كلا النوعين من البيانات.

مع ذلك، فإن نطاق استقبالها الثابت - أي مساحة الصورة التي يمكن للشبكة "رؤيتها" في آن واحد - يحد من قدرتها على رصد العلاقات بعيدة المدى. على سبيل المثال، قد تواجه شبكة CNN ثلاثية الأبعاد صعوبة في التمييز بين نوعين من فول الصويا لهما خصائص طيفية متشابهة ولكن أنماط نمو مختلفة عبر حقل واسع.

قدمت نماذج المحولات، وهي نوع من الشبكات العصبية المصممة أصلاً لمعالجة اللغة الطبيعية، حلاً لهذه المشكلة. وبفضل استخدام آليات الانتباه الذاتي، تتفوق نماذج المحولات في نمذجة العلاقات الشاملة في البيانات. يسمح الانتباه الذاتي للنموذج بتقييم أهمية الأجزاء المختلفة من سلسلة الإدخال، مما يُمكّنه من التركيز على المناطق ذات الصلة (مثل مجموعة من النباتات المريضة) مع تجاهل التشويش (مثل ظلال السحب).

ومع ذلك، غالبًا ما تغفل هذه النماذج التفاصيل المحلية الدقيقة، مثل حواف الأوراق أو تشققات التربة. حاولت النماذج الهجينة، مثل CTMixer، دمج الشبكات العصبية التلافيفية (CNNs) ونماذج Transformers، لكنها فعلت ذلك بشكل متسلسل، حيث عالجت الميزات المحلية أولًا ثم الميزات العامة لاحقًا. أدى هذا النهج إلى دمج غير فعال للمعلومات وأداء دون المستوى الأمثل في البيئات الزراعية المعقدة.

كيف تعمل شبكة CMTNet: الربط بين الميزات المحلية والعالمية

يتغلب CMTNet على هذه القيود من خلال بنية فريدة من ثلاثة أجزاء مصممة لاستخراج ودمج الميزات الطيفية المكانية والمحلية والعالمية بشكل فعال.

1. المكون الأول، وحدة استخلاص الميزات الطيفية المكانية, ، يقوم بمعالجة بيانات HSI الخام باستخدام طبقات الالتفاف ثلاثية الأبعاد وثنائية الأبعاد.

تحلل الطبقات التلافيفية ثلاثية الأبعاد الأبعاد المكانية (الارتفاع × العرض) والطيفية (الطول الموجي) في آنٍ واحد، ما يسمح بالتقاط أنماط مثل انعكاس أطوال موجية محددة عبر غطاء المحصول. على سبيل المثال، قد تكشف حبة ذرة ثلاثية الأبعاد أن الذرة السليمة تعكس ضوءًا أقرب إلى الأشعة تحت الحمراء في أوراقها العلوية أكثر من أوراقها السفلية.

ثم تعمل الطبقات ثنائية الأبعاد على تحسين هذه الخصائص، مع التركيز على التفاصيل المكانية مثل ترتيب النباتات في الحقل. تضمن هذه العملية المكونة من خطوتين الحفاظ على كل من التنوع الطيفي (مثل محتوى الكلوروفيل) والسياق المكاني (مثل تباعد الصفوف).

2. المكون الثاني، وحدة استخراج الميزات المحلية والعالمية, يعمل هذا النظام بشكل متوازٍ. يستخدم أحد فروعه الشبكات العصبية التلافيفية للتركيز على التفاصيل المحلية، مثل نسيج الأوراق الفردية أو شكل بقع التربة. تُعد هذه الخصائص بالغة الأهمية لتحديد الأنواع ذات الخصائص الطيفية المتشابهة، مثل أصناف فول الصويا المختلفة.

يستخدم الفرع الآخر نماذج المحولات لنمذجة العلاقات العالمية، مثل كيفية توزيع المحاصيل على مساحات واسعة أو كيفية تأثير ظلال الأشجار القريبة على القراءات الطيفية. ومن خلال معالجة هذه الخصائص في وقت واحد بدلاً من معالجتها بالتتابع، يتجنب نموذج CMTNet فقدان المعلومات الذي يعاني منه النماذج الهجينة السابقة.

فعلى سبيل المثال، بينما يحدد فرع CNN الحواف المسننة لأوراق القطن، يتعرف فرع Transformer على أن هذه الأوراق هي جزء من حقل قطن أكبر محاط بنباتات السمسم.

