DOI: https://doi.org/10.1016/j.eswa.2025.130084
تاريخ النشر: 2025-10-25
المؤلف: Khang Nguyen Quoc وآخرون
الموضوع الرئيسي: الزراعة الذكية والذكاء الاصطناعي
نظرة عامة
تقدم ورقة البحث SCOLD (التعلم التبايني للأهداف اللينة لتحديد أمراض الأوراق)، وهو نموذج أساسي جديد للرؤية واللغة مصمم لتعزيز تحديد أمراض الأوراق في الزراعة الذكية. غالبًا ما تكافح النماذج الحالية لدمج البيانات الصورية والنصية بشكل فعال، خاصة عند الاعتماد على مجموعات بيانات تدريب مسبق محدودة مثل ImageNet التي تفتقر إلى المعلومات الخاصة بالمجال. يتناول SCOLD هذه التحديات من خلال استخدام مجموعة بيانات متنوعة تضم أكثر من 186,000 زوج من الصور والتعليقات المتعلقة بأعراض أوراق النباتات، مما يمكّن من التدريب المسبق غير المرتبط بالمهمة والذي يتضمن أهدافًا لينة سياقية. يحسن هذا النهج من تعميم النموذج وقوته، خاصة في مهام التصنيف الدقيقة.
تشير النتائج التجريبية إلى أن SCOLD يتفوق على النماذج المعروفة مثل OpenAI-CLIP-L وBioCLIP وSigLIP2 عبر معايير مختلفة، بما في ذلك التصنيف بدون تدريب مسبق والتصنيف القليل التدريب، واسترجاع النصوص والصور، وتصنيف الصور، مع الحفاظ على بصمة معلمات تنافسية. ومن الجدير بالذكر أن SCOLD حقق أكثر من 95% من الاسترجاع في مهام استرجاع النصوص والصور وأظهر أداءً ثابتًا على مجموعات بيانات خارج التوزيع، متفوقًا بشكل خاص في وضع 16-shot. كما تقدم الدراسة مجموعة بيانات LeafNet، التي تعتبر موردًا أساسيًا لأبحاث أمراض أوراق النباتات، وتؤكد على أهمية أوصاف الأعراض التفصيلية في تعزيز أداء النموذج. بشكل عام، يمثل SCOLD تقدمًا كبيرًا في نماذج الرؤية واللغة الزراعية، مما يمهد الطريق للبحوث المستقبلية في الأنظمة متعددة الوسائط لتشخيص أمراض النباتات الذكية.
مقدمة
تؤكد مقدمة ورقة البحث على أهمية التعرف المبكر والدقيق على أمراض الأوراق لتعزيز الإنتاجية الزراعية والاستدامة. تسلط الضوء على التقدم الأخير في منهجيات مختلفة، بما في ذلك آلات الدعم القائمة على التربة، والكشف القائم على الطائرات بدون طيار، والتصوير الطيفي العالي، وطرق التعلم العميق. على الرغم من التقدم، تواجه نماذج الرؤية واللغة الحالية (VLMs) تحديات بسبب اعتمادها على مجموعات بيانات محددة للأمراض، مما يحد من قابليتها للتعميم عبر أنواع المحاصيل المختلفة. تقترح الدراسة نموذج VLM جديد، يسمى التعلم التبايني للأهداف اللينة الواعية بالسياق لتحديد أمراض الأوراق (SCOLD)، والذي يدمج التعلم التبايني والأهداف اللينة لتحسين مهام استرجاع النصوص والصور وتقليل الثقة المفرطة في توقعات النموذج.
يهدف SCOLD إلى معالجة قيود النماذج الحالية من خلال الاستفادة من التعلم متعدد الوسائط لمواءمة التمثيلات البصرية والنصية مع تعزيز القوة في سيناريوهات القليل التدريب وبدون تدريب مسبق. تقدم البحث مجموعة بيانات كبيرة تضم أكثر من 186,000 صورة و97 مفهومًا، مما يضع معيارًا شاملاً لتحديد أمراض الأوراق. تظهر النتائج أن SCOLD يحقق أداءً رائدًا في عدة معايير، متفوقًا على الطرق التقليدية مثل OpenAI-CLIP-L وBioCLIP. لا يساهم هذا العمل فقط في توفير VLM قابل للتوسع للمهام المتعددة في الزراعة الذكية، بل يضع أيضًا الأساس للبحوث المستقبلية في الممارسات الزراعية المدفوعة بالذكاء الاصطناعي.
