الأبحاث المرتبطة بالكلمة المفتاحية: YOLOv8
-
SSD-YOLO: شبكة خفيفة الوزن لاكتشاف أمراض أوراق الأرز SSD-YOLO: a lightweight network for rice leaf disease detection
2026 | المؤلف: Canlin Pan وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم البحث نموذج SSD-YOLO، وهو نموذج متقدم لاكتشاف أمراض أوراق الأرز، مما يعزز بشكل كبير دقة وكفاءة التشخيص مقارنة بالطرق التقليدية المعتمدة على الفحص اليدوي. من خلال دمج شبكة الضغط والتحفيز (SENet) لتحسين هيكل الزجاجة في YOLOv8، يحسن النموذج استخراج الميزات. بالإضافة إلى ذلك، يعالج تنفيذ وحدة العينة الديناميكية (DySample) التحدي المتمثل في التشابه العالي…
-
YOLOv8 لاكتشاف الكائنات: مراجعة شاملة للتقدم والتقنيات والتطبيقات YOLOv8 for Object Detection: A Comprehensive Review of Advances,Techniques, and Applications
2026 | المؤلف: Vivi Afifah وآخرون | المجلة: IJACI International Journal of Advanced Computing and Informatics | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تستعرض هذه الورقة أحدث التطورات في تقنيات كشف الكائنات باستخدام YOLOv8، الذي تم تقديمه من قبل Ultralytics في أوائل عام 2023. يمثل YOLOv8 تطورًا كبيرًا لإطار عمل You Only Look Once، حيث يظهر تحسينات في دقة الكشف وسرعة المعالجة مقارنة بسابقيه. تسلط المراجعة الضوء على التحديثات المعمارية الرئيسية، بما في ذلك تصميمات العمود الفقري المحسنة،…
-
الكشف السريع عن نقص العناصر الغذائية في فول الصويا باستخدام YOLOv8s لتقدم الزراعة الدقيقة Rapid detection of soybean nutrient deficiencies with YOLOv8s for precision agriculture advancement
2026 | المؤلف: Minsoo Jeong وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم هذه الدراسة تطبيقًا جديدًا لنموذج كشف الكائنات YOLOv8s للكشف المبكر عن نقص العناصر الغذائية – وبشكل خاص النيتروجين والفوسفور والبوتاسيوم – في نباتات فول الصويا. باستخدام مجموعة بيانات فريدة مستمدة من حقل يعاني من نقص العناصر الغذائية على مدى 40 عامًا، قام الباحثون بتدريب وتقييم النموذج على 6,020 صورة لأوراق فول الصويا التي تظهر…
-
طريقة الكشف عن علامات المرور تعتمد على تحسين YOLOv8 Traffic sign detection method based on improved YOLOv8
2026 | المؤلف: Gaihua Wang وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم الورقة البحثية طريقة محسّنة لاكتشاف علامات المرور باستخدام نسخة محسّنة من نموذج YOLOv8، حيث تعالج مشكلات مثل الخطأ في الكشف والدقة المنخفضة للأهداف الصغيرة. تتضمن الطريقة المقترحة ثلاث تحسينات رئيسية: تطوير وحدة دمج تسلسل المقياس الانتباهي (Attention Scale Sequence Fusion) مع طبقة اكتشاف الأهداف الصغيرة P2 (AFP) لتعزيز قدرات استخراج الميزات؛ إدخال وحدة التفاف…
-
تعزيز تصنيف النفايات الإلكترونية باستخدام نماذج التعلم العميق القابلة للتخصيص المعتمدة على YOLO Advancing e-waste classification with customizable YOLO based deep learning models
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تتناول هذه الورقة البحثية القضية الملحة لإدارة النفايات الإلكترونية (النفايات الإلكترونية) من خلال تقييم ثلاثة نماذج متقدمة لاكتشاف الكائنات—YOLOv5 و YOLOv7 و YOLOv8—تركز على تحسين تصنيف النفايات الإلكترونية لإعادة التدوير وإعادة الاستخدام. باستخدام منهجية “تنظر مرة واحدة فقط” (YOLO)، تسلط الدراسة الضوء على الميزات المعمارية الفريدة لكل نموذج، بما في ذلك العمود الفقري CSPDarknet53 وتقنيات…
-