3. المكون الثالث، وحدة قيود متعددة المخرجات, يضمن هذا الأسلوب تعلمًا متوازنًا عبر الميزات المحلية والعالمية والمدمجة. أثناء التدريب، تُطبق دوال خسارة منفصلة على كل نوع من أنواع الميزات، مما يجبر الشبكة على تحسين جميع جوانب فهمها.

تُحدد دالة الخسارة الفرق بين القيم المتوقعة والفعلية، مما يُوجه تعديلات النموذج. على سبيل المثال، قد تُعاقب دالة الخسارة الخاصة بالخصائص المحلية النموذج على تصنيف حواف الأوراق بشكل خاطئ، بينما تُصحح دالة الخسارة العامة الأخطاء في توزيع المحاصيل على نطاق واسع.

تُجمع هذه الخسائر باستخدام أوزان مُحسَّنة من خلال بحث عشوائي، وهي تقنية تختبر تركيبات أوزان مختلفة لزيادة الدقة إلى أقصى حد. تُنتج هذه العملية نموذجًا قويًا وقابلًا للتكيف قادرًا على التعامل مع سيناريوهات زراعية متنوعة.

تقييم أداء شبكة CMTNet على مجموعات بيانات طيفية فائقة الدقة من الطائرات بدون طيار

لتقييم شبكة CMTNet، اختبرها الباحثون على ثلاث مجموعات بيانات طيفية فائقة الدقة تم الحصول عليها بواسطة طائرات بدون طيار من جامعة ووهان. وتُعدّ هذه المجموعات من البيانات معايير شائعة الاستخدام في الاستشعار عن بُعد نظرًا لجودتها العالية وتنوعها.

1. WHU-هاي-لونج كوتغطي هذه المجموعة من البيانات مساحة 550 × 400 بكسل، موزعة على 270 نطاقًا طيفيًا، وبدقة مكانية تبلغ 0.463 مترًا. تعني هذه الدقة أن كل بكسل يمثل مساحة 0.463 × 0.463 مترًا على الأرض، مما يسمح بتحديد النباتات الفردية. تتضمن المجموعة تسعة أنواع من المحاصيل، مثل الذرة والقطن والأرز، مع 1019 عينة تدريبية و203523 عينة اختبار.
2. WHU-مرحبا-هانتشوانتضم هذه المجموعة من البيانات، التي تلتقط 1217 × 303 بكسل بدقة 0.109 متر، 16 نوعًا من الغطاء الأرضي، بما في ذلك الفراولة وفول الصويا والأغطية البلاستيكية. وتتيح الدقة العالية (0.109 متر) رؤية تفاصيل أدق، مثل التمييز بين نباتات فول الصويا الصغيرة والناضجة. وبلغ إجمالي عينات التدريب والاختبار 1289 و256241 عينة على التوالي.
3. وو-مرحبا-هونغ هوتتضمن هذه المجموعة عالية الدقة (0.043 متر) 22 فئة، بدقة 940 × 475 بكسل و270 نطاقًا، مثل القطن واللفت وبراعم الثوم. تتيح هذه الدقة رؤية الأوراق الفردية وتشققات التربة بوضوح، مما يجعلها مثالية للتصنيف الدقيق. تحتوي المجموعة على 1925 عينة تدريبية و384678 عينة اختبار.

تم تدريب النموذج على وحدات معالجة الرسومات NVIDIA TITAN Xp باستخدام PyTorch، بمعدل تعلم 0.001 وحجم دفعة 100. يحدد معدل التعلم مقدار تعديل النموذج لمعلماته أثناء التدريب - إذا كان مرتفعًا جدًا، فقد يتجاوز القيم المثلى؛ وإذا كان منخفضًا جدًا، يصبح التدريب بطيئًا.

تم تكرار كل تجربة عشر مرات لضمان الموثوقية، وتم تحسين رقع الإدخال - وهي أجزاء صغيرة من الصورة الكاملة - إلى 13 × 13 بكسل من خلال البحث الشبكي، وهي طريقة تختبر أحجام الرقع المختلفة للعثور على الأكثر فعالية.

شبكة CMTNet تحقق دقة فائقة في تصنيف المحاصيل

حققت شبكة CMTNet نتائج باهرة في جميع مجموعات البيانات، متفوقةً على الطرق الحالية في كلٍ من الدقة الإجمالية (OA) والأداء الخاص بكل فئة. تقيس الدقة الإجمالية نسبة البكسلات المصنفة بشكل صحيح عبر جميع الفئات، بينما تحسب الدقة المتوسطة (AA) متوسط الدقة لكل فئة، ما يعالج حالات عدم التوازن.

