مشروع بحثي لطلاب زراعة عين شمس للتعرف على السمات الظاهرية لنبات الخيار داخل البيئات المحمية

أجرى فريق من طلاب كلية الزراعة بجامعة عين شمس قسم الهندسة الزراعية، مشروعا  بحثيا ضمن التوجهات الحديثة للزراعة الدقيقة، حيث يسعى إلى تطوير منظومة آلية قائمة على تقنيات الذكاء الاصطناعي وتحليل الصور الرقمية، بهدف التعرف على السمات الظاهرية لنبات الخيار ورصدها بدقة وسرعة داخل البيئات المحمية.

عنوان المشروع: Identifying the Phenotypic Features of Plants Using AI & Image Processing

كلية الزراعة – جامعة عين شمس، قسم الهندسة الزراعية

إشراف: د. شيرين شلبي سيد شلبي.

تنطلق الفكرة البحثية من إشكالية موثقة في علم الفسيولوجيا النباتية، وهي أن التغيرات الداخلية التي تطرأ على النبات كالإجهاد المائي ونقص العناصر المعدنية تنعكس بشكل مباشر على مؤشراته المورفولوجية الخارجية القابلة للقياس، كمساحة الورقة وعدد الأزهار والثمار ومرحلة النمو. وقد اعتمدت الطرق التقليدية في قياس هذه المؤشرات على أساليب يدوية كالبلانيميتر ونسخ الورقة والقياس المباشر، وهي أساليب تستهلك وقتاً وجهداً كبيرين وتفتقر إلى الدقة والقابلية للتطوير.

منهجية العمل

اعتمد الفريق منهجية بحثية متكاملة تشمل جمع البيانات الميدانية من البيئة المحمية، وتحليلها بأدوات متعددة تشمل برنامج ImageJ وأكواد Python مخصصة، مع التحقق من دقة المعايرة وحساب معدلات الخطأ بين طرق القياس المختلفة.

على صعيد النماذج المستخدمة، اعتمد المشروع على ثلاثة محاور رئيسية:

تصنيف مراحل النمو (ResNet-50):

طُبّق نموذج ResNet-50 لتصنيف صور النبات وفق مراحل نموه الثلاث: مرحلة النمو الخضري، مرحلة الإزهار، والمرحلة المختلطة التي تجمع بين الأزهار والثمار. وقد أثبت النموذج قدرته على التشخيص التلقائي الدقيق لمرحلة النمو مباشرةً من الصورة، مع تطبيق تقنيات Data Augmentation لتعزيز تنوع قاعدة البيانات التدريبية.

الكشف عن الأزهار والثمار وعدّها (YOLOv8s):

طُبّق نموذج YOLOv8s للكشف الآلي عن الأزهار والثمار وتحديد مواقعها داخل الصورة وعدّها فورياً. وقد أُجري التقييم على قاعدة بيانات تضم 264 صورة تحتوي على 5378 كائناً موزعاً بين 3441 زهرة و1937 ثمرة. وجاءت نتائج التقييم كالتالي:

الفئة | Precision | Recall | mAP@50 | mAP@50-95

الإجمالي | 74.7% | 62.2% | 68.4% | 42.9%

الأزهار | 75.5% | 64.0% | 70.2% | 40.8%

الثمار | 73.9% | 60.4% | 66.6% | 44.9%

وفي اختبار ميداني فعلي، تمكن النموذج من رصد 75 زهرة و46 ثمرة في صورة واحدة ملتقطة داخل البيئة المحمية.

التجزئة الدلالية (Segmentation):

استُخدمت نماذج التجزئة الدلالية لعزل المناطق النباتية بدقة وقياس مساحة الأوراق آلياً، مما يوفر مؤشراً كمياً دقيقاً يعكس الحالة الفسيولوجية للنبات.

الأهمية التطبيقية

تتمثل القيمة العملية لهذا المشروع في تقديم أداة رصد غير تدخلية قادرة على المراقبة الدورية السريعة للنبات دون إلحاق أي ضرر به، مما يفتح الباب أمام تطبيقات واسعة في إدارة البيئات المحمية وترشيد العمليات الزراعية وتحسين كفاءة الإنتاج.

فريق العمل:

مؤمن شريف | يوسف أحمد | أحمد جمال | أحمد رشدي | كارم طارق | إبراهيم أحمد | ميار علي | منة سمير | فاطمة الزهراء عمرو | حبيبة جمال /دكتور كريم مصطفى

المشرف العلمي: د. شيرين شلبي سيد شلبي.