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…

تقدم هذه البحث إطارًا آليًا وقابلًا للتفسير للتعرف المبكر على أمراض أوراق الفاصوليا، وبالتحديد بقعة الأوراق الزاوية وصدأ الفاصوليا، باستخدام بنية محول الرؤية (ViT-B/16) التي تم تحسينها من خلال التعلم الانتقالي من ImageNet. تتناول الدراسة قيود طرق الفحص البصري التقليدية، التي تتطلب جهدًا كبيرًا وتكون ذات طابع شخصي، من خلال استخدام تقنيات التعلم العميق التي…

تسلط الأبحاث الضوء على الدور الحاسم للتعرف الدقيق على أمراض النباتات في الزراعة والأمن الغذائي، مع التأكيد على قيود الطرق التقليدية التي تعتمد على الفحص البصري والمعرفة الخبيرة. لمعالجة هذه التحديات، تستخدم الدراسة DenseNet121، وهي بنية شبكة عصبية تلافيفية (CNN) متطورة، لتصنيف سبع أمراض شائعة في الأرز. من خلال استخدام التعلم الانتقالي مع أوزان ImageNet…

تقدم البحث إطار عمل هجين للتعلم العميق لتصنيف أمراض أوراق الطماطم، مع معالجة التحديات التي تطرحها جودة الصورة المتغيرة، وظروف الإضاءة، وعدم توازن الفئات. يدمج النموذج المقترح ثلاثة شبكات عصبية تلافيفية—ResNet-50 و EfficientNet-B0 و DenseNet-121—داخل نظام تجميع ضبابي يعزز من مرونة اتخاذ القرار. من خلال استخدام شبكة خصومة توليدية شرطية (C-GAN) لتكبير البيانات، ينتج النموذج…

تتناول هذه الورقة البحثية التحدي الكبير الذي تفرضه أمراض النباتات على الأمن الغذائي العالمي واستدامة الزراعة، لا سيما في المناطق التي تفتقر إلى تقنيات التشخيص المتقدمة. وتقدم نظامًا مبتكرًا يعمل بالطاقة الشمسية ويعتمد على الروبوتات الذاتية، يستخدم تقنيات التعلم العميق وإنترنت الأشياء (IoT) للكشف عن أمراض النباتات في الوقت الحقيقي. يتميز النظام بوحدة تصوير عالية…

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 نظام تحليل أوراق الدقة مع المحولات البصرية (PLA-ViT)، الذي يستفيد من المحولات البصرية (ViTs) للكشف المبكر وتصنيف أمراض الأوراق، مما يعالج قيود الطرق التقليدية التي تتطلب مجموعات بيانات كبيرة وعرضة للتكيف الزائد. من خلال استخدام آليات الانتباه الذاتي، تعزز ViTs قدرة النموذج على التقاط المعلومات السياقية العالمية، مما يؤدي إلى تحسين الدقة في…