الذكاء الاصطناعي لقياس المساحة الورقية للقطن: كيف جارى Petiole Pro جهاز LI-COR 3100 في بحث مستقلّ

الدراسة في لمحة

البحث — «Use of mobile applications for determining the leaf area of cotton plants» لدوارتي وزملائه — ظهر في Nativa: Pesquisas Agrárias e Ambientais (المجلّد 14، العدد 1، e20143، 2026). قُدِّم في يوليو 2025 ونُشر في مارس 2026 بمعرّف DOI مفتوح. وقد سعى المؤلّفون إلى الإجابة عن سؤال عملي: هل يستطيع تطبيق على هاتف قياس المساحة الورقية للقطن بموثوقية جهاز مخبري مخصّص؟

أُجريت التجربة في بيت محمي بالجامعة الاتحادية في روندونوبوليس (ماتو غروسو، البرازيل) من يونيو إلى أكتوبر 2023. زُرعت أربعة أصناف قطن تجارية، وقِيست المساحة الورقية أسبوعيًا بدءًا من 30 يومًا بعد الزراعة — 85 ورقة لكل صنف، قِيست كلٌّ منها بأربع طرق مختلفة، فأنتجت مجموعة بيانات كبيرة ومتكافئة لا حفنةً من الأوراق المنتقاة.

لماذا تستحقّ المساحة الورقية للقطن القياس

المساحة الورقية تقع قريبًا من مركز حياة النبتة. فهي تحكم مقدار ضوء الشمس الذي يعترضه المجموع الخضري، وتقود القدرة على التمثيل الضوئي وإنتاج المواد المُمثَّلة ضوئيًا، وهي من أوائل الصفات التي تستجيب حين تُجهَد النبتة بالماء أو العناصر الغذائية أو الحرارة أو الآفات أو المرض. وبالنسبة إلى محصول سلعي مثل القطن، يُزرع على نطاق واسع وبهوامش اقتصادية ضيّقة، يكون تتبّع المساحة الورقية نافذةً مباشرة على أداء النبات.

والمشكلة في كيفية قياسها. فالطريق التقليدي مُتلِف: تقطع الورقة، وتحملها إلى مختبر، وتمرّرها على جهاز مكتبي مثل LI-COR 3100. وهذا يعطي رقمًا دقيقًا — لكنّه يقتل الورقة، فلا تستطيع قياس تلك الورقة نفسها مجدّدًا أبدًا، وتُخلّ بتوازن النبتة الكربوهيدراتي في أثناء ذلك. أمّا الطريقة غير المُتلِفة التي تبقي النبتة سليمة فتتيح للباحثين تتبّع الورقة نفسها عبر دورة نموّ كاملة.

ولهذا بالضبط تهمّ الدراسة. فإذا كان تطبيق هاتف دقيقًا بما يكفي للثقة به، يكفّ رصد المساحة الورقية عن كونه مهمّة مخبرية مُتلِفة تجري مرّة واحدة ويصبح قياسًا حقليًا قابلًا للتكرار — من النوع الذي تستطيع إجراءه كل أسبوع على النبتة الحيّة.

كيف اختبر الباحثون كل طريقة

قارن الفريق أربع طرق للوصول إلى مساحة ورقة القطن، مستخدمًا الأوراق نفسها في كلٍّ منها:

• تطبيق Petiole Pro — قياس قائم على صورة تُلتقط بهاتف Android، معايَر باستخدام صور التطبيق المرجعية.
• تطبيق LeafArea — تطبيق هاتف ثانٍ، يتطلّب من المستخدم قياس طول كل ورقة وإدخاله لضبط المقياس.
• الأبعاد اليدوية — تقدير المساحة الورقية من الطول × العرض × معامل تصحيح (LA = W × L × f).
• LI-COR 3100 — مقياس المساحة الورقية المخبري المكتبي، المعتمَد معيارًا مرجعيًا تُحقَّق عليه الطرق الثلاث الأخرى.

وفي قياسات Petiole Pro اتّبع الباحثون سير عمل التطبيق نفسه: عايروا مقياس المساحة أولًا، ووضعوا الكاميرا عموديًا على منضدة ثابتة الارتفاع، ووضعوا كل ورقة على غشاء خلفية أبيض لتحسين التباين بين الورقة والسطح قبل أن يقيس التطبيق المساحة تلقائيًا.

وليست الخلفية البيضاء والهندسة الثابتة تفصيلين مزعجين — بل هما أساس القراءة الجديرة بالثقة كلّها. والانضباط نفسه ينطبق سواء كنت في بيت محمي أو في حقل، ولهذا كتبنا دليلًا منفصلًا عن كيف تصوّر الأوراق لقياس دقيق للمساحة الورقية.