في مجموعة بيانات WHU-Hi-LongKou، حقق نموذج CMTNet دقة إجمالية (OA) بلغت 99.58%، متفوقًا على CTMixer بمقدار 0.19%. وحتى في الفئات الصعبة ذات بيانات التدريب المحدودة، مثل القطن (41 عينة)، حافظ CMTNet على دقة بلغت 99.53%. وبالمثل، في مجموعة بيانات WHU-Hi-HanChuan، حسّن النموذج دقة تصنيف البطيخ (22 عينة) من 82.42% إلى 96.11%، مما يدل على قدرته على التعامل مع البيانات غير المتوازنة من خلال دمج الميزات بكفاءة.

أظهرت المقارنات البصرية لخرائط التصنيف وجود بقع مجزأة أقل وحدود أكثر سلاسة بين الحقول مقارنةً بنماذج مثل 3D-CNN وVision Transformer (ViT). على سبيل المثال، في مجموعة بيانات WHU-Hi-HanChuan المعرضة للظلال، قلل نموذج CMTNet من الأخطاء الناتجة عن انخفاض زاوية الشمس، بينما صنّف نموذج ResNet فول الصويا بشكل خاطئ على أنه أسطح رمادية.

تُشكّل الظلال تحديًا فريدًا لأنها تُغيّر البصمات الطيفية؛ فقد يعكس نبات فول الصويا الواقع في الظل كمية أقل من الأشعة تحت الحمراء القريبة، مما يجعله يُشبه النباتات غير المزروعة. ومن خلال الاستفادة من السياق العالمي، تمكّنت شبكة CMTNet من تحديد أن هذه النباتات المظللة جزء من حقل فول صويا أكبر، مما قلّل من الأخطاء.

في مجموعة بيانات WHU-Hi-HongHu، تفوق النموذج في تمييز المحاصيل المتشابهة طيفيًا، مثل أنواع الكرنب المختلفة، محققًا دقة 96.54% لـ براسيكا باراشينينسيس.

أكدت دراسات الاستئصال - وهي تجارب تُزيل مكونات لتقييم تأثيرها - أهمية كل وحدة. أدى إضافة وحدة قيود المخرجات المتعددة وحدها إلى تحسين دقة التصنيف بمقدار 1.52% على مجموعة بيانات WHU-Hi-HongHu، مما يُبرز دورها في تحسين دمج الميزات. بدون هذه الوحدة، تم دمج الميزات المحلية والعالمية بشكل عشوائي، مما أدى إلى تصنيفات غير متسقة.

المفاضلات الحسابية والاعتبارات العملية

رغم أن دقة CMTNet لا تُضاهى، إلا أن تكلفتها الحسابية أعلى من الطرق التقليدية. استغرق التدريب على مجموعة بيانات WHU-Hi-HongHu 1885 ثانية، مقارنةً بـ 74 ثانية لخوارزمية الغابة العشوائية (RF)، وهي خوارزمية تعلم آلي تبني أشجار القرار أثناء التدريب.

مع ذلك، يُعدّ هذا التوازن مُبرراً في الزراعة الدقيقة، حيث تؤثر الدقة بشكل مباشر على توقعات المحصول وتخصيص الموارد. فعلى سبيل المثال، قد يؤدي تصنيف محصول مريض على أنه سليم إلى تفشي الآفات بشكل لا يمكن السيطرة عليه، مما يُلحق أضراراً بالغة بالحقول بأكملها.

بالنسبة للتطبيقات التي تعمل في الوقت الفعلي، يمكن للبحوث المستقبلية استكشاف تقنيات ضغط النماذج، مثل حذف الخلايا العصبية الزائدة أو تكميم الأوزان (تقليل الدقة العددية)، لتقليل وقت التشغيل دون التأثير على الأداء. يزيل الحذف الوصلات الأقل أهمية من الشبكة العصبية، كما هو الحال عند تقليم فروع الشجرة لتحسين شكلها، بينما يُبسّط التكميم العمليات الحسابية، مما يُسرّع المعالجة.

مستقبل تصنيف المحاصيل باستخدام التصوير الطيفي الفائق مع شبكة CMTNet

على الرغم من نجاحها، تواجه شبكة CMTNet بعض القيود. ينخفض الأداء قليلاً في المناطق المظللة بشدة، كما هو الحال في مجموعة بيانات WHU-Hi-HanChuan (97.29% OA مقابل 99.58% في منطقة LongKou المضاءة جيداً). تُعقّد الظلال عملية التصنيف لأنها تُقلل من شدة الضوء المنعكس، مما يُغير من خصائص الطيف.

