تناقش هذه القسم التحديات التي تواجه الزراعة الحديثة، وخاصة القضايا مثل ندرة المياه، وأمراض النباتات، و infestations الآفات، وكيف يمكن أن تساعد الزراعة الذكية المعتمدة على إنترنت الأشياء (IoT)، جنبًا إلى جنب مع الذكاء الاصطناعي (AI)، في معالجة هذه المشكلات. يقدم البحث محور الزراعة الذكية المعتمد على AI-IoT المصمم لتعزيز اكتشاف وعلاج أمراض النباتات، متجاوزًا…

تقدم هذه الدراسة نموذجًا قائمًا على التعلم العميق لتصنيف أمراض أوراق الطماطم، يجمع بين هياكل MobileNetV2 و ResNet50. تم تدريب النموذج على مجموعة بيانات تحتوي على 11,000 صورة موضحة تمثل عشرة فئات من الأمراض، محققًا دقة اختبار مثيرة للإعجاب تبلغ 99.91%. التحسينات التي أُدخلت على النماذج، بما في ذلك استخدام GlobalAverage Pooling2D، وBatch Normalization، وDropout،…

في هذه الدراسة، تم تقييم أربعة نماذج متقدمة من التعلم العميق—EfficientNetB0 وResNet50 وDenseNet121 وInceptionV3—لفعاليتها في تصنيف أمراض الحمضيات مع تحسين المعلمات الفائقة. كشفت النتائج أن كل من InceptionV3 وDenseNet121 حققتا أعلى دقة تصنيف، حوالي 99.12%، مع تسجيل InceptionV3 لمتوسط F1-score ماكرو يبلغ حوالي 0.986 ومتوسط F1-score مرجح بالقرب من 0.991، مما يدل على دقة واسترجاع…

تقدم هذه الدراسة نموذج تعلم عميق جديد يسمى “AgarwoodNet”، مصمم لمعالجة التحديات التي تطرحها مسببات الأمراض والآفات النباتية التي تؤثر سلبًا على الإنتاجية الزراعية والأمن الغذائي. يعتمد النموذج على مجموعة بيانات جديدة، وهي مجموعة بيانات آفات وأمراض خشب العود (APDD)، التي تتكون من 5,472 صورة لأوراق خشب العود عبر 14 فئة، إلى جانب مجموعة بيانات…

يخضع القطاع الزراعي لتحول كبير بسبب التقدم في تقنيات الذكاء الاصطناعي (AI) والتعلم العميق، خاصة في مجال اكتشاف أمراض المحاصيل. تركز هذه الدراسة على محصول القطن، وهو مورد اقتصادي حيوي، مع التأكيد على أهمية التعرف المبكر والدقيق على الأمراض لتقليل الخسائر المحتملة في العائد. تم استخدام نماذج تعلم عميق متطورة، بما في ذلك VGG16 وDenseNet…