تعمل الوكالة الوطنية للبحث والابتكار (BRIN) على تطوير نهج قائم على الذكاء الاصطناعي (AI) لزيادة اتساق نمو الأصناف الفلفل الحار. يتم تنفيذ هذا الابتكار من خلال دمج النماذج المكانية والزمانية مع الشبكات العصبية حتى تتمكن من إنتاج تنبؤات أكثر دقة لنمو النبات تعتمد على البيانات.
وقال ديفي موناندار، الباحث الخبير المشارك في مركز أبحاث علوم البيانات والمعلومات BRIN، إن هذا الابتكار كان موجودًا للإجابة على التحديات في قطاع زراعة الفلفل الحار الذي غالبًا ما يواجه مشاكل في شكل نمو نباتي غير منتظم، على الرغم من زراعتها على نفس الأرض. ويسمى ظهور هذه المشكلة بتأثير الظروف البيئية على ديناميكيات النمو لذا فهي تحتاج إلى تقييم معقد.
طور ديفي وفريقه إطارًا هجينًا يجمع بين النموذج الخطي المكاني والزماني المختلط (STLMM) والشبكات العصبية. تُستخدم النماذج المكانية والزمانية لرسم خريطة تأثير المكان والزمان على نمو النبات، بينما تعمل الشبكات العصبية الاصطناعية على التقاط الأنماط غير الخطية التي لم تتمكن النماذج الإحصائية التقليدية من تفسيرها.
“يمكن أن تصبح نتائج هذا الابتكار عنصرا داعما نظام دعم القرار قالت ديفي في بيان مكتوب يوم الجمعة 17 يوليو 2026: “في تقييم اتساق نمو أصناف الفلفل الحار الكبيرة”. كما أوضحت هذا الابتكار في حوار استكشاف علوم البيانات والمعلومات (DESIGN) #6 الذي عقدته BRIN منذ بعض الوقت،
وقال ديفي إن هذا الابتكار ظهر بفضل التعاون مع مركز أبحاث البستنة BRIN. تم إجراء البحث مع الباحثين Rinda Kirana وWiwin Suwarningsih باستخدام بيانات تتعلق بارتفاع نباتات الفلفل الحار الكبيرة من تسعة أصناف، وهي Tanjung وBranang وCiko وLingga وPilar وSari وMegatop وInata Agrihorti وCarvi Agrihorti.
وقد تمت زراعة هذه الأصناف سابقًا في معهد ليمبانج لأبحاث محاصيل الخضروات (باليتسا)، خلال الفترة من سبتمبر إلى أكتوبر 2023. وتظهر نتائج البحث أن النموذج الهجين STLMM قادر على قمع الاختلافات المتبقية وإنتاج مستوى عالٍ من دقة التنبؤ مع متوسط نسبة الخطأ المطلق (MAPE) أقل من 10 بالمائة.
واستنادا إلى ثمانية أسابيع من الملاحظات، أظهرت ستة من الأصناف التسعة أنماط نمو متجانسة. وفي الوقت نفسه، تتمتع أصناف بيلار وميجاتوب وساري بقيم VPI أقل من عتبة 90 بالمائة، مما يشير إلى عدم تجانس النمو. يُزعم أن هذا الإنجاز أو التحليل أفضل من استخدام النموذج المكاني والزماني دون دعم الشبكة العصبية.
