NaLamKI: مشروع لتطوير تقنيات الذكاء الاصطناعي للزراعة المستدامة
تغيّر الظروف المناخية، ونقص العمال المؤهلين، واستخدام المبيدات — مجموعة واسعة من العوامل تؤثر في جودة العمليات الزراعية ونشاطها. يعمل باحثون من معهد فراونهوفر للاتصالات (HHI)، المعروف أيضًا بمعهد هاينريش هيرتز، على جعل الزراعة أكثر كفاءة واستدامة بمساعدة التقنيات السحابية وتقنيات الذكاء الاصطناعي.
في إطار مشروع NaLamKI يعمل الباحثون مع شركاء على إنشاء منصة «البرمجيات كخدمة»، تجمع المعلومات عن الأجهزة والآلات لتكوين قاعدة بيانات للتنبؤات والمساعدة في اتخاذ القرارات. يواجه القطاع الزراعي تحديات كبيرة: فقد بدأ المزارعون الألمان يشعرون بالعواقب البعيدة المدى لتغير المناخ، وسيتعين عليهم التكيف معها بدرجة أكبر في المستقبل.
يؤثر ارتفاع درجات الحرارة وتغير كميات الهطول على جميع المتغيرات الزراعية، بدءًا من نمو المحاصيل والدورات الزراعية وصولًا إلى حراثة التربة. ويمكن للذكاء الاصطناعي اللامركزي في السحابة والذكاء الاصطناعي المركزي في المزارع أن يساعدا في جعل عملية التكيف مع الظروف المتغيرة أكثر فعالية، وتسريع العملية في جميع مجالات الزراعة، وبالتالي جعل النظام البيئي العام أكثر مرونة وتطلعًا للمستقبل.
وهنا يأتي دور مشروع NaLamKI. ستركز أنشطة المشروع على إنشاء منصة سحابية «برمجيات كخدمة» (SaaS) ذات واجهات مفتوحة للموردين في الزراعة والصناعة، وكذلك لموردي الحلول المتخصصة في زراعة النباتات.
بدمج بيانات أجهزة الاستشعار والآلات التي تُجمع عبر الأقمار الصناعية والطائرات المسيّرة، ومستشعرات التربة، والروبوتات، والجمع اليدوي للبيانات، وبيانات الجرد، يمكن إنشاء مجمّع بيانات تُحسَّن من خلاله العمليات الزراعية بشكل أكثر استدامة باستخدام أحدث أساليب الذكاء الاصطناعي.
تساعد تطبيقات الذكاء الاصطناعي المنشورة على المنصة المزارعين في تحليل حالة المحاصيل والتربة على مساحات واسعة من الأراضي، وتغيير تنظيم عمليات حماية النبات والتغذية، مثل الري وتسميد التربة ومكافحة الآفات، لضمان محصول كافٍ من المحاصيل من حيث الجودة والكمية، وكذلك لتقليل الانبعاثات والحفاظ على التنوع البيولوجي.
على سبيل المثال، يؤدي الاستخدام الموجّه لوسائل حماية النبات إلى زيادة الإنتاجية، وخفض التكاليف، والحفاظ على الموارد، وحماية البيئة بفاعلية.
«إلى جانب تغير المناخ، يؤثر نقص العمالة المؤهلة أيضًا في جودة العمليات الزراعية ونشاطها. لذلك كثيرًا ما لا يمكن فحص حالة النباتات إلا على أساس انتقائي للغاية. ولا يمكن حاليًا اكتشاف حالة المياه في التربة أو الإصابة بالآفات وتحديدها بدقة، على سبيل المثال، في المساحات الزراعية الكبيرة. ومن بين أمور أخرى، ندرس تحليل الصور الملتقطة بالطائرات المسيّرة والأقمار الصناعية والكاميرات الروبوتية، ونجعل النتائج ذات قيمة للمزارعين»
ولحل هذه المشكلة، يطور المعهد في إطار المشروع أساليب ذكاء اصطناعي لتحليل بيانات الاستشعار عن بُعد لنمذجة العمليات الزراعية وإنشاء شبكات 5G في الأراضي الزراعية. وبدمج جميع البيانات، سيحصل العلماء على صورة عن خصائص المساحات المزروعة لم تكن متاحة من قبل عمليًا.
سيتمكن المزارعون من التفاعل مع الذكاء الاصطناعي وطرح الأسئلة. فعلى سبيل المثال، بناءً على المؤشرات الحالية لرطوبة التربة وأمراض المحاصيل، يستطيع الذكاء الاصطناعي تقديم تعليمات للعمل وعرض نتائج السيناريوهات المختلفة. وبشكل أدق، ستظهر لوحة تعرض مساحة الأراضي الزراعية والحالة الراهنة للتربة على جهاز لوحي. وبالنقر على مناطق محددة، سيحصل المزارع على معلومات عن مشكلات مثل انخفاض مستوى المياه، إضافة إلى توصيات حول أفضل طريقة للتعامل معها.
ستُقدَّم بيانات التدريب وخدمات الذكاء الاصطناعي بشكل لامركزي باستخدام Gaia-X، وهي البنية التحتية السحابية الأوروبية الآمنة للبيانات. وعلاوة على ذلك، سيُنشأ نظام ذكاء اصطناعي لامركزي مع تعلّم موزّع، وستُخزَّن بياناته محليًا في المزارع. وسيتمكن المزارعون من مشاركة نماذج الذكاء الاصطناعي ونقلها إلى منصة NaLamKI لتحسين الخوارزميات باستمرار. وستكون المنصة مفتوحة أمام موردين من جهات خارجية. فعلى سبيل المثال، ستتمكن الشركات الناشئة من عرض حلولها المبتكرة في مجال الذكاء الاصطناعي على المنصة.
انتهى بالفعل جمع البيانات الأولي لعملية تطوير نموذج الذكاء الاصطناعي. وتحديدًا، أصبحت متاحة الآن صور التقطها روبوت أثناء زراعة شجرة تفاح في مزرعة فاكهة في منطقة بفالتس بألمانيا. ولهذا الغرض، جُمعت بيانات من مستشعرات مختلفة، مثل مستشعرات الموضع وLIDAR وكاميرات RGB والكاميرات متعددة الأطياف، وحُللت ودُمجت أثناء مرور الروبوت ذاتي التشغيل عبر المزرعة.
الهدف هو إنشاء تمثيل ذي معنى للأشجار في البستان، بما يتيح تحديد عدد الثمار ودرجة نضجها، وقطر الجذع، وحالة المحاصيل الفردية والتربة المحيطة بها. ويشمل ذلك أيضًا اكتشاف العوائق، وبخاصة الكائنات الحية في الغطاء النباتي الكثيف، على المسار الذي يقطعه الروبوت.
«نحن نقيّم البيانات أثناء مرورنا عبر المزرعة. وتُدمج المعلومات التي نجمعها مع خريطة لتوزيع أشجار الفاكهة وتُعرض على خريطة القطعة. وعلى أساس هذه البيانات يُعدّ توثيق للمزارع»
