تقترب تقنيات الطائرات المسيّرة والذكاء الاصطناعي من إحداث تغيير مهم في طريقة مراقبة الأعشاب الضارة وإدارتها في أستراليا، خاصة في المناطق الواسعة التي تتطلب عمليات المسح التقليدية فيها الكثير من الوقت والعمالة.
ويأتي هذا التطور من خلال منصة برمجية جديدة تحمل اسم WeedRemeed، طورها مركز حلول الأنواع الغازية CISS بالتعاون مع شركة 2pi Software. وتهدف المنصة إلى مساعدة مديري الأراضي والمزارعين على اكتشاف الأعشاب والنباتات المستهدفة وتحديد مواقعها بدقة اعتماداً على الصور التي تلتقطها الطائرات المسيّرة.
وتعمل التقنية من خلال تحليل صور الدرون باستخدام الذكاء الاصطناعي والتعلم الآلي. ويمكن للنظام التعرف على النباتات عبر ألوان مميزة يتم اختيارها مسبقاً، مثل لون الأزهار أو الثمار خلال الموسم الذي تكون فيه النبتة أكثر وضوحاً. وبعد اكتشافها، يتم تحديد موقعها الجغرافي، ما يساعد فرق العمل على التوجه مباشرة إلى المناطق التي تحتاج إلى معالجة.
كما تستخدم المنصة نماذج YOLO للتعلم العميق، وهي تقنية متخصصة في اكتشاف العناصر داخل الصور بسرعة. ويمكن استخدام نموذج التعلم الآلي بشكل منفصل أو دمجه مع خاصية التعرف على الألوان لرفع مستوى دقة النتائج.
وتكمن أهمية المشروع في أنه يسعى إلى جعل هذه التقنيات المتقدمة أكثر سهولة للمستخدمين، بدلاً من اقتصارها على المتخصصين في الذكاء الاصطناعي. وتسمح التحسينات الجديدة بإنشاء نماذج لونية للنباتات والأعشاب المستهدفة خلال دقائق، وهو ما قد يقلل الاعتماد على عمليات المسح اليدوي المكلفة.
وترى الرئيسة التنفيذية لمركز CISS، Shauna Chadlowe، أن التكنولوجيا المتقدمة لن تحقق تأثيراً حقيقياً ما لم تكن سهلة الاستخدام وبتكلفة مناسبة، خصوصاً بالنسبة إلى المسؤولين عن إدارة مساحات شاسعة ومعقدة من الأراضي.
ولا تقتصر استخدامات WeedRemeed على الأعشاب الغازية، إذ يمكن توظيفها أيضاً في اكتشاف ومراقبة بعض النباتات المحلية المهددة، ما يمنحها دوراً محتملاً في حماية التنوع البيولوجي.
ولا توفر المنصة حتى الآن نماذج جاهزة لجميع أنواع الأعشاب المنتشرة في أستراليا، لكنها تسمح للمستخدمين ببناء نماذجهم الخاصة، بينما يعمل المطورون على توسيع مجموعة النماذج المتاحة مستقبلاً.
ومع استمرار تطوير المنصة، قد تصبح الطائرات المسيّرة المدعومة بالذكاء الاصطناعي أداة عملية تساعد المزارعين ومديري الأراضي على اكتشاف الأعشاب مبكراً، ومتابعة انتشارها، وتوجيه الموارد إلى الأماكن الأكثر احتياجاً، بدلاً من إهدار الوقت والجهد في عمليات البحث التقليدية.