Back to blog
الذكاء الاصطناعي في الزراعة

البيوت المحمية الذكية: تحكّم تنبؤي لا ارتجاعي

خفض التحكّم التنبؤي طاقة أنظمة التحكّم بأكثر من ٥٥ في المئة في إحدى الدراسات. وشرطه الحقيقي هو البيانات لا التقنية؛ إليكم دليلاً عملياً للبدء خطوة بخطوة.

تیم قطره٣ سبتمبر ٢٠٢٦5 min read
البيوت المحمية الذكية: تحكّم تنبؤي لا ارتجاعي

البيت المحمي بيئة خاصة من حيث إن كل شيء فيه تقريباً قابل للضبط: الحرارة والرطوبة والتهوية والإضاءة وتركيز ثاني أكسيد الكربون. أي أن المتغيّرات، بخلاف الزراعة المكشوفة، في يد المشغّل نفسه.

لكن هذه القابلية للضبط تُخفي مسألة. فضبط هذه المتغيّرات يجري عادةً بمنظّم حراري ومؤقّت: إن تجاوزت الحرارة هذا الحد تعمل المروحة، وإن انخفضت يعمل التدفئة. هذا المنطق يعمل، لكنه ارتجاعي دائماً — يتدخّل بعد خروج الظروف عن المدى المطلوب، وكلفة إعادتها أعلى دائماً من كلفة الإبقاء عليها.

وهنا يكمن فرق التحكّم الذكي: التنبّؤ بدل رد الفعل.

الرقم الذي يُظهر هذا الفرق

بحث اختبر متحكّماً قائماً على التعلّم المعزّز العميق مع تحسين مقاوم في بيت محمي شبه مغلق سجّل خفضاً يتجاوز ٥٥ في المئة في استهلاك الطاقة المرتبط بأنظمة التحكّم.

وهذا لا يعني أن استهلاك الطاقة الكلي للبيت المحمي ينخفض إلى النصف، بل أن الجزء المصروف على تشغيل معدّات التحكّم وإطفائها ينخفض بوضوح. والتمييز بين القراءتين مهم وكثيراً ما يُطمس في المواد الترويجية.

وأساس هذا التحكّم تنبّؤ دقيق. فدراسة جمعت خوارزميتَي أشجار قرار معزّزة بلغت معامل تحديد ٠٫٩٩٧٢ للحرارة و٠٫٩٩٧٦ للرطوبة في التنبّؤ بالظروف الداخلية. أي أن النموذج يفسّر تقريباً كل تغيّرات هذين المتغيّرين ويقدّر حالة الساعة القادمة بخطأ ضئيل جداً.

ومتى أمكن التنبّؤ بالحالة المقبلة بهذه الدقة، أمكن رفع التهوية بهدوء قبل بلوغ الحرارة عتبة الضبط — بدل أن تعمل المروحة بكامل طاقتها بعد تجاوز المدى المطلوب.

لماذا التنبّؤ أرخص من رد الفعل؟

ثلاثة أسباب عملية:

  • تعمل المعدّات عند نقطتها المثلى. فالمروحة التي تتأرجح بين الطاقة الكاملة والإطفاء تستهلك أكثر من مروحة تعمل بحمل جزئي ثابت.
  • يقلّ تذبذب الحرارة. والنبات حسّاس للتذبذب؛ والبيئة الأكثر استقراراً تعطي محصولاً أفضل عادةً.
  • يبطؤ استهلاك المعدّات. فالتشغيل والإطفاء المتكرّران يفرضان أكبر تآكل على المحرّكات والصمّامات.

ما تقوله الدراسات أقل

نقطة صادقة ترد في الأبحاث نفسها وتستحق الأخذ بجدّية: التحكّم الذكي يتطلّب مجموعة بيانات موثوقة وموارد حاسوبية.

فإن كان البيت المحمي اليوم بلا حسّاسات، أو كانت بياناته لا تُسجَّل ولا تُحفَظ، فنقطة بدء المشروع ليست تركيب نموذج بل تسجيل البيانات. فالنموذج بلا تاريخ ليس لديه ما يتعلّمه، وستة أشهر من التسجيل شرط مسبق لا يمكن حذفه عادةً.

وهذا المبدأ نفسه ورد في صفحة أتمتة الذكاء الاصطناعي: يبدأ المشروع من عملية محدّدة ومؤشّر رقمي، لا من شراء التقنية. وقد شرحنا الشرط ذاته في الري الدقيق وكشف أمراض النبات بالصورة.

لأي بيت محمي يستحق هذا؟

الجواب الصادق: ليس لكلها.

فللبيت الصغير بمحصول بسيط وهامش ربح محدود، لا تُبرَّر عادةً كلفة الحسّاسات والنمذجة والصيانة. وحيث يستحق، يكون البيت متّصفاً بواحدة من هذه على الأقل:

  • مساحة زراعية كبيرة، فتتحوّل نسبة التوفير الصغيرة إلى رقم كبير
  • محصول مرتفع القيمة، فتكون بضع نقاط مئوية من تحسّن المحصول مبلغاً معتبراً
  • استهلاك طاقة عالٍ للتدفئة أو التبريد، يشكّل حصة كبيرة من الكلفة التشغيلية
  • عدة وحدات، فيُستفاد من نموذج واحد عليها جميعاً

وإن لم يتحقّق أي منها، فالجواب الصحيح أنه غير لازم بعد — وهذا ما نقوله.

