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…

تقدم البحث Mob-Res، وهو هيكل جديد للتعلم العميق مصمم للكشف عن أمراض النباتات بكفاءة ودقة، معالجًا القيود التي تفرضها طرق التشخيص التقليدية. يدمج Mob-Res التعلم المتبقي مع مستخرج الميزات MobileNetV2، مما ينتج عنه نموذج خفيف الوزن يحتوي على 3.51 مليون معلمة فقط، مما يجعله مناسبًا للتطبيقات المحمولة. تم تقييم النموذج على مجموعتين مرجعيتين – خبير…

تقدم هذه الدراسة معمارية هجينة جديدة ConvNet-ViT تهدف إلى الكشف بدقة وتصنيف الأمراض في أوراق الموز والكرز والطماطم. قارن الباحثون أداء هذا النموذج الجديد مع عدة نماذج مسبقة التدريب من الطراز الأول، بما في ذلك EfficientNetV2 وConvNeXt وSwin Transformer وVi-Transformer (ViT)، باستخدام مجموعة بيانات متاحة للجمهور تحتوي على أوراق صحية وغير صحية. تم تقسيم مجموعة…