نموذج S²FI المبني على Mamba يقيّم جودة الفاكهة من الفيديو: مجموعة بيانات من 6460 مقطعًا

اقترح مؤلفو الدراسة المنشورة مسبقًا arXiv:2610.12868 نظام S²FI (Selective Spatio-Temporal Fruit Inspector)، وهو بنية لفرز الفاكهة حسب الجودة تنظر إلى الثمرة وهي تتحرك، لا إلى لقطة واحدة. يعتمد المُرمِّز على الالتفافات ثلاثية الأبعاد، أما أساس النموذج فهو Mamba بتعقيد خطي بالنسبة إلى طول التسلسل. جمع الفريق مجموعة بيانات خاصة من 6 460 عينة فيديو مأخوذة من السير الناقل، ويؤكد أن طريقته تتفوق على النماذج المرجعية المقارَنة في عينة الاختبار المعزولة. وثمة تحفظ أساسي: لا يتضمن الملخص قيمًا محددة للدقة أو زمن الاستجابة، وسيتعين البحث عنها في النص الكامل للورقة.

الفجوة بين الفرز اليدوي والخطوط المكلفة

يصوغ المؤلفون المشكلة بوضوح. فمجمّعات الفرز الذكية الكبيرة باهظة الثمن على صغار ومتوسطي منتجي الفواكه والخضروات. الفرز اليدوي أرخص، لكنه يعاني من ثلاث مشكلات: انخفاض الإنتاجية، وتفاوت المعايير بين شخص وآخر، والحاجة الكبيرة إلى اليد العاملة. وبين هذين القطبين تبقى فجوة فارغة، وهي ما يحاول S²FI شغله: نظام خفيف منخفض التكلفة قائم على التعلم العميق، يمكن نشره بسرعة في مزرعة صغيرة.

كيف يعمل النموذج

الفكرة الأساسية أن الإطار الواحد لا يعكس حالة الثمرة جيدًا. فقد يوجد العيب على الجهة الخلفية، وفي إطار بعينه تحجبه ثمرة مجاورة أو قطعة من السير الناقل. لذلك تُدار الثمرة على نفسها، ويتلقى النموذج مقطع فيديو.

تجري المعالجة على النحو الآتي:

• يستخرج المُرمِّز الالتفافي ثلاثي الأبعاد سمات مكانية زمنية من المقطع.
• تعمل البنية الأساسية المبنية على Mamba، أي نماذج فضاء الحالة، على نمذجة الاعتماديات بعيدة المدى بين الإطارات بتعقيد خطي. أما في self-attention التقليدي فينمو التعقيد تربيعيًا، وهذا فارق محسوس بالنسبة إلى الأجهزة المدمجة.
• تمنح آلية انتقائية أوزانًا تكيفية للإطارات المفيدة أثناء الدوران. أما الإطارات التي يشوبها تشوش حركي أو انسداد فتحصل على وزن أقل.

ويقول المؤلفون إن هذا النهج يقلل أثر motion blur والانسدادات (occlusions)، وهما أكبر عدوّين للرؤية الحاسوبية على سير ناقل متحرك.

العتاد والبيانات

يخصص جزء مستقل من الدراسة للمنصة العتادية. فهي مبنية على سير ناقل مزدوج ومرشد منحنٍ: تمر الثمرة على سكة، وتدور، ثم تدخل في مجال رؤية الكاميرا. وقد صُمم الهيكل ليعمل بالتيار الكهربائي المنزلي، وليُنشر بسرعة، وليدعم الاستدلال (inference) الخفيف على الأجهزة المدمجة.

أهم المعطيات الواردة في الملخص:

• البنية: مُرمِّز 3D-CNN + بنية أساسية Mamba
• المدخل: فيديو لثمرة تدور
• مجموعة البيانات: 6 460 عينة فيديو من السير الناقل
• التقييم: عينة اختبار معزولة، ومقارنة بنماذج مرجعية
• الطاقة: شبكة الكهرباء المنزلية
• نمط الاستخدام المستهدف: نشر خفيف على أجهزة مدمجة

وتمثل مجموعة البيانات بحد ذاتها جزءًا مهمًا من مساهمة الدراسة. فمجموعات الفيديو العامة لتقييم جودة الثمار على السير الناقل قليلة، ومجموعة خاصة من 6 460 عينة توفر نقطة مقارنة قابلة لإعادة الإنتاج، إن نشرها المؤلفون. لكن الملخص لا يقول شيئًا في هذا الشأن.

ما يجب التحقق منه قبل الاحتفاء

يبدو الادعاء بتحقيق «أفضل توازن بين الدقة والسرعة والعملية» مقنعًا، لكنه لا يزال حتى الآن مجرد قول للمؤلفين. ولتقدير الفائدة العملية ينبغي البحث في النص الكامل عن عدة أمور:

• على أي جهاز مدمج بالتحديد قيست السرعة، وما الإنتاجية التي تحققت بعدد الثمار في الدقيقة.
• أي المحاصيل وأي أنواع العيوب دخلت في مجموعة البيانات. فالنموذج المدرَّب على نوع واحد من الفاكهة لا ينتقل دائمًا إلى نوع آخر.
• مدى ثبات النتيجة عند تغيّر الإضاءة والكاميرا: ففي المستودعات الحقيقية نادرًا ما تطابق الإضاءة ظروف المختبر.
• هل نُشرت الشيفرة والأوزان والبيانات.

والخلاصة بالنسبة إلى المزارع بسيطة. إذا تأكدت الأرقام الواردة في الورقة، فسيصبح خط الفرز العامل بالكهرباء المنزلية ومعه وحدة حوسبة مدمجة بديلًا واقعيًا لفريق من عمال الفرز. أما المهندسون فيهمّهم أمر آخر: إذ يُظهر Mamba في مهمة تطبيقية على عتاد مدمج أين يمنح التعقيد الخطي مكسبًا حقيقيًا، لا مجرد سطر جميل في جدول benchmarks. والخطوة التالية هي التحقق المستقل على محاصيل أخرى وفي الظروف الميدانية.