الطرق
تحدد قسم “الطرق” في ورقة البحث الأساليب التجريبية والتحليلية المستخدمة للتحقيق في فرضيات الدراسة. توضح اختيار المشاركين، بما في ذلك معايير الإدراج والاستبعاد، وتصف إجراءات جمع البيانات، والتي قد تشمل الاستطلاعات أو التجارب أو الدراسات الملاحظة. كما يحدد القسم التقنيات الإحصائية المستخدمة لتحليل البيانات، مثل نماذج الانحدار أو ANOVA، مما يضمن توافق الأساليب مع أسئلة البحث المطروحة.
بالإضافة إلى ذلك، قد تتضمن الطرق وصفًا لأي أدوات أو أجهزة مستخدمة للقياس، بالإضافة إلى البروتوكولات المتبعة لضمان موثوقية وصدق البيانات. كما يتم تناول الاعتبارات الأخلاقية، مثل الموافقة المستنيرة والسرية، مما يبرز الالتزام بممارسات البحث الأخلاقية. بشكل عام، يوفر هذا القسم نظرة شاملة على الإطار المنهجي الذي يدعم نتائج الدراسة.
المناقشة
في هذا القسم، يناقش المؤلفون التقدم في نماذج الرؤية واللغة (VLMs) وتطبيقها في تصنيف أمراض الأوراق، مع تسليط الضوء على قيود النماذج الحالية وتقديم إطارهم المقترح، SCOLD. لقد استفادت VLMs الحديثة، مثل CLIP وALIGN، من التعلم التبايني لمواءمة الصور والنصوص في مساحة تضمين مشتركة، مما يسهل التعلم بدون تدريب مسبق. ومع ذلك، تواجه هذه النماذج غالبًا تحديات تتعلق بالكفاءة الحسابية وخصوصية المجال، خاصة في التطبيقات الزراعية. يهدف SCOLD إلى معالجة هذه القضايا من خلال تعزيز القوة والتعميم مع تقليل التعقيد الحسابي، مما يجعله أكثر ملاءمة للبيئات الزراعية الواقعية.
يؤكد المؤلفون على أهمية مجموعات البيانات الكبيرة لتصنيف أمراض الأوراق بشكل فعال، مشيرين إلى أن نماذج التعلم العميق التقليدية اعتمدت بشكل كبير على النماذج المدربة مسبقًا مثل ImageNet، والتي قد لا تكون مثالية بسبب التحيزات المتعلقة بالمجال. يعيد SCOLD صياغة مهمة تصنيف الصور إلى مشكلة مواءمة الصور والنصوص، مستخدمًا نهج الأهداف اللينة الواعية بالسياق لتحسين تمثيل الميزات. من خلال دمج أوصاف نصية تفصيلية للأمراض واستخدام مشفر نصي جديد، يعزز SCOLD قدرة النموذج على التعميم عبر أمراض النباتات المتنوعة. تظهر الطريقة المقترحة أداءً متفوقًا في مهام التصنيف بدون تدريب مسبق والتصنيف القليل التدريب مقارنة بالنماذج الرائدة الحالية، مما يبرز إمكانياتها للتطبيقات العملية في الزراعة الذكية.
DOI: https://doi.org/10.1016/j.eswa.2025.130084
Publication Date: 2025-10-25
Author(s): Khang Nguyen Quoc et al.
Primary Topic: Smart Agriculture and AI
Overview
The research paper presents SCOLD (Soft-target COntrastive learning for Leaf Disease identification), a novel vision-language foundation model designed to enhance leaf disease identification in smart agriculture. Existing models often struggle to effectively integrate image and textual data, particularly when relying on limited pretraining datasets like ImageNet that lack domain-specific information. SCOLD addresses these challenges by utilizing a diverse dataset of over 186,000 image-caption pairs related to plant leaf symptoms, enabling task-agnostic pretraining that incorporates contextual soft targets. This approach improves model generalization and robustness, particularly in fine-grained classification tasks.
