في عالم الزراعة الحديث، يعد العد والتحديد الدقيق للنباتات وأجزاءها أمرًا حيويًا لدعم عمليات تقييم الأداء وتقديرات المحاصيل. ومع ذلك، فإن تنوع مظاهر النباتات، الأحجام، والكثافة يشكل تحديًا كبيرًا. هنا يأتي دور AgriCountDINO، إطار عمل جديد ومبتكر يقوم بتوجيه عملية العد والتحديد باستخدام أمثلة نباتية.

يتميز AgriCountDINO بقدرته على توجيه خواص المقياس المتعدد من DINOv3 بناءً على مظهر الأحجام الأمثلة ويقوم بفك ترميزها تدريجياً إلى نقاط مستهدفة. كما يتميز بالإشراف على الأهداف التي تم التغاضي عنها خلال المطابقة الأولية، ويستخدم تقنية NMS (Non-Maximum Suppression) التكيفية لاستبعاد التقديرات المكررة حسب حجم الأمثلة.

ما يجعل AgriCountDINO مميزًا هو فعاليته البارامتريّة، حيث يحتوي على 8.4 مليون معلمة، أي ما يعادل حوالي عُشر معلمات نموذج TasselNetV4. من خلال هذا التصميم المبتكر، تمكن AgriCountDINO من تحقيق معدل خطأ متوسط بثلاثة لقطات (MAE) بمقدار 11.92 على معيار TPC-268، مما يقلل خطأ العد بنسبة 9.7٪ بالإضافة إلى توفير مواقع فردية للأهداف.

ليس فقط ذلك، بل إن النموذج قد تم تدريبه فقط على TPC-268 وحقق MAE صفر عن المشاهدات على فئات الأجسام العامة غير المرئية في FSC-147 بمعدل 14.25، متفوقًا على أفضل الطرق السابقة بمعدل 6.0٪، وكل هذا دون الحاجة لتدريب إضافي أو تخصيص.

يمثل هذا الابتكار خطوة هامة نحو تحسين دقة العد في الزراعة ويعزز من كفاءة العمليات الزراعية بشكل عام. ما رأيكم في هذا الابتكار؟ هل تعتقدون أنه سيحدث فرقًا في عالم الزراعة؟ شاركونا في التعليقات!