تؤكد الورقة البحثية على الدور الحاسم لتصنيف أمراض النباتات بدقة في تعزيز الأمن الغذائي وإنتاجية الزراعة. بينما تقدمت تقنيات التعلم العميق في هذا المجال، لا يزال دمج التدريب عبر مجموعات البيانات مع التدريب داخل مجموعة البيانات غير مستكشف بشكل كافٍ. لمعالجة هذه الفجوة، يقترح المؤلفون نموذجًا جديدًا يعتمد على الشبكات العصبية التلافيفية (CNN) مصممًا لتعزيز…

تسلط الأبحاث الضوء على الدور الحاسم للذرة كمحصول عالمي والتحديات التي تطرحها الأمراض النباتية، مما يستلزم طرق تشخيص فعالة. تعتبر طرق الفحص اليدوي التقليدية غير فعالة ومعرضة للأخطاء، مما يدفع لاستكشاف الحلول الآلية. أظهرت التقدمات الأخيرة في رؤية الكمبيوتر والتعلم العميق، وخاصة من خلال الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (ViTs)، إمكانيات في تشخيص الأمراض…

تقدم هذه البحث إطارًا آليًا وقابلًا للتفسير للتعرف المبكر على أمراض أوراق الفاصوليا، وبالتحديد بقعة الأوراق الزاوية وصدأ الفاصوليا، باستخدام بنية محول الرؤية (ViT-B/16) التي تم تحسينها من خلال التعلم الانتقالي من ImageNet. تتناول الدراسة قيود طرق الفحص البصري التقليدية، التي تتطلب جهدًا كبيرًا وتكون ذات طابع شخصي، من خلال استخدام تقنيات التعلم العميق التي…

تقدم البحث إطار عمل هجين للتعلم العميق لتصنيف أمراض أوراق الطماطم، مع معالجة التحديات التي تطرحها جودة الصورة المتغيرة، وظروف الإضاءة، وعدم توازن الفئات. يدمج النموذج المقترح ثلاثة شبكات عصبية تلافيفية—ResNet-50 و EfficientNet-B0 و DenseNet-121—داخل نظام تجميع ضبابي يعزز من مرونة اتخاذ القرار. من خلال استخدام شبكة خصومة توليدية شرطية (C-GAN) لتكبير البيانات، ينتج النموذج…