هوش مصنوعی مولد به رایانه‌ها می‌آموزد بیماری‌های انار را در باغ شناسایی کنند
انار به‌دلیل داشتن مقادیر فراوان آنتی‌اکسیدان‌ها و ویتامین‌ها، در هند و بسیاری از نقاط جهان به‌عنوان یک ابرغذا شناخته می‌شود. بااین‌حال، بیماری‌های مختلفی می‌توانند کیفیت این میوه را مدت‌ها پیش از برداشت، به‌تدریج کاهش دهند و مسیر انتقال آن از باغ به بازار را با مشکل مواجه کنند. شناسایی زودهنگام آلودگی‌ها اهمیت زیادی دارد و پژوهشگران مدت‌هاست امیدوارند بتوانند این کار را با استفاده از یادگیری عمیق به‌صورت خودکار انجام دهند. پژوهشی جدید در دانشگاه دکتر دی. وای. پاتیل در شهر پونه هند، به یکی از موانع اصلی این حوزه می‌پردازد: کمبود تصاویر میدانی باکیفیت که به‌صورت یکنواخت و دقیق برچسب‌گذاری شده باشند و بتوان از آن‌ها برای آموزش مدل‌های قابل‌اعتماد تشخیص بیماری استفاده کرد.
این پژوهش را گروهی به سرپرستی روتوجا سوبهاش ماگار و با همکاری نیلکانت موکوند دشپانده و سواتی شارما انجام داده‌اند. مقاله آن‌ها به‌صورت دسترسی آزاد در مجله BMC Plant Biology منتشر شده و شناسه دیجیتال آن DOI: 10.1186/s12870-026-09854-3 است. محور اصلی پژوهش، سامانه‌ای مولد مبتنی بر ترکیب شبکه‌های مولد تخاصمی و مدل‌های انتشار است که تصاویر مصنوعی باکیفیت و متنوع تولید می‌کند تا مجموعه‌داده‌های مربوط به بیماری‌های انار غنی‌تر شوند. این چارچوب به‌جای اتکا به تصاویر واقعیِ محدود، نمونه‌هایی واقع‌گرایانه می‌سازد که به مدل‌های طبقه‌بندی کمک می‌کنند میوه‌های سالم را از میوه‌های بیمار، حتی در شرایط دشوار محیط واقعی، تشخیص دهند.
مشکلی که پژوهشگران با آن روبه‌رو شدند، برای فعالان حوزه بینایی ماشین در کشاورزی آشناست. شرایط محیطی باغ‌ها متغیر و پیش‌بینی‌ناپذیر است: تغییر شدت نور، سایه‌ها، پوشیده‌شدن میوه‌ها به‌وسیله برگ‌ها و شاخه‌ها و تفاوت زاویه دوربین، همگی می‌توانند کیفیت تصاویر را کاهش دهند. افزون بر این، برچسب‌گذاری داده‌ها اغلب یکدست نیست و ممکن است افراد مختلف علائم یکسان بیماری را به شکل‌های متفاوتی دسته‌بندی کنند. این مشکلات عملکرد مدل‌های یادگیری عمیق را محدود می‌کنند؛ مدل‌هایی که برای تعمیم‌پذیری مناسب معمولاً به حجم زیادی از داده‌های دقیق و برچسب‌گذاری‌شده نیاز دارند. گروه پژوهشی پونه داده‌های میدانی را جمع‌آوری و پردازش کرد و سپس از شبکه مولد تخاصمی برای تولید تصاویر متنوع و واقع‌گرایانه با هدف شناسایی و تشخیص بیماری‌های انار بهره گرفت.
