في هذه الدراسة، تم تطوير إطار عمل للتعلم العميق (DL) للكشف متعدد الفئات عن أمراض المحاصيل، مع التركيز بشكل خاص على الذرة والطماطم والبطاطس. كان الهدف هو تعزيز الكشف المبكر عن الأمراض من خلال تحسين دقة التصنيف، والتعميم عبر مجموعات البيانات، وقابلية التفسير باستخدام طرق الذكاء الاصطناعي القابلة للتفسير (XAI). استخدمت الأبحاث مجموعتين كبيرتين من…

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…

تقيّم هذه الدراسة فعالية ثمانية خوارزميات تعلم آلي في التنبؤ بعائد حبوب الذرة (Zea mays L.) باستخدام مجموعة بيانات تتكون من 73 ميزة نباتية وتربوية. أجريت الدراسة على مدى عامين في جامعة فردوسي في مشهد، حيث استخدمت منهجية منظمة تتضمن تقسيم البيانات بشكل عشوائي (70% تدريب، 15% تحقق، 15% اختبار) وتقنيات التوحيد القياسي. حددت الانحدار…