تتطلب عملية تقييم الصور في علم النبات خبرة مكثفة وأسلوباً منهجياً دقيقاً. في هذا السياق، تمثل الرؤية الحديثة لتشخيص الأمراض النباتية تحدياً حقيقياً لنماذج الذكاء الاصطناعي. من أجل سد هذه الفجوة، تم تقديم نموذج PlantInquiryVQA، وهو إطار عمل مبتكر يهدف لتسريع ودقة تشخيص الأمراض النباتية من خلال سلاسل من الأسئلة والأجوبة المعتمدة على النوايا والبيانات المرئية.

هذا النموذج يعد بمثابة نقلة نوعية من خلال تقديم مجموعة بيانات ضخمة تضم 24,950 صورة نباتية تم مراجعتها من قبل خبراء، بالإضافة إلى 138,068 زوج من الأسئلة والأجوبة. يتم تصنيف هذه البيانات بناءً على التخمينات البصرية وشدة الأعراض، مما يوفر توازناً مثاليًا بين الأبحاث العلمية والتطبيقات العملية.

أظهرت التجارب على نماذج اللغات الضخمة متعددة الأنماط أن هذه النماذج تحصل على تحصيل جيد في وصف الأعراض البصرية، ولكن تكافح في تقديم استنتاجات سريرية دقيقة. ومع ذلك، فإن استخدام منهجية الأسئلة الموجهة لتحسين الاستفسار التشخيصي قد يساهم بشكل كبير في تعزيز دقة التشخيص وتقليل الأخطاء، مما يزيد من كفاءة التفكير.

بفضل PlantInquiryVQA، نأمل أن يشجع هذا البحث التطورات في تدريب وكلاء تشخيص يمكنهم التفكير مثل خبراء علم النبات بدلاً من أن يكونوا مصنفات ثابتة. فهل أنتم متحمسون لرؤية كيف سيتحول هذا المشروع إلى أداة قوية في يد الباحثين والممارسين في مجال زراعة النباتات؟