از نظر فنی، این سامانه دو رویکرد قدرتمند در مدل‌سازی مولد را با یکدیگر ترکیب می‌کند. در شبکه‌های مولد تخاصمی، یک مولد و یک تشخیص‌دهنده در فرایندی رقابتی آموزش می‌بینند تا مولد به‌تدریج تصاویری تولید کند که از عکس‌های واقعی قابل‌تمایز نباشند. مدل‌های انتشار، که در سال‌های اخیر تحولی مهم در یادگیری مولد ایجاد کرده‌اند، با افزودن تدریجی نویز به تصاویر و سپس یادگیری فرایند معکوس آن کار می‌کنند؛ روشی که امکان کنترل دقیق‌تر فرایند تولید تصویر را فراهم می‌سازد. پژوهشگران با ادغام این دو رویکرد در چارچوبی ترکیبی، تلاش کردند تنوع بالای شبکه‌های مولد تخاصمی را با پایداری و کیفیت تولید تصاویر در مدل‌های انتشار تلفیق کنند و درعین‌حال، برخی محدودیت‌های هر روش را در صورت استفاده مستقل کاهش دهند.
ارزیابی مدل‌های مولد به معیارهای تخصصی نیاز دارد و گروه پژوهشی نتایج سامانه را با استفاده از چند معیار استاندارد گزارش کرده است. این سامانه امتیاز فاصله فرشه تا اینسپشن (FID) برابر با ۲۲٫۴۰ به دست آورد؛ معیاری که در آن مقادیر کمتر نشان‌دهنده شباهت آماری بیشتر تصاویر مصنوعی به تصاویر واقعی است. امتیاز اینسپشن (IS) نیز به ۴۹٫۷۵ رسید که کیفیت و تنوع نمونه‌های تولیدشده را منعکس می‌کند. شاخص تنوع LPIPS برابر با ۶۹٫۸۶ درصد گزارش شد که از تفاوت ادراکی قابل‌توجه میان تصاویر مصنوعی حکایت دارد. دقت طبقه‌بندی سامانه نیز ۷۶ درصد بود. این نتایج در مقایسه با مدل‌های پایه شبکه‌های مولد تخاصمی بهبود محسوسی را نشان می‌دهند و بیانگر آن هستند که رویکرد ترکیبی در مقایسه با روش‌های مولد متداول، نمونه‌هایی متنوع‌تر و واقع‌گرایانه‌تر تولید می‌کند.
اهمیت زمانی این پژوهش را باید در روند گسترده‌تر استفاده از هوش مصنوعی در کشاورزی جست‌وجو کرد. مدل‌های یادگیری ماشین برای تشخیص بیماری‌های گیاهی به‌سرعت گسترش یافته‌اند، اما بسیاری از آن‌ها با مجموعه‌داده‌های آزمایشگاهیِ گزینش‌شده آموزش می‌بینند که عملکردشان لزوماً به محیط واقعی مزرعه و باغ منتقل نمی‌شود. پژوهشگران پونه تأکید می‌کنند که ترکیب مجموعه‌داده‌های جمع‌آوری‌شده در مزرعه و دارای برچسب‌های مشخص با افزایش داده به کمک مدل‌های مولد، می‌تواند طبقه‌بندی میوه‌های سالم و بیمار را در محیط واقعی کشاورزی قابل‌گسترش‌تر و قابل‌اعتمادتر کند. این مسئله برای محصولی مانند انار اهمیت دارد که ارزش اقتصادی و غذایی زیادی در هند دارد و بیماری‌های آن می‌توانند هم میزان محصول و هم کیفیت میوه را کاهش دهند.
کاربردهای این روش به انار محدود نمی‌شود. معماری این چارچوب، شامل جمع‌آوری داده‌های میدانی، برچسب‌گذاری دقیق و افزایش داده با ترکیب شبکه‌های مولد تخاصمی و مدل‌های انتشار، می‌تواند برای محصولات دیگری که با کمبود داده روبه‌رو هستند نیز سازگار شود. با تشدید فشار ناشی از آفات و بیماری‌ها بر کشاورزی جهان در پی تغییرات اقلیمی، ابزارهایی که به کشاورزان امکان می‌دهند آلودگی‌ها را زودتر تشخیص دهند، اهمیت بیشتری پیدا می‌کنند. پژوهشگران معتقدند رویکرد آن‌ها می‌تواند سامانه‌های شناسایی و تشخیص بیماری را بهبود دهد و الگویی برای استفاده از یادگیری مولد به‌منظور پرکردن فاصله میان داده‌های میدانی محدود و مدل‌های قدرتمندی فراهم کند که کشاورزی مدرن به آن‌ها نیاز دارد.
