في هذه الدراسة، تم تطوير مصنف جديد يعتمد على الرؤية المدمجة (FVBC) لتصنيف أمراض أوراق الأرز (RLD)، مستفيدًا من قدرات استخراج الميزات لهندسة VGG19 جنبًا إلى جنب مع كفاءة التصنيف لـ LightGBM. أظهر النموذج أداءً ملحوظًا، محققًا دقة تصل إلى 97.78% على مجموعة التدريب، و97.5% على مجموعة التحقق، و97.6% على مجموعة الاختبار. وقد نجح في…

تقدم البحث نهج شبكة عصبية تلافيفية (CNN) هجينة محسّنة للتنبؤ بأمراض محصول الأرز، بهدف تعزيز دقة الكشف ومعالجة التحديات مثل الكفاءة الحسابية والتعميم. تستخدم الدراسة خوارزمية تحسين الحيتان الهجينة وخوارزمية تحسين سرب الجسيمات التكيفية (WOA_APSO) لتحسين استخراج الميزات واختيارها، مما يسهل الكشف المبكر والتشخيص لأمراض المحاصيل. تُظهر الطريقة المقترحة أداءً متفوقًا، حيث تحقق دقة تصل…

تتناول ورقة البحث التحديات المتعلقة بالكشف بدقة عن أمراض أوراق الكسافا من خلال الفحص البصري، مما قد يؤدي إلى تشخيصات خاطئة حتى من قبل الخبراء المدربين. تعتبر الطرق التشخيصية التقليدية مستهلكة للوقت وعرضة للأخطاء، مما يبرز الحاجة إلى حلول مؤتمتة. تستخدم الدراسة تقنيات التعلم العميق المتقدمة، مستفيدة من نماذج متنوعة بما في ذلك EfficientNet و…

تتناول هذه الدراسة القضية الحرجة لاكتشاف أمراض أوراق الذرة من خلال تقديم خوارزمية YOLO-MSM، التي تستخدم طريقة جديدة للتفاف المتغير متعدد المقاييس (MKConv). تعزز هذه الطريقة من قدرة الخوارزمية على التكيف مع أشكال العينات المختلفة وتحسن الأداء العام. بالإضافة إلى ذلك، يستخدم نموذج C2f-SK آلية انتباه النواة الانتقائية (SK) لتحسين استخراج الميزات، بينما يتم تحسين…