تقدير المشروع
← كل المقالات

كيف يمكن للذكاء الاصطناعي دعم قطاع الزراعة؟

تتناول هذه التدوينة عدة مجالات في الزراعة يمكن فيها استخدام أدوات الذكاء الاصطناعي وخوارزمياته، والمزايا التي تقدمها، والتحديات التي ينبغي تجاوزها.

5 دقائق قراءة
تعلّم الآلةالرؤية الحاسوبيةالاستشعار عن بعدتحليل بيانات المستشعراتالزراعة

ترك الذكاء الاصطناعي بصمته في قطاعات كثيرة، وجلب فوائد كبيرة. وقطاع الزراعة ليس استثناءً، فقد تحوّل عدد من مجالاته. ومع استمرار ارتفاع الطلب العالمي على الغذاء، أصبح من المهم أكثر فأكثر اعتماد ممارسات زراعية مستدامة وجعل المزارع قادرة على الصمود أمام الأمراض والآفات والكوارث المناخية مثل الجفاف، أو حتى التوجه نحو الزراعة العضوية بتقليل المبيدات.

تتناول هذه التدوينة عدة مجالات في الزراعة يمكن فيها استخدام أدوات الذكاء الاصطناعي وخوارزمياته، والمزايا التي تقدمها، والتحديات التي ينبغي تجاوزها.

الزراعة الدقيقة

مناطق الإجهاد المكتشفة في برنامج مراقبة المحاصيل من Agremo

تعتمد الزراعة الدقيقة على التقدم في الاستشعار عن بعد وGPS وإنترنت الأشياء (IoT) لتزويد المزارعين برؤى مبنية على البيانات تساعدهم على إدارة إنتاجهم بكفاءة أكبر. ويأتي التقدم في هذا المجال أساسًا من الجمع بين الذكاء الاصطناعي والطائرات المسيّرة، التي تتيح جمع البيانات واتخاذ القرارات المبنية على البيانات وأتمتة توفر الوقت في الزراعة التقليدية.

يمكن للأقمار الصناعية أو الطائرات المسيّرة المزوّدة بمستشعرات متقدمة مراقبة صحة المحاصيل على مساحات شاسعة، وتوفير بيانات آنية مثل مستويات الرطوبة وحالة الغطاء النباتي. ومن الأمثلة الجيدة على النهج المبني على البيانات في الزراعة الدقيقة خفض استخدام المبيدات باستبدال الرش الشامل التقليدي (Broadcast Spraying) بطريقة الرش الدقيق (بنسبة تصل إلى 90%).

كما يمكن للمستشعرات الذكية أن تتيح مراقبة المناطق المهددة بالتعرية، ومن ثم التنبؤ باستخدام عناصر محددة والتوصية بتسميد موجّه. وإلى جانب الحاجة إلى سماد أقل، يستطيع المزارعون خفض تكاليفهم وتحسين جودة منتجهم النهائي، وحتى نمو المحاصيل.

ويمكن أيضًا تطبيق الزراعة الدقيقة على إدارة إنتاجية المحاصيل – بالتنبؤ بها وتحسينها. وبهذه المعلومات يستطيع المزارعون تنظيم لوجستيات الحصاد وتقدير إيراداتهم. والزراعة الدقيقة قادرة كذلك على تقييم صحة التربة وتحديد المناطق المعرضة لخطر التعرية.

تشمل التحديات الرئيسية في هذا المجال:

  • التكلفة الأولية: قد يجد المزارعون في الأرياف وأصحاب المزارع الصغيرة أن كلفة هذه الحلول الأولية مرتفعة جدًا أو بعيدة المنال ببساطة.
  • التدريب المتخصص: يتطلب تشغيل الطائرات المسيّرة وأنظمة الذكاء الاصطناعي تدريبًا متخصصًا.
  • تبني المزارعين: قد يتردد المزارعون في التخلي عن الطرق التقليدية التي خدمتهم جيدًا وفي الوثوق بالأنظمة المبنية على الذكاء الاصطناعي.
  • الأحوال الجوية: قد تمنع الأمطار الغزيرة أو الرياح القوية استخدام الطائرات المسيّرة أو تحول دون تنبؤات بالجودة نفسها. وفي الوقت نفسه، قد تجلب مناطق مثل الصحارى الغبار ودرجات حرارة مرتفعة جدًا، وهذا أيضًا يجب أخذه في الحسبان.

اكتشاف الآفات والأمراض

تصوير الآفات والأمراض من Fermata

اكتشاف الآفات والأمراض مجال آخر استفاد من التقدم في الرؤية الحاسوبية. تستطيع هذه النماذج رصد الآفات أو الأمراض في مرحلة مبكرة وإبقاء المنطقة المتأثرة صغيرة. ويمكن لهذه الأنظمة خفض استخدام المبيدات وتقليل تكاليف التشغيل وزيادة الإنتاج الزراعي وخفض خطر تفشي الإصابات.

وتتراوح التطبيقات المحتملة من أنظمة تراقب المزارع وترصد الآفات والأمراض (مثل منصة Fermata)، مرورًا بآلات تجد الأعشاب الضارة وتقضي عليها (مثل Laserweed)، إلى تطبيقات الهاتف التي تعمل كأطباء للنباتات (مثل Plantix).

