الأبحاث المرتبطة بالكلمة المفتاحية: الزراعة الدقيقة
-
التقدم في تصوير المحاصيل الحقلية ثلاثية الأبعاد باستخدام سحب النقاط: مراجعة مقارنة لتكنولوجيا المستشعرات، والخصائص المستهدفة، والتحديات تحت الظروف المسيطر عليها وظروف الحقل
Advancements in 3D field-crop phenotyping using point clouds: a comparative review of sensor technology, target traits, and challenges under controlled and field conditionsتقدم هذه القسم نظرة عامة على التصنيف الفينوتيبي ثلاثي الأبعاد، والذي يتضمن التقييم الكمي للخصائص الهيكلية والمورفولوجية للنبات في الفضاء ثلاثي الأبعاد. لقد عززت التطورات الأخيرة في تقنيات التصوير ثلاثي الأبعاد غير التدميرية وعالية الإنتاجية بشكل كبير القدرة على قياس هذه الخصائص، مما أدى إلى الانتقال من البيئات المسيطر عليها إلى التطبيقات الحقلية في العالم…
-
مراجعة حول تقنيات الزراعة الدقيقة المعتمدة على تعلم الآلة لمراقبة زراعة المحاصيل باستخدام إنترنت الأشياء
A review on machine learning-based precision agriculture techniques for crop farming monitoring with IOTتقدم هذه القسم نظرة عامة على التأثير التحويلي للزراعة الدقيقة، التي تسهلها التقدمات في تعلم الآلة (ML) وإنترنت الأشياء (IoT). ويؤكد على قدرة هذه التقنيات على تمكين المراقبة في الوقت الحقيقي، والتحليلات التنبؤية، واتخاذ القرارات المعتمدة على البيانات في الزراعة الحديثة. ومع ذلك، تواجه دمج ML وIoT تحديات كبيرة، بما في ذلك تباين البيانات، وموثوقية…
-
إطار عمل التعلم العميق القائم على YOLO لمراقبة صحة النباتات متعددة الفئات في الوقت الحقيقي في الزراعة الدقيقة
YOLO-based deep learning framework for real-time multi-class plant health monitoring in precision agricultureتقدم البحث نهجًا قويًا للكشف عن صحة أوراق النباتات باستخدام أطر كشف الكائنات YOLOv8 و YOLOv11. من خلال استخدام نماذج مسبقة التدريب تم تعزيزها من خلال التعلم الانتقالي والتخصيص الدقيق الخاص بالمجال، حققت الدراسة متوسط دقة (mAP) يتجاوز 92% على مجموعة بيانات التحقق. أدى تنفيذ تقنيات تعزيز البيانات المتقدمة إلى تعزيز مرونة النماذج بشكل كبير…
-
إطار هجين لاكتشاف وتصنيف أمراض أوراق النباتات باستخدام الشبكات العصبية التلافيفية ومحولات الرؤية
A hybrid Framework for plant leaf disease detection and classification using convolutional neural networks and vision transformerتقدم هذه الورقة البحثية إطارًا هجينًا يدمج الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (ViT) لتعزيز الكشف وتصنيف أمراض أوراق النباتات. يستخدم النموذج مجموعة من ثلاث هياكل CNN مدربة مسبقًا—VGG16 وInception-V3 وDenseNet201—لاستخراج ميزات عالمية قوية من صور الأوراق. بعد ذلك، يتم استخدام نموذج ViT لالتقاط الميزات المحلية، مما يسهل الكشف الدقيق عن الأمراض. تم تقييم الإطار…
-
الأثر الرائد للتحول الرقمي والذكاء الاصطناعي في تربية الأغنام
The groundbreaking impact of digitalization and artificial intelligence in sheep farmingلقد أحدث دمج الرقمنة والذكاء الاصطناعي (AI) ثورة في تربية الأغنام، مما عزز صحة الأغنام وعوائد الزراعة من خلال تطبيقات الإدارة المتقدمة. لقد سهلت تحليلات البيانات التنبؤية المدفوعة بالتعلم الآلي تحسين اتخاذ القرارات، مما يمكّن المزارعين من مراقبة صحة الماشية عن بُعد عبر أجهزة قابلة للارتداء تتعقب العلامات الحيوية والسلوك. بالإضافة إلى ذلك، يستخدم الأطباء…