نظام متنقل قائم على الذكاء الاصطناعي لإزالة الشوائب في حصاد البطاطس اللامركزي

تم تطوير نظام متنقل متقدم متعدد الاستعمالات يعتمد على الذكاء الاصطناعي لإزالة الشوائب تلقائياً وتم دمجه في آلات حصاد البطاطس لبيئات الزراعة اللامركزية في اليابان. على عكس الأنظمة الثابتة القائمة في مراكز المعالجة المركزية، يتيح هذا النموذج المتنقل إزالة الشوائب في الحقل مباشرة ووقتياً من خلال منهجية تقييم مزدوجة منظمة. يدمج النظام بنية YOLOX-small مع مشغلات هوائية دقيقة ويحقق معالجة بسرعة 40-50 إطار في الثانية تحت ظروف الحقل الديناميكية. أظهرت صلاحية الخوارزمية عبر 10 أصناف بطاطس متنوعة شكلياً (Danshaku, Harrow Moon, Hokkaikogane, Kitaakari, Kitahime, May Queen, Sayaka, Snowden, Snow March وToyoshiro) باستخدام التحليل القائم على العد اعترافًا استثنائيًا، مع معدلات تصنيف خاطئ للبطاطس بنسبة 0.08 ± 0.03% (النطاق: 0.01–0.32%) ومعدلات اكتشاف الشوائب بنسبة 89.99 ± 1.25% (النطاق: 80.00–93.30%). أظهرت صلاحية عابرة للمزارع في سبع مزارع تجارية في هوكايدو اتساقًا قويًا للخوارزمية (PMR: 0.08 ± 0.03%, IDR: 90.56 ± 0.82%) دون الحاجة إلى معايرة خاصة بكل مزرعة، مما يؤكد عملًا مستقلًا عن التنوع البيئي والتنوع الصنفي. أكَّد التحقق الميداني باستخدام تحليل قائم على الوزن خلال الحصاد الفعلي بسرعة 1–4 كم/س نجاح الترجمة من الذكاء الاصطناعي إلى العمل الميداني، مع تصنيف خاطئ للبطاطس بنسبة 0.22–0.42% وإزالة شوائب تكيّفية بنسبة 71.43–85.29%. تكيف النظام بذكاء، مستخدمًا فرزًا محافظًا تحت أحمال شوائب عالية (71.43% إزالة، 0.33% تصنيف خاطئ) لإعطاء الأولوية للحفاظ على البطاطس مع تعظيم الكفاءة تحت الظروف القياسية (85.29% إزالة، 0.30% تصنيف خاطئ). نجح الإطار التقييمي المزدوج في سد الفجوة بين دقة الذكاء الاصطناعي في المختبرات وفعاليته في العمليات الزراعية. تجاوزت الخوارزمية المقترحة أهداف المشروع في جميع الظروف المختبرة (>60% إزالة شوائب، <1% تصنيف خاطئ للبطاطس). يثبت هذا التكامل الناجح الجدوى التقنية والصلاحية التجارية لأتمتة الزراعة على نطاق واسع، مع تقليل مؤكد للعمالة بنسبة 50% (من أربعة إلى عاملين). يوفر هذا التطبيق منهجية تحقق شاملة لأنظمة الحصاد المستقلة من الجيل التالي.