أظهرت دراسة جديدة قادها البروفيسور جيانغ ني من معهد الجينات والتطور البيولوجي التابع للأكاديمية الصينية للعلوم، تقدماً مهماً في قياس زاوية الورقة الظاهرة (FLANG) في القمح، وهي صفة حيوية تؤثر على هيكل النبات وامتصاص الضوء والإنتاجية. وتمتاز الدراسة بتطوير طريقة اقتصادية وفعالة لجمع صور الورقة الظاهرة في الحقول، إلى جانب نموذج ذكاء اصطناعي خفيف الوزن يُدعى LeafPoseNet، يُمكنه تقدير زاوية الورقة الظاهرة بدقة عالية. تعتبر زاوية الورقة الظاهرة من الخصائص الرئيسية في تحسين القمح، حيث تؤثر بشكل مباشر على كفاءة استغلال الضوء وتنظيم كثافة النبات، مما ينعكس إيجاباً على المحصول. ومع ذلك، يظل قياس هذه الزاوية تحدياً كبيراً في برامج التحسين الجيني الحديثة، نظراً لاعتماده على القياس اليدوي الذي يُعد مجهداً وعرضة للتحيز البشري. لحل هذه المشكلة، طوّر الفريق نموذجاً قائماً على التعلم العميق يعتمد على كشف المواقع المميزة (keypoint detection)، حيث يحدد LeafPoseNet ثلاث نقاط رئيسية على الورقة والسيقان: مركز الورقة الظاهرة (نقطة L)، ونقطة اتصال الورقة بالسيقان (نقطة J)، ومركز السيقان (نقطة S). وبناءً على هذه النقاط، يتم حساب الزاوية تلقائياً بدقة عالية. أظهر النموذج أداءً متفوّقاً مقارنةً بالطرق الحديثة، حيث حقق متوسط خطأ مطلق (MAE) قدره 1.75 درجة، وخطأ متوسط جذري (RMSE) 2.17 درجة، ومعامل تقرير (R²) بلغ 0.998، ما يدل على دقة استثنائية في تحديد المواقع حتى في الظروف المعقدة أو مع تباين في شكل الأوراق. كما يتميز النموذج ببنية خفيفة وفعالة حسابياً، ما يسمح بتثبيته على الهواتف الذكية، مما يمكّن الباحثين والمزارعين من قياس الزاوية بسرعة ودون الحاجة إلى معدات مكلفة. تم اختبار النموذج على عينة متنوعة من 221 سلالة من القمح الخبز، واستُخدم نموذج مختلط خطي (MLM) لتحليل الارتباط الشامل للجينوم (GWAS)، ما أدى إلى اكتشاف 10 مواقع جينية كمية (QTL) مرتبطة بزاوية الورقة الظاهرة. هذه النتائج تُعد خطوة مهمة لفهم الأساس الجيني لهذه الصفة، وتمهيداً لتطوير أصناف قمح أكثر كفاءة. نُشرت النتائج في مجلة The Crop Journal، وتشكل هذه الدراسة أداة عملية وفعالة لقياس زاوية الورقة الظاهرة في الحقول، ما يعزز من سرعة ودقة عمليات التحسين الجيني والتحليل الوراثي في القمح.