نویسندگان پژوهش اعلام کرده‌اند که کدهای برنامه در اختیار روتوجا ماگار است و در صورت درخواست قابل‌دریافت خواهد بود؛ اقدامی که امکان بازتولید نتایج را تقویت می‌کند. این پژوهش بودجه خارجی دریافت نکرده و هزینه انتشار مقاله به‌صورت دسترسی آزاد را دانشگاه دکتر دی. وای. پاتیل در پونه تأمین کرده است. مقاله در ۱۶ سپتامبر ۲۰۲۶ منتشر شد و پذیرش آن به ۲۶ اوت ۲۰۲۶ بازمی‌گردد. متن مقاله تحت مجوز کرییتیو کامنز و به‌صورت دسترسی آزاد منتشر شده است؛ بنابراین پژوهشگران سراسر جهان می‌توانند بدون محدودیت دسترسی ناشی از دیوار پرداخت، از یافته‌های آن استفاده کنند و پژوهش‌های بعدی را بر پایه آن توسعه دهند.
در شرایطی که یادگیری مولد حوزه‌هایی از کشف دارو تا مدل‌سازی اقلیم را متحول می‌کند، این پژوهش نمونه‌ای عملی از چگونگی استفاده از داده‌های مصنوعی برای مقابله با یکی از مشکلات دیرپای کشاورزی است: کمبود تصاویر میدانی باکیفیت و دارای برچسب‌گذاری یکنواخت و دقیق. برای تولیدکنندگان انار و متخصصان فناوری کشاورزی، این مطالعه نشان می‌دهد که شناسایی بیماری با هوش مصنوعی به استفاده عملی و قابل‌اعتماد در باغ‌های واقعی نزدیک‌تر می‌شود و دیگر صرفاً به محیط‌های آزمایشگاهی کنترل‌شده محدود نیست.
انتخاب معیارهای ارزیابی در این پژوهش با رویه‌های تثبیت‌شده برای سنجش مدل‌های مولد مطابقت دارد. در محاسبه فاصله فرشه تا اینسپشن، تصاویر واقعی و تولیدشده از طریق یک شبکه اینسپشنِ ازپیش‌آموزش‌دیده به نمایش‌های ویژگی تبدیل می‌شوند و سپس توزیع آماری این ویژگی‌ها با یکدیگر مقایسه می‌شود. بنابراین، امتیاز ۲۲٫۴۰ نشان می‌دهد که تصاویر مصنوعی انار از نظر آماری به فضای ویژگی تصاویر واقعیِ گرفته‌شده در باغ نزدیک هستند. در مقابل، امتیاز اینسپشن به تصاویری پاداش می‌دهد که هم پیش‌بینی رده آن‌ها به‌صورت جداگانه اطمینان بالایی داشته باشد و هم مجموعه تصاویر از تنوع کافی میان رده‌ها برخوردار باشد. از این رو، امتیاز گزارش‌شده ۴۹٫۷۵ بیانگر تنوعی است که مولد ترکیبی به دست آورده است. معیار LPIPS یا «شباهت ادراکی وصله‌های تصویرِ یادگرفته‌شده» فاصله را در فضایی از ویژگی‌ها می‌سنجد که برای تقلید از قضاوت بصری انسان طراحی شده است. در نتیجه، شاخص تنوع ۶۹٫۸۶ درصد نشان می‌دهد که نمونه‌های تولیدشده صرفاً نسخه‌هایی تقریباً یکسان از یکدیگر نیستند؛ مشکلی که زمانی رخ می‌دهد که مدل‌های مولد به‌جای یادگیری الگوی کلی داده‌ها، نمونه‌های آموزشی خود را حفظ و بازتولید کنند.
