الأبحاث المرتبطة بالكلمة المفتاحية: الكشف في الوقت الحقيقي
-
الكشف السريع عن نقص العناصر الغذائية في فول الصويا باستخدام YOLOv8s لتقدم الزراعة الدقيقة Rapid detection of soybean nutrient deficiencies with YOLOv8s for precision agriculture advancement
2026 | المؤلف: Minsoo Jeong وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم هذه الدراسة تطبيقًا جديدًا لنموذج كشف الكائنات YOLOv8s للكشف المبكر عن نقص العناصر الغذائية – وبشكل خاص النيتروجين والفوسفور والبوتاسيوم – في نباتات فول الصويا. باستخدام مجموعة بيانات فريدة مستمدة من حقل يعاني من نقص العناصر الغذائية على مدى 40 عامًا، قام الباحثون بتدريب وتقييم النموذج على 6,020 صورة لأوراق فول الصويا التي تظهر…
-
تعزيز تصنيف النفايات الإلكترونية باستخدام نماذج التعلم العميق القابلة للتخصيص المعتمدة على YOLO Advancing e-waste classification with customizable YOLO based deep learning models
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تتناول هذه الورقة البحثية القضية الملحة لإدارة النفايات الإلكترونية (النفايات الإلكترونية) من خلال تقييم ثلاثة نماذج متقدمة لاكتشاف الكائنات—YOLOv5 و YOLOv7 و YOLOv8—تركز على تحسين تصنيف النفايات الإلكترونية لإعادة التدوير وإعادة الاستخدام. باستخدام منهجية “تنظر مرة واحدة فقط” (YOLO)، تسلط الدراسة الضوء على الميزات المعمارية الفريدة لكل نموذج، بما في ذلك العمود الفقري CSPDarknet53 وتقنيات…
-
التعلم العميق الخفيف للكشف عن أضرار الطرق في الوقت الحقيقي على الأجهزة المحمولة Lightweight deep learning for real-time road distress detection on mobile devices
2026 | المؤلف: Yuanyuan Hu وآخرون | المجلة: Nature Communications | المجال: الهندسة المدنية والإنشائية (Civil and Structural Engineering)تناقش هذه الفقرة الحاجة الملحة للكشف الفعال والدقيق عن أضرار الطرق لتعزيز صيانة البنية التحتية وسلامة النقل. الفحوصات اليدوية التقليدية تتطلب الكثير من العمل وتستغرق وقتًا طويلاً، بينما تتطلب الأنظمة الآلية غالبًا موارد حسابية كبيرة، مما يعيق استخدامها على نطاق واسع. للتغلب على هذه التحديات، تقدم الدراسة MobiLiteNet، وهو نموذج تعلم عميق خفيف الوزن تم…
-
نموذج شبكة كشف خفيف الوزن ومحسن في الوقت الحقيقي للأجهزة المدمجة في إنترنت الأشياء An optimized lightweight real-time detection network model for IoT embedded devices
2026 | المؤلف: Rongjun Chen وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث FRYOLO، وهو نموذج شبكة كشف خفيف الوزن ومحسن مصمم للنشر على أجهزة إنترنت الأشياء (IoT) المدمجة، مع معالجة التحديات التي تطرحها الموارد الحاسوبية المحدودة لهذه الأجهزة. بناءً على نموذج YOLOv8 المتقدم، تم تصميم FRYOLO للكشف والتعرف الفعال على الأهداف في تطبيقات متنوعة، بما في ذلك التصنيع الذكي والمنازل الذكية. توضح دراسة حالة…
-
نموذج صغير لاكتشاف الأجسام تحت الماء مع تحسين استخراج الميزات والدمج A small underwater object detection model with enhanced feature extraction and fusion
2026 | المؤلف: Tao Li وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)في سياق اكتشاف الأجسام الصغيرة تحت الماء، تتناول هذه الورقة التحديات الكبيرة التي تطرحها البيئة المعقدة تحت الماء، بما في ذلك امتصاص الضوء، والتشتت، والتداخل الضوضائي. لتعزيز قدرات الكشف، يقترح المؤلفون نموذج شبكة عميقة خفيفة ودقيقة للغاية تتضمن عدة تقنيات مبتكرة. تشمل المكونات الرئيسية وحدة الالتفاف المتبقي عبر الطبقات التي تحافظ على الميزات الأساسية مع…