请留言
الشريحة 1

التركيز الإعلامي للرؤية العالمية

ظهرت الشركة على شاشة التلفزيون المركزي 15 مرة، ووصلت تغطيتها عبر وسائل الإعلام الحزبية والإعلام المركزي ووسائل الإعلام الرسمية المحلية إلى ما مجموعه 50 مليون شخص.

0101
فئات الأخبار

تمكين الأقمار الصناعية من "فهم" المحاصيل: الكشف عن أسرار تقنية تجزئة الصور الطيفية فائقة الدقة ذات العينات الصغيرة

2025-07-25

1 (1).png

في الزراعة الحديثة، تُغير تقنية الاستشعار عن بُعد تدريجياً طريقة إدراكنا وإدارتنا للأراضي. ويُعدّ الاستشعار عن بُعد فائق الطيف، على وجه الخصوص، بمثابة منح الأقمار الصناعية فرصة جديدة للحياة."الشم الكيميائي" يمكنها تحديد الاختلافات الدقيقة في النباتات. بالمقارنة مع الكاميرات التقليدية التي لا تستطيع تسجيل سوى الألوان الأحمر والأخضر والأزرق، تستطيع الكاميرات فائقة الطيف تسجيل مئات النطاقات الطيفية المتصلة، مما يسمح لها برؤية الاختلافات بين المحاصيل المختلفة والتربة وحتى الآفات والأمراض بدقة.

1 (2).png

مع ذلك، لا يزال تطبيق هذه التقنية على نطاق واسع في الزراعة يواجه تحديًا كبيرًا: نقص العينات المصنفة. فعلى سبيل المثال، يتطلب تدريب نموذج لتحديد قطع الأراضي المزروعة بالذرة وتلك المصابة بالأمراض عددًا كبيرًا من العينات المصنفة يدويًا، وهو أمر يستغرق وقتًا طويلًا ومكلفًا. ويكاد يكون جمع عينات كافية أمرًا مستحيلًا، لا سيما في المناطق الريفية النائية أو البلدان النامية.

وقد أدى ذلك إلى ظهور تقنية جديدة:تجزئة الصور الطيفية الفائقة لعينة صغيرة يهدف هذا النهج إلى "تحقيق المزيد بموارد أقل"، وذلك من خلال تدريب نموذج قادر على تحديد أنواع المحاصيل أو مناطق الآفات والأمراض تلقائيًا باستخدام كمية ضئيلة جدًا من البيانات المصنفة. وقد صمم الباحثون شبكات عصبية تحاكي "القشرة البصرية للدماغ"، مثل شبكات CNN ثلاثية الأبعاد، وشبكات GCN، وهياكل Transformer، وذلك بدمج المعلومات المكانية والطيفية. وهذا يُمكّن النموذج من فهم الخصائص الطيفية للبكسلات، بالإضافة إلى التعرف على شكل وملمس المناطق.

1 (3).png

بالإضافة إلى ذلك، قدّم العلماء استراتيجية "التعلم بالنقل"، التي تسمح للنموذج أولاً "باكتساب المعرفة الأساسية" من بيانات الاستشعار عن بُعد المتاحة للعموم، ثم "تحسينها" باستخدام عينات زراعية صغيرة لتحقيق تكيف سريع. كما صمّم باحثون آخرون أساليب "توسيع البيانات"، التي تسمح للنموذج "بالتدرب ذاتيًا" من خلال تدوير البيانات وتغييرها.

في المستقبل، ستساعد هذه التقنية المزارعين على الحصول على معلومات شبه فورية حول صحة المحاصيل، والتنبؤ بالمحاصيل، وتحديد المناطق التي تعاني من مشاكل، وذلك عبر الهواتف المحمولة أو الطائرات المسيّرة. وستعزز هذه التقنية ذكاء ودقة الإدارة الزراعية، وتوفر أدوات جديدة لضمان الأمن الغذائي.