خطر حفظ‌کردن تصاویر آموزشی به‌جای یادگیری الگوهای کلی، شایسته توجه ویژه است. یکی از نگرانی‌های همیشگی در افزایش داده با نمونه‌های مصنوعی این است که مولد به‌جای یادگیری توزیع واقعی علائم بیماری، تصاویر آموزشی را با تغییرات جزئی بازتولید کند. در چنین شرایطی، داده‌های افزوده‌شده اطلاعات تازه چندانی به مجموعه‌داده اضافه نمی‌کنند و حتی ممکن است خطاهای برچسب‌گذاری را تشدید کنند. توجه گروه پژوهشی پونه به معیارهای تنوع نشان می‌دهد که آن‌ها این خطر را در نظر داشته‌اند. ترکیب تولید مبتنی بر شبکه‌های مولد تخاصمی با مدل‌سازی انتشار نیز یکی از راهبردهایی است که پژوهشگران برای سوق‌دادن مدل‌های مولد به سمت ساخت نمونه‌های واقعاً جدید، به‌جای نسخه‌های درون‌یابی‌شده از داده‌های موجود، بررسی کرده‌اند.
دقت طبقه‌بندی ۷۶ درصدی باید با دقت تفسیر شود. این رقم در پژوهش حاضر در مقایسه با مدل‌های پایه شبکه‌های مولد تخاصمی بهبود محسوسی محسوب می‌شود، اما هم‌زمان فاصله باقی‌مانده میان ارزیابی‌های آزمایشگاهی و عملکرد نزدیک به صددرصدی‌ای را نشان می‌دهد که گاهی در مجموعه‌داده‌های گزینش‌شده گزارش می‌شود. تصاویر ثبت‌شده در محیط واقعی باغ با عوامل مزاحمی همراه‌اند که در تصاویر آزمایشگاهی وجود ندارند: میوه‌ها ممکن است در مراحل مختلف رسیدگی باشند، علائم بیماری‌های متفاوت می‌توانند به یکدیگر شباهت داشته باشند، آسیب‌های ناشی از شرایط محیطی و ضربه ممکن است با نشانه‌های عفونت اشتباه شوند و شاخ‌وبرگ باغ نیز پس‌زمینه‌ای شلوغ ایجاد کند. در چنین شرایطی، دقت ۷۶ درصدی ممکن است بازتاب واقع‌بینانه‌تری از وضعیت فعلی این فناوری در محیط واقعی باشد تا ارقام بالاتری که در شرایط کنترل‌شده به دست می‌آیند. این نتیجه همچنین اهمیت استفاده از داده‌های آموزشی واقع‌گرایانه را برای پیاده‌سازی عملی سامانه‌ها برجسته می‌کند.
کشت انار نمونه‌ای مناسب برای آزمایش این رویکرد پژوهشی است. هند یکی از بزرگ‌ترین تولیدکنندگان انار در جهان به شمار می‌رود و بخش مهمی از تولید این محصول در ایالت‌هایی مانند ماهاراشترا متمرکز است. ارزش اقتصادی انار تا حد زیادی به کیفیت ظاهری آن هنگام عرضه در بازار وابسته است. بیماری‌های این محصول می‌توانند به ایجاد ضایعات، تغییر رنگ و پوسیدگی در میوه و شاخ‌وبرگ منجر شوند و تشخیص برخی علائم مشابه از یکدیگر، حتی با مشاهده چشمی، به دانش تخصصی نیاز دارد. برچسب‌گذاری یکنواخت چنین تصاویری کاری زمان‌بر است و به تخصص در زمینه بیماری‌های گیاهی نیاز دارد؛ به همین دلیل، ناهماهنگی در برچسب‌گذاری در این پژوهش به‌عنوان یکی از موانع اصلی شناسایی شده است. افزایش داده به کمک مدل‌های مولد نمی‌تواند برچسب‌های اشتباه را اصلاح کند، اما هنگامی که مجموعه‌ای اولیه از داده‌های قابل‌اعتماد و دقیق در دسترس باشد، می‌تواند تعداد نمونه‌های دارای برچسب صحیح را افزایش دهد.
