ایده اپلیکیشن گُلت از دل یک تجربه قدیمی بیرون اومد. قبلاً با یه تیم دیگه روی پروژهای به نام "سولاما" کار میکردیم، یه سنسور رطوبت سنج برای گلدونها که باهاش میتونستید وضعیت آبدهی گیاهاتون رو کنترل کنید. ما تونستیم تعداد زیادی سنسور بفروشیم ولی متأسفانه به خاطر یه سری مشکلات، تیم سولاما جمع شد و پروژه همونجوری در ورژن 2 سولاما موند. از اونجا بود که این فکر به ذهنم رسید که چرا یه اپلیکیشن جامعتر و هوشمندتر نداشته باشیم که بتونه نیازهای مختلفِ دوستداران گل و گیاه رو برطرف کنه.
بعد از این ماجرا، زمانی که یک تیم جدید برای کارهای دیجیتال مارکتینگ و پیاده سازی سامانه های اختصاصی ساخته بودیم کار روی پروژهی گُلت رو شروع کردم. اولین قدم این بود که ببینیم واقعاً آدمها چه مشکلاتی با گیاههاشون دارن. برای همین، شروع کردیم به آنالیز نیازهای کاربرها و پیدا کردن چیزهایی که براشون مهمه. فهمیدیم خیلیها توی تشخیص نوع گیاه، شناسایی بیماریها و برنامهریزی درست برای نگهداری از گلهاشون مشکل دارن. اینجا بود که به فکر اضافه کردن ویژگیهای مختلف افتادیم و یه لیست از فیچرهای کاربردی آماده کردیم تا بر اساسشون گُلت رو بسازیم.
گُلت یه اپلیکیشنه که با کمک هوش مصنوعی شما رو توی نگهداری از گیاهاتون همراهی میکنه. اینجا چندتا از ویژگیهای اصلی گُلت رو آوردم:
توسعه اپلیکیشنی مثل گُلت که بتونه نیازهای مختلف دوستداران گیاهان رو برآورده کنه، اصلاً کار سادهای نبود. اولین چالش بزرگ، پیدا کردن یه دیتابیس کامل از گیاهان و بیماریهای مختلفشون بود. برای اینکه هوش مصنوعی گُلت بتونه درست کار کنه و انواع گیاهها رو تشخیص بده، لازم بود تعداد زیادی عکس از گیاهان مختلف جمعآوری کنیم. باید مطمئن میشدیم که دیتای ما به اندازه کافی جامع و دقیق باشه. در نهایت تونستیم حدود ۲۵ هزار عکس از ۵۰ گونه گیاه رو جمع کنیم و هر کدوم از این عکسها رو به دقت برچسبگذاری کنیم.
بعد از جمعآوری دیتابیس، چالش بعدی انتخاب مدل مناسب برای هوش مصنوعی بود. تیم ما مدلهای مختلف یادگیری ماشین رو یکی یکی بررسی کرد تا به یه مدل بهینه برسیم. این پروسه پر از آزمون و خطا بود. مدلها رو روی دیتای خودمون اجرا میکردیم و هر بار نتایج رو بررسی میکردیم تا ببینیم آیا میتونه به دقت گیاه رو تشخیص بده یا نه. بعد از کلی تست و اصلاحات، بالاخره به مدلی رسیدیم که هم سرعت تشخیص خوبی داشت و هم دقت بالایی.
اما این فقط یکی از بخشهای پروژه بود. چالش دیگه، توسعه قابلیت تشخیص بیماریهای گیاهی بود که یه فرآیند کاملاً متفاوت و پیچیده داشت. برخلاف شناسایی گیاه، که اغلب بر اساس شکل ظاهری برگی یا ساقه انجام میشه، شناسایی بیماریها نیاز به دقت خیلی بیشتری داره. علائم بیماریها میتونن خیلی شبیه به هم باشن، و این موضوع برای هوش مصنوعی یه چالش اساسی بود. مثلاً برخی از بیماریها باعث زرد شدن برگ میشن، اما دلیل این زردی میتونه بیماریهای مختلفی باشه، از قارچها گرفته تا کمبود مواد مغذی. برای همین مجبور بودیم از دیتای بیشتری استفاده کنیم و مدلهای پیچیدهتری رو طراحی کنیم تا بتونیم با دقت بیشتری بیماریهای رایج رو تشخیص بدیم.
توی این مرحله، همکاری با یه تیم قوی و تخصصی توی توسعه هوش مصنوعی خیلی کمکمون کرد. تیم "جرگه"، که متخصصهای باتجربهای توی این زمینه داره، خیلی از این چالشها رو با ما پیش بردن و کمک کردن یه سیستم دقیق و کارآمد رو پیادهسازی کنیم.
علاوه بر چالشهای فنی، یکی دیگه از مشکلات ما این بود که چطور این تکنولوژیها رو به یه اپلیکیشن کاربرپسند تبدیل کنیم. میخواستیم کار با گُلت برای همه راحت باشه و هر کسی بتونه بدون نیاز به دانش فنی خاصی ازش استفاده کنه. طراحی یه رابط کاربری ساده اما کاربردی که بتونه تمام این امکانات رو به شکل جذاب ارائه بده، خودش یه چالش دیگه بود. تیم طراحی ما مدام اپلیکیشن رو تست میکردن و از کاربرها بازخورد میگرفتن تا مطمئن بشیم تجربه کاربری بهتری ارائه میدیم.
در نهایت، چالش دیگهای که داشتیم، بحث آموزش مدلها بود که همیشه باید آپدیت بمونن. دنیای گیاهها پر از تنوع و گونههای جدیدیه، و برای همین تیم ما مرتباً در حال اضافه کردن گونههای جدید به دیتابیس گُلت و بهبود مدلهای شناسایی و تشخیص بیماری هست
این فقط شروع کاره! توی بخشهای بعدی اگر دوست داشته باشید میتونیم درباره تجربههای ما در توسعهی گُلت، چالشهایی که توی این راه داشتیم، و برنامههای آیندهمون صحبت کنیم تا شما هم با مسیر رشد گُلت آشنا بشید.