ومن الممكن أيضًا اكتشاف الحشرات الضارة من بث الكاميرا أو من ترددات معينة تظهر في الصوت. ومثال جيد على ذلك المستشعر الصوتي وتطبيق الهاتف من palmear.ai، اللذان يساعدان المزارعين على رصد بداية آفات الأشجار مبكرًا.

Laserweed من Carbon Robotics

تشمل التحديات الرئيسية في هذا المجال:

  • جودة البيانات وانزياح البيانات (Data Shift): لأن المناخ يتغير بسرعة ويصعب الحصول على بيانات عالية الجودة، فإن إنتاج نتائج ذات معنى أمر صعب.
  • الحاجة إلى إشراف بشري: رغم أن هذه الأنظمة تستطيع تحسين الأمور، ينبغي أن يبقى الإنسان في الحلقة لمراقبة الإيجابيات والسلبيات الكاذبة.
  • كلفة الحل المخصص: لا يكاد يوجد حل ذكاء اصطناعي لمكافحة الآفات يناسب كل مشكلة، لذا تتطلب كل مشكلة حلًا مخصصًا.

مراقبة الجودة الآلية

آلة فرز السلطة من Quadra

بعد الحصاد، قد تظهر الحاجة إلى تحديد أجزاء الثمرة الصالحة للبيع، وتلك التي ينبغي أن تذهب إلى علف الحيوانات، وتلك التي يجب التخلص منها. وهذه مرة أخرى مهمة لنظام يستخدم الرؤية الحاسوبية عبر ترددات متعددة لاكتشاف كل عيب ممكن، ويتخذ القرارات بناءً ليس على الصفات المرئية فحسب بل على خصائص أخرى أيضًا (مثل مستوى الكلوروفيل).

تقدّم أنظمة مراقبة الجودة المدعومة بالذكاء الاصطناعي فوائد هائلة، تتراوح بين اكتشاف العيوب بدقة عالية جدًا وتقليل الاعتماد على العمال البشر (الذين هم نادرون ومكلفون) وعلى تدريبهم المتخصص.

التحديات في هذا المجال هي:

  • توفر البيانات: تعتمد معظم الشركات على مجموعات بياناتها الخاصة، والتي لا يمكن نقلها في كثير من الأحيان إلى مناطق أخرى بسبب خصوصية بعض أنواع الفواكه/الخضروات. ويتطلب بناء مجموعة بيانات كهذه جمع الكثير من البيانات ووسمها.
  • الموسمية: قد تظهر عيوب معينة في بعض المواسم دون غيرها.
  • الحالات الشاذة: تحدث بعض العيوب نادرًا جدًا لدرجة يصعب معها اكتشافها بشكل صحيح.

مراقبة الماشية

مراقبة الماشية مجال آخر يمكن أن يستفيد من التقدم في الذكاء الاصطناعي. يمكن للتطبيقات في هذا المجال أن تجعل إدارة حيوانات المزرعة أسهل بكثير وأقل اعتمادًا على الموظفين، مع إنتاج منتجات أفضل جودة (مثل البيض واللحوم وغيرها). وإلى جانب عدّ الحيوانات ووزنها باستخدام بث الكاميرا فقط، من الممكن أيضًا رصد السلوك غير المعتاد مبكرًا أو حتى مراقبة تفاعلاتها الاجتماعية بالجمع بين بث الكاميرا (بالضوء المرئي والأشعة تحت الحمراء) والصوت (مثل أصوات التزاوج) وبيانات من مستشعرات أخرى. وهذه الحلول قيد الاستخدام في مزارع الماشية الكبيرة في أمريكا.

تشمل التحديات الرئيسية في هذا المجال:

  • جودة البيانات: مع السلوكيات المتغيرة والحيوانات المتنوعة الكثيرة والبيئات المتباينة، قد يكون من الصعب بناء أنظمة تعمّم جيدًا.
  • التكلفة الأولية: على حد علمنا، لا يوجد سوى عدد قليل من الحلول القابلة للتطبيق على نطاق واسع، لذا ستتطلب التطبيقات في هذا المجال حلولًا مخصصة.
  • الطبيعة متعددة الوسائط للبيانات: كما ذُكر سابقًا، قد يتطلب الحصول على الصورة الكاملة الجمع بين عدة وسائط (مثل الرؤية والصوت)، وهو أمر قد يكون صعبًا ويتطلب مزيدًا من البيانات عالية الجودة.

الخلاصة

تساعد تقنية الذكاء الاصطناعي المزارعين على استبدال الطرق الزراعية التقليدية بممارسات زراعية أكثر كفاءة، واعتماد إنتاج غذائي أكثر استدامة، وتقليل العمل البدني، وحتى إبطاء تغيّر المناخ. إمكانيات تطبيق الذكاء الاصطناعي في الزراعة تكاد لا تنتهي، وكثير من الفوائد ظاهرة بالفعل. ناقشنا في هذه التدوينة تطبيقات الزراعة الدقيقة التي تتيح قرارات مبنية على البيانات بفضل التقدم في الاستشعار عن بعد وIoT والطائرات المسيّرة. كما استعرضنا الأنظمة التي تكتشف الآفات والأمراض أثناء الزراعة. ثم تناولنا أنظمة مراقبة الجودة المستخدمة بعد الحصاد، وأخيرًا ناقشنا مراقبة الماشية.