في عالم الزراعة، يعاني الفلاحون في الهند من تحديات عديدة تتعلق بأمراض المحاصيل، وخاصة مع محصول الفلفل الحار (Capsicum annuum) الذي يُعتبر من أهم المحاصيل الاقتصادية. تتطلب هذه الأمراض خبراء لتحديدها، لكن مع التطور التكنولوجي، أصبح بالإمكان استخدام الذكاء الاصطناعي للكشف عنها.

لقد أظهرت تقنيات Vision Transformers (ViTs) دقة عالية في التصنيف، ولكن التطبيق الفعّال لها على الأجهزة المحمولة يواجه عقبات بسبب متطلبات الحوسبة العالية. وهنا تأتي أهمية الابتكارات الجديدة في ضغط النماذج.

التقدم المثير هو إطار عمل موحد لضغط Vision Transformer يدمج بين تقنيات مثل تنسيق الكتل المتوازن حساسية هيسن (H-BAC) والتكميم، بالإضافة إلى تقنيات تعليم قائمة على الانتباه. يسمح هذا الإطار بتحقيق تحسينات كبيرة في الأداء مع تقليل الحجم، مما يسهل استخدام هذه النماذج في بيئات الزراعة ذات الموارد المحدودة.

من خلال اختبارات دقيقة، تم الوصول إلى تقليل حجم النموذج بمعدلات تتراوح بين 74-98%، حيث أظهر بعض النماذج كفاءة تصل إلى 54.5 مرة في تقليل الحجم، وبالتالي يتطلب الأمر مساحة تخزين أقل، مع الحفاظ على دقة مقارنة (95.13% ± 2.32%). هذه النتائج تعكس إمكانيات هائلة لتطبيق الذكاء الاصطناعي في الزراعة، مما يتيح للمزارعين التعامل مع تحديات الأمراض بكفاءة أكبر.

فلنأمل أن تُحدث هذه الابتكارات ثورة في طرق مكافحة أمراض المحاصيل، ساعية نحو زراعة أكثر إنتاجية واستدامة في المستقبل!