بالإضافة إلى ذلك، فإن الفئات التي تحتوي على عينات تدريب صغيرة للغاية، مثل فول الصويا ذي الأوراق الضيقة (20 عينة)، تتخلف عن تلك التي تحتوي على بيانات وفيرة. يحد صغر حجم العينات من قدرة النموذج على تعلم التباينات المتنوعة، مثل الاختلافات في شكل الأوراق نتيجة لجودة التربة.

يمكن للبحوث المستقبلية دمج البيانات متعددة الوسائط، مثل خرائط الارتفاع بتقنية الليدار أو التصوير الحراري، لتحسين القدرة على مقاومة الظلال والحجب. تستخدم تقنية الليدار (الكشف الضوئي وتحديد المدى) نبضات الليزر لإنشاء نماذج ثلاثية الأبعاد للتضاريس، مما قد يساعد في تمييز المحاصيل عن الظلال من خلال تحليل اختلافات الارتفاع.

علاوة على ذلك، يلتقط التصوير الحراري بصمات حرارية، مما يوفر أدلة إضافية حول صحة النبات؛ فالمحاصيل المجهدة غالباً ما تكون درجة حرارة أغصانها أعلى نتيجة انخفاض النتح. وقد تُحسّن تقنيات التعلم شبه الموجه، التي تستفيد من البيانات غير المصنفة (مثل صور الطائرات المسيّرة بدون تصنيفات يدوية)، الأداء أيضاً بالنسبة لأنواع المحاصيل النادرة.

باستخدام تنظيم الاتساق - تدريب النموذج لإنتاج تنبؤات مستقرة عبر نسخ معدلة قليلاً من نفس الصورة - يمكن للباحثين استغلال البيانات غير المصنفة لتحسين التعميم.

أخيرًا، يُمكن لنشر CMTNet على الأجهزة الطرفية، مثل الطائرات المسيّرة المزودة بوحدات معالجة رسومية مدمجة، أن يُتيح المراقبة الآنية في المناطق النائية. يُقلل النشر الطرفي من الاعتماد على الحوسبة السحابية، مما يُقلل من زمن الاستجابة وتكاليف نقل البيانات. مع ذلك، يتطلب هذا تحسين النموذج ليتناسب مع محدودية الذاكرة وقدرة المعالجة، ربما من خلال بنى خفيفة الوزن مثل MobileNet أو تقنية تقطير المعرفة، حيث يُحاكي نموذج "طالب" أصغر نموذج "معلم" أكبر.

الخاتمة

يمثل CMTNet قفزة نوعية في تصنيف المحاصيل باستخدام الصور الطيفية الفائقة. فمن خلال دمج الشبكات العصبية التلافيفية (CNNs) ونماذج Transformers، يعالج هذا النظام تحديات قائمة منذ زمن طويل في استخلاص الميزات ودمجها، مما يوفر للمزارعين والمهندسين الزراعيين أداة فعالة للزراعة الدقيقة.

تتراوح التطبيقات بين الكشف الفوري عن الأمراض وتحسين جداول الري، وكلها أمور بالغة الأهمية للزراعة المستدامة في ظل تغير المناخ والنمو السكاني. ومع ازدياد سهولة الوصول إلى تقنية الطائرات بدون طيار، ستلعب نماذج مثل CMTNet دورًا محوريًا في الأمن الغذائي العالمي.

قد تُسهم التطورات المستقبلية، مثل البنى الأخف وزنًا ودمج البيانات متعددة الوسائط، في تعزيز جدواها العملية. ومع استمرار الابتكار، يُمكن أن تُصبح شبكة CMTNet حجر الزاوية لأنظمة الزراعة الذكية في جميع أنحاء العالم، مما يضمن الاستخدام الأمثل للأراضي وإنتاجًا غذائيًا مستدامًا للأجيال القادمة.

مرجع Guo, X., Feng, Q. & Guo, F. CMTNet: شبكة هجينة من نوع CNN-transformer لتصنيف المحاصيل الطيفية الفائقة باستخدام الطائرات بدون طيار في الزراعة الدقيقة. Sci Rep 15, 12383 (2025). https://doi.org/10.1038/s41598-025-97052-w