بذارید یه موضوع جالبو بهتون تعریف کنم! تا همین چند وقت پیش، وقتی کشاورزا می‌خواستن بدونن چند تا بوته برنج بعد از کاشت داخل زمیناشون دراومده، مجبور بودن حسابی سختی بکشن. باید می‌رفتن وسط مزرعه، با دست یه سری نمونه‌برداری انجام می‌دادن و بعدشم با یه عالمه جمع و تفریق و تخمین، کل زمین رو حساب می‌کردن (که خب خیلی خسته‌کننده و وقت‌گیره، تازه معمولا یه گوشه‌هایی هم جا می‌موند).
اما الان اوضاع خیلی متفاوت شده! توی یه تحقیق جدید، یه تیم باحال اومدن و با استفاده از پهپادها که همون Unmanned Aerial Vehicles یا UAVها هستن (یعنی هواپیماهای بدون سرنشین که از راه دور کنترل میشن)، و دوربین‌های RGB با وضوح بالا (RGB یعنی همون دوربین‌های معمولی که عکس‌های رنگی سه‌کاناله می‌گیرن)، تونستن همین کارو خیلی راحت، سریع و با دقت بالا انجام بدن.
حالا روش کارشون چطور بود؟ پهپاد رو تنظیم کردن که خودش به صورت خودکار طبق یه مسیر مشخص شده، کل مزرعه رو ۱۷ روز بعد از کاشت، از ارتفاع‌های متفاوت – ۴، ۶، ۸ و ۱۰ متر – عکس بگیره. یعنی دیگه لازم نبود کسی بره وسط گِل‌ولای! اینطوری کل مزرعه خیلی سریع و کامل تصویربرداری شد.
اما فیلم و عکس گرفتن فقط نصف ماجراست. اینکه از این تصاویر بشه تعداد بوته‌های برنج رو پیدا کرد، خودش داستانیه! برای همین، محقق‌ها یه سیستم خیلی خفن طراحی کردن:
اولش یه مدل هوشمند گذاشتن که بتونه توی هر نوع شرایط پس‌زمینه (یعنی حتی وقتی خاک، آب یا برگای دیگر هست) جای دانه و بوته برنج رو تشخیص بده. براش ۱۲ تا بلوک مختلف برای «آستانه‌سازی تطبیقی» درست کردن (Thresholding یعنی تنظیم یه حد برای شناسایی اشیا، تطبیقی و هوشمند یعنی این حد همیشه بسته به شرایط، خودش تغییر می‌کنه). اینجوری گیاه‌ها رو راحت از پس زمینه جدا می‌کردن.
دومین نوآوری‌شون این بود که یه مدل یادگیری عمیق (Deep Learning) که همون هوش مصنوعی خیلی قوی مخصوص شناسایی الگوهاست، با ساختار سه‌لایه شبکه عصبی کانولوشنی (CNN) گذاشتن. حالا شبکه عصبی کانولوشنی یا همون Convolutional Neural Network یعنی یه مدل کامپیوتری الهام‌گرفته از مغز که خیلی در شناسایی عناصر تصویرها قویه. این مدل، هر منطقه‌ی سبز رو بررسی می‌کرد و اتفاقاً حسابی خوب کار کرد.
برای اطمینان از کار مدل، هم با مدل‌های آموزش‌دیده قبلی کار کردن (Pretrained Model یعنی مدلی که قبلاً رو تصاویر مشابه آموزش دیده)، و هم مدل خودشونو از صفر آموزش دادن. بعد هم مدلشونو با یکی از غول‌های شناسایی تصویر به اسم YOLOv10 مقایسه کردن (YOLO یه مدلِ معروفه که برای پیدا کردن و دسته‌بندی اشیا توی عکس‌ها فوق‌العاده سریع و دقیقه).
نتیجه‌ها چی شد؟ جالبه بدونین توی شرایط مناسب عکاسی (مثلاً وقتی نور و زاویه خوب بوده)، پرواز از ارتفاع ۶ متری بهترین نتیجه رو داد. یعنی دقت مدل در شناسایی رفاه به همون دقت روش سنتی دستی بود؛ اما خیلی سریع‌تر، ساده‌تر و بدون نیاز به نیروی انسانی زیاد! واقعاً جای خوشحالیه، چون نتایج نشون داد تخمین تراکم نشاها با این سیستمِ مبتنی‌بر پهپاد، هم به‌صرفه‌تره، هم به کل زمین مسلطه و هم خطاهاش خیلی‌کمتره.
این ماجرا یعنی عملاً مدیریت مزرعه‌ی برنج با ابزار هوشمندی مثل این، می‌تونه هم باعث افزایش بهره‌وری (yield یا محصول بیشتر)، هم امنیت غذایی بهتر و هم کشاورزی پایدارتر بشه. کشاورزا دیگه نیاز نیست برای هر چیزی برن توی زمین، چون داده‌ها و تصویرها براشون همه چی رو واضح و لحظه‌ای نشون میده.
در جمع‌بندی: پهپادها و هوش مصنوعی دارن کشاورزی رو واقعا متحول می‌کنن! و چه بهتر که این تکنولوژی‌ها هر روز دم‌دست‌تر و کاربردی‌تر میشن، مخصوصاً برای محصول مهمی مثل برنج که توی ایران و خیلی کشورهای دیگه ارزش بالایی داره.
منبع: +