معماری ترکیبی شبکه‌های مولد تخاصمی و مدل‌های انتشار همچنین بازتاب‌دهنده روندی گسترده‌تر در پژوهش‌های مربوط به مدل‌های مولد است. شبکه‌های مولد تخاصمی اولیه به‌دلیل سرعت و توانایی تولید تصاویر واضح مورد توجه قرار گرفتند، اما ناپایداری در آموزش، فروپاشی مُد و دشواری مقیاس‌پذیری برای توزیع‌های پیچیده از محدودیت‌های شناخته‌شده آن‌ها بود. مدل‌های انتشار به‌عنوان جایگزینی باثبات‌تر و با توانایی پوشش بهتر مُدهای مختلف داده مطرح شدند، هرچند تولید نمونه در آن‌ها به تکرارهای محاسباتی پرهزینه نیاز دارد. ترکیب این دو رویکرد تلاشی برای بهره‌گیری از نقاط قوت هر دو است. تصویربرداری کشاورزی، به‌دلیل بافت‌های پیچیده، تغییرات تدریجی و ظریف علائم بیماری و شباهت زیاد میان رده‌های مختلف، حوزه‌ای دشوار برای چنین سامانه‌هایی محسوب می‌شود. بهبود گزارش‌شده در مقایسه با مدل‌های پایه شبکه‌های مولد تخاصمی نشان می‌دهد که طراحی ترکیبی در این کاربرد مزایای قابل‌اندازه‌گیری داشته است.
برای متخصصانی که قصد دارند رویکردهای مشابهی را به کار بگیرند، طراحی این پژوهش چند نکته کاربردی دارد. نخست آنکه جمع‌آوری داده‌های میدانی باید از ابتدا با تدوین دستورالعمل‌های مشخص برای برچسب‌گذاری همراه باشد؛ زیرا اصلاح برچسب‌های ناهماهنگ در تصاویری که به شیوه‌های متفاوت ثبت شده‌اند، دشوار است. دوم آنکه افزایش داده با نمونه‌های مصنوعی باید مکمل داده‌های واقعیِ محیط مزرعه باشد، نه جایگزین آن‌ها؛ زیرا نمونه‌های مصنوعی ممکن است سوگیری‌های موجود در توزیع داده‌های آموزشی مولد را نیز به ارث ببرند. سوم آنکه ارزیابی باید چند معیار را در بر بگیرد، همان‌طور که در این پژوهش انجام شده است، زیرا هیچ معیار واحدی به‌تنهایی نمی‌تواند هم‌زمان کیفیت شباهت به داده‌های واقعی و تنوع تصاویر تولیدشده را نشان دهد. انتشار مقاله با مجوز کرییتیو کامنز و دسترسی آزاد، در کنار امکان دریافت کد از نویسندگان با درخواست، موانع پیش روی گروه‌های پژوهشی دیگر را برای بازتولید این فرایند و آزمایش آن روی محصولات کشاورزی متفاوت کاهش می‌دهد. این ویژگی ممکن است ماندگارترین دستاورد این مطالعه برای یادگیری ماشین در کشاورزی باشد.
موضوع پژوهش: سامانه‌ای مبتنی بر یادگیری مولد که شبکه‌های مولد تخاصمی را با مدل‌های انتشار ترکیب می‌کند تا تصاویر مصنوعی باکیفیتی از بیماری‌های انار تولید کند و شناسایی بیماری را در محیط واقعی باغ بهبود دهد.
عنوان مقاله: مجموعه‌داده‌ای برچسب‌گذاری‌شده از تصاویر ثبت‌شده در محیط واقعی برای شناسایی دقیق و تعمیم‌پذیر بیماری‌های انار با استفاده از یادگیری مولد
منابع مقاله: ماگار، ر. س.، دشپانده، ن. م. و شارما، س. (۲۰۲۶). «مجموعه‌داده‌ای برچسب‌گذاری‌شده از تصاویر ثبت‌شده در محیط واقعی برای شناسایی دقیق و تعمیم‌پذیر بیماری‌های انار با استفاده از یادگیری مولد». BMC Plant Biology. https://doi.org/10.1186/s12870-026-09854-3
اعتبار تصویر: تولیدشده با هوش مصنوعی
شناسه دیجیتال مقاله (DOI): 10.1186/s12870-026-09854-3
کلیدواژه‌ها: انار، یادگیری مولد، شبکه مولد تخاصمی (GAN)، مدل انتشار، داده مصنوعی، شناسایی بیماری گیاهی، یادگیری عمیق، بینایی ماشین، کشاورزی، فاصله فرشه تا اینسپشن (FID)، داده‌های ثبت‌شده در محیط واقعی، برچسب‌گذاری‌شده