ولمجموعات البيوت المحمية في كرج ومحافظة البرز ميزة عملية إضافية: فتركيب الحسّاسات ومعايرتها والزيارات الدورية كلها أعمال تتطلّب حضوراً ميدانياً. والعمل مع فريق مقيم في المحافظة نفسها يحوّل كلاً منها من سفر إلى زيارة. والسياق العام لهذه الخدمات معروض في صفحة الذكاء الاصطناعي في كرج.

خارطة الطريق

الخطوة الأولى: تسجيل البيانات قبل كل شيء

تركيب حسّاسات الحرارة والرطوبة، وثاني أكسيد الكربون إن أمكن، والتسجيل المستمر. فبلا أشهر من البيانات التاريخية لا معنى للنمذجة.

الخطوة الثانية: تحديد المؤشّر وخط الأساس

أن يُحدَّد ما المطلوب تحسينه: استهلاك الطاقة لكل متر مربع، أم استقرار الحرارة، أم المحصول. وأن يُسجَّل رقمه الحالي.

الخطوة الثالثة: بناء نموذج التنبّؤ

يتنبّأ النموذج أولاً فقط، وتُقارَن تنبّؤاته بالواقع. وتسليمه التحكّم قبل إثبات دقّته مخاطرة.

الخطوة الرابعة: التحكّم مع إنسان في الحلقة

يقترح النموذج الضبط وينفّذه المشغّل. ومع ارتفاع الثقة يرتفع مستوى الأتمتة. والترتيب العكسي هو حيث تتعثّر المشاريع.

الخطوة الخامسة: تمكين الفريق الداخلي

تتغيّر ظروف البيت مع تغيّر المحصول والفصل ويجب إعادة تدريب النموذج. ودورة تدريبية في الذكاء الاصطناعي تناسب الفريق، مع مستشار ذكاء اصطناعي للتعليم، تجعل ذلك ممكناً. وقد شرحنا الإطار الكامل في تدريب المؤسسات على الذكاء الاصطناعي.

الخطوة السادسة: التقييم والقرار

مقارنة المؤشّر بخط الأساس بعد دورة زراعية كاملة. والتوسّع فقط عند إثبات النتيجة.

الأسئلة الشائعة

ما الفرق بين التحكّم الذكي والمنظّم الحراري؟

المنظّم الحراري ارتجاعي: يتدخّل بعد خروج الظروف عن المدى المطلوب. أما التحكّم الذكي فيتنبّأ بالساعات القادمة ويجري ضبطاً تدريجياً قبل بلوغ تلك العتبة، وهو أرخص ويُحدث تذبذباً أقل.

ما مقدار التوفير المسجّل؟

سجّل بحث على بيت محمي شبه مغلق خفضاً يتجاوز ٥٥ في المئة في الطاقة التي تستهلكها أنظمة التحكّم. ويخصّ هذا الرقم جزء التحكّم لا استهلاك البيت الكلي، ويجب قياسه في كل مجموعة على حدة.

ما دقة التنبّؤ بالظروف الداخلية؟

في دراسة جمعت خوارزميتَي أشجار قرار معزّزة، سُجّل معامل تحديد ٠٫٩٩٧٢ للحرارة و٠٫٩٩٧٦ للرطوبة؛ أي أن النموذج يفسّر تقريباً كل تغيّرات هذين المتغيّرين.

ما شرط البدء؟

البيانات. حسّاسات وتسجيل مستمر، بسجلّ لا يقل عن بضعة أشهر عادةً. والبيت الذي لا بيانات تاريخية لديه ينبغي أن يبدأ بالتسجيل لا بالنمذجة.

هل يستحق لكل بيت محمي؟

لا. تتحقّق الجدوى الاقتصادية عادةً حين تكون المساحة كبيرة أو المحصول مرتفع القيمة أو استهلاك الطاقة عالياً أو الوحدات أكثر من واحدة. أما البيت الصغير بمحصول بسيط فلا تُبرَّر الكلفة عادةً.

خدمات قطره ذات الصلة

  • أتمتة الذكاء الاصطناعي للتحكّم التنبؤي بالمناخ وتطبيق الضبط آلياً
  • علم البيانات لنمذجة سلوك البيت المحمي وتحليل الاستهلاك
  • استشارات الذكاء الاصطناعي للأعمال لتقييم الجدوى الاقتصادية قبل أي إنفاق
  • الرؤية الحاسوبية لرصد نمو النبات وسلامته إلى جانب بيانات الحسّاسات
  • شات بوت لإبلاغ المشغّل بالحالة والإشعارات
  • الروبوتات والأنظمة الآلية في عمليات البيوت المحمية
  • دورة تدريبية في الذكاء الاصطناعي للفرق التقنية في المؤسسات الزراعية
  • مستشار ذكاء اصطناعي للتعليم لتصميم مسار تعلّم الفريق الداخلي

تتّخذ قطره من مجمّع البرز للعلوم والتقنية مقراً لها، وتقدّم هذه الخدمات مكمّلةً لبرامج المؤسسات القائمة.

المصادر

  • Energy-efficient AI-based Control of Semi-closed Greenhouses Leveraging Robust Optimization in Deep Reinforcement Learning — ScienceDirect
  • Multi-Sensor Monitoring, Intelligent Control, and Data Processing for Smart Greenhouse Environment Management — PMC
  • Smart greenhouse farming: a review towards near zero energy consumption — Discover Cities, Springer