Experimental results indicate that SCOLD outperforms established models such as OpenAI-CLIP-L, BioCLIP, and SigLIP2 across various benchmarks, including zero-shot and few-shot classification, image-text retrieval, and image classification, while maintaining a competitive parameter footprint. Notably, SCOLD achieved over 95% recall in image-text retrieval tasks and demonstrated stable performance on out-of-distribution datasets, particularly excelling in the 16-shot mode. The study also introduces the LeafNet dataset, which serves as a foundational resource for plant leaf disease research, and emphasizes the importance of detailed symptom descriptions in enhancing model performance. Overall, SCOLD represents a significant advancement in agricultural vision-language models, paving the way for future research in multi-modal systems for intelligent plant disease diagnostics.
Introduction
The introduction of the research paper emphasizes the importance of early and accurate identification of leaf diseases for enhancing agricultural productivity and sustainability. It highlights recent advancements in various methodologies, including soil-based support vector machines, drone-based detection, hyperspectral imaging, and deep learning approaches. Despite the progress, existing vision-language models (VLMs) face challenges due to their reliance on disease-specific datasets, limiting their generalizability across different crop types. The study proposes a novel VLM, named context-aware Soft target COntrastive Learning for Leaf Disease identification (SCOLD), which integrates contrastive learning and soft targets to improve image-text retrieval tasks and reduce overconfidence in model predictions.
SCOLD aims to address the limitations of current models by leveraging multimodal learning to align visual and textual representations while enhancing robustness in few-shot and zero-shot scenarios. The research introduces a large-scale dataset comprising over 186,000 images and 97 concepts, establishing a comprehensive benchmark for leaf disease identification. The findings demonstrate that SCOLD achieves state-of-the-art performance across multiple benchmarks, outperforming conventional methods like OpenAI-CLIP-L and BioCLIP. This work not only contributes a scalable VLM for multitasking in smart agriculture but also lays the groundwork for future research in AI-driven agricultural practices.
Methods
The “Methods” section of the research paper outlines the experimental and analytical approaches employed to investigate the study’s hypotheses. It details the selection of participants, including inclusion and exclusion criteria, and describes the data collection procedures, which may involve surveys, experiments, or observational studies. The section also specifies the statistical techniques used for data analysis, such as regression models or ANOVA, ensuring that the methods align with the research questions posed.
Additionally, the methods may include a description of any tools or instruments utilized for measurement, as well as the protocols followed to ensure the reliability and validity of the data. Ethical considerations, such as informed consent and confidentiality, are also addressed, highlighting the commitment to ethical research practices. Overall, this section provides a comprehensive overview of the methodological framework that supports the study’s findings.
Discussion
In this section, the authors discuss the advancements in Vision-Language Models (VLMs) and their application in leaf disease classification, highlighting the limitations of existing models and introducing their proposed framework, SCOLD. Recent VLMs, such as CLIP and ALIGN, have leveraged contrastive learning to align images and text in a shared embedding space, facilitating zero-shot learning. However, these models often face challenges related to computational efficiency and domain specificity, particularly in agricultural applications. SCOLD aims to address these issues by enhancing robustness and generalization while reducing computational complexity, thus making it more suitable for real-world agricultural settings.
The authors emphasize the importance of large-scale datasets for effective leaf disease classification, noting that traditional deep learning models have relied heavily on pre-trained models like ImageNet, which may not be optimal due to domain biases. SCOLD reformulates the image classification task into an image-text alignment problem, utilizing a context-aware soft-target approach to improve feature representation. By integrating detailed textual descriptions of diseases and employing a novel textual encoder, SCOLD enhances the model’s ability to generalize across diverse plant diseases. The proposed method demonstrates superior performance in zero-shot and few-shot classification tasks compared to existing state-of-the-art models, showcasing its potential for practical applications in smart agriculture.