نموذج كشف الأجسام AAPW-YOLO لصور الاستشعار عن بعد للطائرات بدون طيار قائم على التلافيف التكيفية ودمج الميزات المعاد بناؤها An object detection model AAPW-YOLO for UAV remote sensing images based on adaptive convolution and reconstructed feature fusion
2026 | المؤلف: Yiming Wu وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث AAPW-YOLO، نموذجًا جديدًا مصممًا لاكتشاف الأجسام الصغيرة في سيناريوهات صعبة مثل الصور الجوية للطائرات بدون طيار والاستشعار عن بعد. يتناول النموذج الصعوبات الرئيسية في استخراج الميزات، بما في ذلك حجم الجسم الصغير، والتغيرات متعددة المقاييس، والتداخل الخلفي. يعزز AAPW-YOLO شبكة YOLOv8 الأساسية من خلال دمج الالتفاف ذو النواة القابلة للتغيير (AKConv) وبنية…
-
مراقبة النفايات الذكية في الوقت الحقيقي وجمعها بكفاءة باستخدام نماذج التعلم العميق Yolov8 وYolov5 من أجل الاستدامة البيئية Real time intelligent garbage monitoring and efficient collection using Yolov8 and Yolov5 deep learning models for environmental sustainability
2026 | المؤلف: Mohammed Abo‐Zahhad | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث نظامًا جديدًا لمراقبة وجمع النفايات الذكية في الوقت الحقيقي يستفيد من نماذج التعلم العميق Yolov5 و Yolov8 المنفذة على Raspberry Pi. يهدف هذا النظام إلى تحسين إدارة النفايات الحضرية من خلال الكشف عن النفايات وتصنيفها بكفاءة باستخدام كاميرا موضوعة فوق صناديق القمامة. يتناول النهج المقترح التحديات الحرجة في إدارة النفايات، مثل امتلاء…
-
الكشف المبكر عن سرطان الرئة المعتمد على الكشف عن الأجسام باستخدام التعلم العميق Deep learning object detection-based early detection of lung cancer
2026 | المؤلف: Kuo‐Yang Huang وآخرون | المجلة: Frontiers in Medicine | المجال: الذكاء الاصطناعي (Artificial Intelligence)تناقش هذه الفقرة أهمية التشخيص المبكر والتصنيف الدقيق لسرطان الرئة، مع التأكيد على تأثيره على العلاج السريري وبقاء المرضى. تبرز التقدمات في الذكاء الاصطناعي، لا سيما في تحليل الصور الطبية، باستخدام مجموعة بيانات Lung-PET-CT-Dx العامة لتدريب وتقييم نماذج مختلفة. تم إجراء تحليل مقارن لسلسلة You Only Look Once (YOLO) – تحديدًا YOLOv5 وYOLOv8 وYOLOv9 وYOLOv10…
-
الكشف عن سلوك الطلاب في الفصل الدراسي في الوقت الحقيقي بناءً على تحسين YOLOv8s Real-time classroom student behavior detection based on improved YOLOv8s
2026 | المؤلف: Xiaojing Sheng وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تتناول ورقة البحث تأثير جودة التعليم على تعلم الطلاب وتسلط الضوء على الاستخدام المتزايد لتكنولوجيا كشف السلوك في الفصول الدراسية. تحدد التحديات في الكشف بدقة عن سلوكيات الطلاب في البيئات الديناميكية وتقترح خوارزمية جديدة تعتمد على بنية YOLO لمعالجة هذه القضايا. تتميز الخوارزمية بوحدة الالتفاف ذات النواة الكبيرة متعددة المقاييس (MLKCM) التي تستخدم نوى الالتفاف…
-
خوارزمية خفيفة لاكتشاف عيوب سطح الفولاذ باستخدام YOLOv8 المحسن A lightweight algorithm for steel surface defect detection using improved YOLOv8
2026 | المؤلف: Shuangbao Ma وآخرون | المجلة: Scientific Reports | المجال: الهندسة الصناعية وهندسة التصنيع (Industrial and Manufacturing Engineering)تقدم هذه البحث خوارزمية خفيفة الوزن لاكتشاف عيوب سطح الفولاذ، مع معالجة التحديات المتعلقة بالدقة المنخفضة، والعديد من المعلمات، وتعقيد النموذج العالي. تعزز الطريقة المقترحة بنية YOLOv8 من خلال دمج GhostNet كشبكة أساسية لتقليل معلمات النموذج ومتطلبات الحوسبة. بالإضافة إلى ذلك، يتم دمج آلية الانتباه متعدد المسارات (MPCA) لتحسين استخراج الميزات، بينما تحل دالة خسارة…