تقدم البحث CottonLeafNet، وهو إطار عمل معزز بالاهتمام مصمم للتصنيف الدقيق والفعال حسابيًا لأمراض أوراق القطن. يدمج هذا النموذج الشبكات العصبية التلافيفية الخفيفة مع وحدات الانتباه الذاتي متعدد الرؤوس (MHSA)، مما يعالج قيود الأساليب الآلية الحالية، مثل تنوع مجموعات البيانات وتكاليف الحساب. حقق CottonLeafNet مقاييس أداء مثيرة للإعجاب، بما في ذلك دقة 98.33% ودرجة F1…

تقدم البحث إطار عمل تشخيص أمراض النباتات باستخدام التعلم العميق (PDD-DL)، الذي يستفيد من الشبكات العصبية التلافيفية (CNNs) لتسهيل التشخيص الفوري لأمراض النباتات. الطرق التقليدية للتشخيص، المعتمدة على الفحص البشري والتقنيات المخبرية، بطيئة، عرضة للأخطاء، وغير مناسبة للتطبيقات الزراعية على نطاق واسع. بالمقابل، يظهر إطار عمل PDD-DL تحسنًا كبيرًا في دقة التشخيص، حيث يحقق دقة…