ثم قُطعت كل ورقة وأُرسلت إلى المختبر للقياس المرجعي على LI-COR 3100. وبأربعة أرقام لكل ورقة من 340 ورقة، استطاع الباحثون تقييم كل طريقة بمجموعة من المؤشّرات الإحصائية — الارتباط والخطأ والكفاءة والتوافق وتقدير أداء مركّب.

ماذا أظهرت النتائج

الخلاصة بسيطة: أعطى Petiole Pro أدقّ تقديرات للمساحة الورقية في ثلاثة من الأصناف الأربعة — TMG44B2RF و IMA5801B2RF و FM985GLTP — وصُنِّف «ممتازًا» في كلٍّ منها. أمّا الصنف الرابع، BASF – FM 944GL، فتقدّمت فيه طريقة الطول والعرض اليدوية بفارق ضئيل، مع أنّ Petiole نال تقدير ممتاز أيضًا. وكان تطبيق LeafArea المنافس باستمرار الأضعف بين الطرق.

*بالنسبة إلى BASF – FM 944GL، كانت طريقة الطول × العرض × معامل التصحيح اليدوية الأكثر فاعلية، وتلاها Petiole عن قرب. القيم من Duarte وآخرين (2026)، الجداول 1–4 والأشكال 1–4.

واقرأ مخطّطات الانتشار يسهل عليك رؤية النمط. فحيث تتبع طريقةٌ مرجعَ LI-COR بدقّة، تقع نقاطها على القطر. ونقاط Petiole تعانق ذلك الخطّ بإحكام؛ ونقاط LeafArea تنتشر أوسع بكثير.

ماذا يعني «ممتاز» في الإحصاءات

من السهل المبالغة في قراءة رقم ارتباط واحد، فاستندت الدراسة إلى لوحة كاملة من المؤشّرات — ومن المفيد معرفة ما يخبرك به كلٌّ منها، لأنّها معًا هي ما يحوّل «التطبيق يبدو جيدًا» إلى «التطبيق مُتحقَّق منه».

• ارتباط بيرسون (r): مدى إحكام تحرّك أرقام التطبيق مع المرجع. وقد بلغ Petiole r = 0.988 في TMG44B2RF — قريبًا جدًّا من 1.0 المثالية.
• معامل التحديد (r²): حصّة التباين التي يفسّرها التطبيق. وقد بلغ Petiole r² = 0.976؛ بينما هبط LeafArea إلى 0.437.
• RMSE و MAE (الخطأ): كم تبتعد التقديرات في المتوسّط. وكانت قيم Petiole الأصغر بين الطرق المختبَرة.
• كفاءة الطريقة (ME) ودليل التوافق (d): هل تعيد الطريقة إنتاج نمط المرجع لا اتجاهه فحسب. وقد بلغ Petiole d = 0.999.
• دليل الثقة (c): مركّب من الارتباط والتوافق، مُسقَط على مقياس موسوم لدى Camargo & Sentelhas (1997). ووقع Petiole في نطاق «ممتاز»؛ بينما تراوح LeafArea بين «متوسّط» و«جيد جدًّا».

لم يحسم مؤشّر واحد الحكم. فقد نال Petiole أعلى تصنيف لأنّه كان قويًّا في كل تلك المؤشّرات دفعةً واحدة — ارتباط عالٍ، وخطأ منخفض، وكفاءة عالية، وتوافق عالٍ — وهو معيار أصعب بكثير من تجاوز قيمة r جميلة المظهر بمفردها.

من المختبر إلى الحقل

أكثر ما يثير في هذه النتيجة ليس ترتيب المتنافسين، بل ما تفتحه طريقة دقيقة وغير مُتلِفة. فلأنّك لا تقطع الورقة أبدًا، تستطيع قياس ورقة القطن نفسها مجدّدًا الأسبوع المقبل، و الذي يليه — فتتحوّل اللقطة الواحدة إلى منحنى نموّ.

وهذا بالضبط نوع القياس المتكرّر الذي يتيح للباحثين والمهندسين الزراعيين رؤية كيف تستجيب نبتة القطن للأشياء التي تحدّد الموسم فعلًا:

• التسميد وإدارة العناصر الغذائية؛
• الري وتوافر الماء؛
• المناخ والإجهاد الحراري؛
• ضغط الآفات والأمراض؛
• وقرارات الإدارة المتّخذة استجابةً لكل ما سبق.

