الأبحاث المرتبطة بالكلمة المفتاحية: مراقبة أمراض النباتات
-
التوصيف الكيميائي النباتي والأنشطة المضادة للفطريات لخمس نباتات تستخدمها المزارعون المعاشيون لإدارة أمراض النباتات Phytochemical characterisation and antifungal activities of five botanicals used by subsistence farmers to manage plant diseases
2026 | المؤلف: James Lwambi Mwinga وآخرون | المجلة: Scientific Reports | المجال: البيئة والتطور والسلوك والتصنيف (Ecology, Evolution, Behavior and Systematics)تبحث هذه الدراسة في الملفات الكيميائية النباتية، وأنشطة مضادات الأكسدة، وإمكانات مضادات الفطريات لخمس نباتات: *Aloe ferox*، *Allium cepa*، *Capsicum annuum*، *Tagetes minuta*، و *Tulbaghia violacea*. باستخدام مستخلصات الأسيتون والميثانول، استخدمت الدراسة الطيفية والكروماتوغرافيا السائلة-مطياف الكتلة (LC-MS) لتوصيف الكيمياء النباتية، إلى جانب اختبارات مضادات الأكسدة (ABTS و DPPH) وتقييمات مضادات الفطريات ضد *Pythium ultimum* و…
-
التحكم في فطر Phytophthora capsici، الذي يسبب تعفن الجذور والساق، باستخدام الحمض النووي الأوليغونوكليوتيدي المغلف Control of Phytophthora capsici, which causes root and stem rot, using encapsulated oligonucleotide DNA
2026 | المؤلف: Azam Delavari وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تبحث الدراسة في فعالية تقنية تدخل الحمض النووي (DNAi) في السيطرة على تعفن الفيتوفثورا، وهو مرض شديد تسببه العوامل الممرضة *Phytophthora capsici*، والذي يؤثر على مجموعة متنوعة من النباتات. استخدمت الدراسة شظية OligoDNA مزدوجة الشريطة مكونة من 26 نيوكليوتيد مستمدة من جين تخليق السليلوز (CesA3) لتعطيل تعبير الجينات الممرضة. تم احتواء هذه OligoDNA في الجيلاتين…
-
WMC-RTDETR: نموذج خفيف الوزن للكشف عن أمراض الشاي WMC-RTDETR: a lightweight tea disease detection model
2026 | المؤلف: Yang Zhang وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم ورقة البحث نموذج WMC-RTDETR، وهو إطار عمل خفيف الوزن معزز للكشف عن الآفات والأمراض في مزارع الشاي، مع معالجة التحديات مثل حجب الأهداف المتعددة والخلفيات المعقدة التي تعيق دقة الكشف. من خلال دمج تحويل المويجات، يحسن النموذج استخراج الميزات متعددة المقاييس، بينما يسهل آلية الانتباه الذاتي متعددة الرؤوس متعددة المقاييس دمج الميزات العالمية، مما…
-
تعزيز الزراعة الدقيقة باستخدام SIS-YOLOv8 المعزز بالتعلم العميق لمراقبة محاصيل الباذنجانيات Advancing precision agriculture with deep learning enhanced SIS-YOLOv8 for Solanaceae crop monitoring
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم ورقة البحث نموذج SIS-YOLOv8، وهو إطار متقدم للتعلم العميق مصمم للكشف الفعال عن الأمراض في البطاطس والطماطم، مع معالجة قيود طرق الفحص اليدوي التقليدية. يعزز النموذج بنية YOLOv8 من خلال ثلاثة وحدات مبتكرة: وحدة Fusion-Inception Conv لتحسين استخراج الميزات في الخلفيات الصعبة، ووحدة C2f-SIS مع عشوائية الأسلوب لتحسين التعميم عبر أمراض المحاصيل المختلفة، ووحدة…