تستمر أبحاث الشركات المتخصصة في الذكاء الاصطناعي في تقديم تحولات استثنائية في مجال الغابات، وفي مقدمة هذه التحولات يأتي مشروع SilvaScenes. يسلط هذا البحث الضوء على التحسينات السريعة في تقنيات التعلم العميق (Deep Learning)، وتحديدًا في مجال اكتشاف الأشجار وتصنيف الأنواع.

يعد تحديد الأشجار وتصنيفها من المهام الأساسية للتشغيل الآلي للمسوح الحقلية، حيث تحتاج هذه العمليات إلى تنفيذها في ظروف تحت مظلة الأشجار (Under-Canopy)، والتي تمثل تحديًا كبيرًا بسبب العوائق الكثيفة، والإضاءة المتغيرة، وكثافة الغطاء النباتي. رغم الحاجة الملحة لهذا النوع من الأبحاث، لم يتمكن الكثير من الدراسات السابقة من توفير حلول فعالة تشمل الظروف الطبيعية، حيث كانت معظم المجموعات الحالية تركز على البيئات الحضرية أو أنواع معينة محدودة.

لتعبئة هذه الفجوة، يقدم الباحثون في SilvaScenes مجموعة بيانات نموذجيّة لدراسة تقسيم الأنواع من صور الغابات الطبيعية. تم جمع البيانات عبر خمسة مجالات مناخية حيوية في كيبيك، كندا، وتضم 1421 شجرة من 28 نوعًا مختلفًا. تشمل هذه البيانات أقنعة تجزئة لدقة تحديد جذوع الأشجار مع ملاحظات تفصيلية من الخبراء في علم الغابات.

تشير النتائج الأولية إلى أن الإجراءات الحديثة للتعلم العميق أظهرت أن تحديد الجذوع يمكن أن يتم بدقة تبلغ 69.9% في المتوسط، ولكن التحدي يكمن في تجزئة الأنواع حيث سجلت النتائج 39.2% فقط. هذا يشير إلى أهمية معالجة التوازن بين الأنواع والعوائق الناجمة عن الأشجار لتحقيق نتائج أدق.

إن التقدم في دقة الصور يساهم في تحسين الأداء، ويظهر أنه سيكون هناك الكثير من التحديات المثيرة في المستقبل لمواجهة هذه الأكواد المعقدة. ستقوم المجموعة البحثية بإتاحة مجموعة البيانات، وشفرة المصدر، والنماذج على الإنترنت، مما سيفتح الأبواب لمزيد من التطورات في هذا المجال.
ما رأيكم في هذه المبادرة الجديدة؟ كيف تعتقدون أن التقنيات الحديثة ستساهم في تحسين إدارة الغابات؟ شاركونا في التعليقات!