كما يخفض ذلك حاجز الدخول. فجهاز LI-COR 3100 دقيق لكنّه باهظ ومقيّد بالمختبر؛ أمّا الهاتف فهو أصلًا في جيب الباحث. وفي المناطق محدودة الوصول إلى المعدّات المخبرية — ومنها جزء كبير من حزام القطن العالمي — لا يكون التطبيق المُتحقَّق منه تنازلًا، بل الفرق بين القياس وعدم القياس أصلًا. والتحوّل نفسه نحو قياس صحة النبات مباشرةً على النبتة الحيّة يمتدّ عبر عملنا في تقييم ضرر المساحة الورقية الميتة بالذكاء الاصطناعي، ويقوم عليه دور Petiole Pro الأوسع بوصفه أداة تنميط ظاهري للنبات تعمل على الجهاز.

قِس المساحة الورقية للقطن بنفسك

لست بحاجة إلى تجربة في بيت محمي لتكرار الطريقة التي استخدمها الباحثون. فتطبيق Petiole Pro المجاني يجري القياس نفسه على الجهاز — وسير العمل بسيط عن قصد.

1. عايِر. ضع ورقتك على لوحة معايرة Petiole Pro، أو اضبط مقياس المساحة باستخدام صور التطبيق المرجعية، ليتسنّى تحويل البكسلات إلى سم² حقيقية.
2. صوّر. التقط عموديًا على الورقة، وهي مسطّحة على خلفية بسيطة عالية التباين — والغشاء الأبيض الذي استخدمه الباحثون يفي بالغرض جيدًا.
3. حلّل. يقسّم التطبيق الورقة عن الخلفية ويعيد مساحتها ومحيطها بوحدات حقيقية، على الهاتف، في ثوانٍ.
4. كرّر على مدى زمني. ولأنّ شيئًا لا يُتلَف، قِس الورقة نفسها مجدّدًا كل أسبوع لتبني منحنى لا نقطة واحدة.

وإليك مخرجات Leaf Analysis تلك على أوراق حقيقية — كلٌّ منها مقسَّمة بنظافة عن خلفيتها، بالمساحة و المحيط مبلَّغًا عنهما مباشرةً:

وما إذا كنت تحتاج إلى لوحة المعايرة أصلًا يتوقّف على ما تقيسه وكيف؛ ونحن نغطّي ذلك القرار بالتفصيل في هل أحتاج إلى لوحة معايرة لـ Petiole Pro؟

حدود صادقة وممارسات جيدة

الأداة المُتحقَّق منها ليست أداةً سحرية، والدراسة صريحة في ذلك على نحو منعش. فالطرق الرقمية غير المُتلِفة لا تزال تحتاج إلى معايرة وتحقّق لكل نوع، وبعض الصور تتطلّب تعديلًا يدويًا قبل أن يستقيم التقسيم. والنتيجة في الصنف الذي حلّ فيه التطبيق ثانيًا، BASF – FM 944GL، تذكير بأنّ مورفولوجيا الأوراق تتباين وأنّ لا طريقة واحدة هي الأفضل لكل شيء.

والقواعد العملية المستخلَصة من الورقة — ومن سنوات من قياس الأوراق بالتطبيق — تستحقّ البقاء في الأذهان:

• الإضاءة والخلفية واستواء الورقة تهمّ. فالخلفية البسيطة عالية التباين والضوء المتجانس هما ما يجعل التقسيم نظيفًا.
• عايِر من أجل الأرقام المطلقة. فالنِّسب المئوية تحتاج إلى صورة فحسب؛ أمّا سم² الحقيقية فتحتاج إلى مقياس معلوم داخل الإطار.
• تحقّق من صحّتها لمحصولك. فتطبيق أُثبت على القطن ليس مُثبتًا تلقائيًا على نوعك — فاختبره مقابل مرجع في المرّة الأولى.
• توقّع تعديلًا يدويًا عرضيًا. فالحواف الممزّقة والفصوص المتداخلة والأشكال الصعبة تحتاج أحيانًا إلى خطّ خارجي مصحَّح.

هكذا ينبغي أن ينمو الذكاء الاصطناعي العملي في الزراعة: لا صندوقًا أسود، بل أداةً مختبَرة تُقارن علنًا بطرق مرجعية موثوقة — وتُستخدم بحُكم.

القصة وراء الدراسة

شاركت مؤسِّسة Petiole Pro، د. مارينا كوزمينكو، النتيجة على LinkedIn — لا احتفاءً بلوحة نتائج، بل لأنّ التحقّق الأكاديمي المستقلّ مقابل مرجع مخبري هو أقوى نوع من الثقة يمكن أن تناله أداة قياس. فـ«الدقّة أولًا» كانت شعار التطبيق منذ البداية.

وهو جزء من حوار أوسع يديره الفريق عن الذكاء الاصطناعي في الزراعة — من التنميط الظاهري للأوراق إلى وكلاء الذكاء الاصطناعي الذين سيتصرّفون يومًا ما بناءً على هذا النوع من البيانات تلقائيًا.