الأبحاث ضمن الموضوع الرئيسي: الزراعة الذكية والذكاء الاصطناعي

إنترنت الأشياء والذكاء الاصطناعي للزراعة الذكية في البيئات ذات الموارد المحدودة: التحديات والفرص والحلول
IoT and AI for smart agriculture in resource-constrained environments: challenges, opportunities and solutions

تتناول ورقة البحث التأثير الحاسم لتغير المناخ على الزراعة والأمن الغذائي، لا سيما في البيئات ذات الموارد المحدودة في البلدان النامية. وتؤكد على إمكانيات التقنيات مثل إنترنت الأشياء (IoT) والذكاء الاصطناعي (AI) لتعزيز مرونة وكفاءة الزراعة. يقترح المؤلفون إطار عمل جديد للزراعة الذكية المقاومة لتغير المناخ، مستلهمًا من نموذج 7S الخاص بـ McKinsey، والذي يدمج…
استغلال نماذج التعلم العميق YOLO لتعزيز تحديد أمراض النباتات
Leveraging YOLO deep learning models to enhance plant disease identification

تسلط الأبحاث الضوء على الحاجة الملحة للأتمتة المبكرة في تحديد أمراض النباتات لحماية المحاصيل، خاصة في الدول النامية المعتمدة على الزراعة. تشكل أمراض النباتات، التي تتميز بأعراض مثل الكلوروز والذبول، مخاطر كبيرة، مما يؤدي إلى خسائر كبيرة في المحاصيل. غالبًا ما تكافح طرق التعرف التقليدية من أجل الدقة بسبب تشابه الأعراض والتحديات مثل عدم توازن…
DM-YOLO: نموذج YOLOv9 المحسن للكشف عن أمراض أوراق الطماطم
DM-YOLO: improved YOLOv9 model for tomato leaf disease detection

في هذا القسم، يتناول المؤلفون التحديات المتعلقة بالكشف عن أمراض أوراق الطماطم في البيئات الطبيعية، بما في ذلك التغيرات في الإضاءة، والأعراض المتداخلة، وأحجام الآفات الصغيرة، واحتباس الأوراق. للتغلب على هذه المشكلات، يقترحون طريقة كشف محسّنة تُدعى DM-YOLO، التي تعتمد على خوارزمية YOLOv9. تشمل الابتكارات الرئيسية دمج تقنية تصعيد ديناميكية خفيفة الوزن (DySample) في العمود…
شبكة عصبية تلافيفية هجينة جديدة من نوع إنسيبشن-إكسبشن لتصنيف واكتشاف أمراض النباتات بكفاءة
A novel hybrid inception-xception convolutional neural network for efficient plant disease classification and detection

تسلط الأبحاث الضوء على الدور الحاسم للنباتات في النظم البيئية والتحديات التي تطرحها آفات النباتات والأمراض، خاصة من حيث اكتشافها المبكر. غالبًا ما تكون التشخيصات التقليدية في المختبر مكلفة وتستغرق وقتًا طويلاً، مما يؤدي إلى زيادة ضغط النباتات وتهديدات الأمن الغذائي. لمعالجة هذه القضايا، تقدم الدراسة نموذج شبكة عصبية تلافيفية هجينة جديدة (IX-CNN) مصممة لاكتشاف…
إطار هجين لاكتشاف وتصنيف أمراض أوراق النباتات باستخدام الشبكات العصبية التلافيفية ومحولات الرؤية
A hybrid Framework for plant leaf disease detection and classification using convolutional neural networks and vision transformer

تقدم هذه الورقة البحثية إطارًا هجينًا يدمج الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (ViT) لتعزيز الكشف وتصنيف أمراض أوراق النباتات. يستخدم النموذج مجموعة من ثلاث هياكل CNN مدربة مسبقًا—VGG16 وInception-V3 وDenseNet201—لاستخراج ميزات عالمية قوية من صور الأوراق. بعد ذلك، يتم استخدام نموذج ViT لالتقاط الميزات المحلية، مما يسهل الكشف الدقيق عن الأمراض. تم تقييم الإطار…
مقارنة بين YOLOv8 و Mask R-CNN لتجزئة الكائنات في بيئات البساتين المعقدة
Comparing YOLOv8 and Mask R-CNN for instance segmentation in complex orchard environments

تقدم هذه القسم نظرة عامة على دراسة تقيم أداء نموذجين من نماذج التعلم الآلي، YOLOv8 و Mask R-CNN، لتجزئة الكائنات في التطبيقات الزراعية، مع التركيز بشكل خاص على بساتين التفاح. تستخدم البحث مجموعتين بيانات متميزتين: مجموعة البيانات 1، التي تحتوي على أشجار التفاح الساكنة، ومجموعة البيانات 2، التي تعرض مظلات أشجار التفاح مع التفاح الأخضر…
تعزيز أنظمة توصية المحاصيل باستخدام الذكاء الاصطناعي القابل للتفسير: دراسة حول اتخاذ القرارات الزراعية
Enhancing crop recommendation systems with explainable artificial intelligence: a study on agricultural decision-making

تقدم البحث XAI-CROP، وهو نظام متقدم لتوصية المحاصيل يدمج التعلم الآلي مع مبادئ الذكاء الاصطناعي القابل للتفسير (XAI) لتعزيز الشفافية وقابلية التفسير في اتخاذ القرارات الزراعية. من خلال تحليل البيانات حول خصائص التربة، وأداء المحاصيل التاريخي، وأنماط الطقس، يوفر XAI-CROP توصيات مخصصة لاختيار المحاصيل. يقيم الدراسة XAI-CROP بدقة مقارنةً بنماذج التعلم الآلي المعتمدة، بما في…

الأبحاث ضمن الموضوع الرئيسي: الزراعة الذكية والذكاء الاصطناعي

استغلال نماذج التعلم العميق YOLO لتعزيز تحديد أمراض النباتات Leveraging YOLO deep learning models to enhance plant disease identification

DM-YOLO: نموذج YOLOv9 المحسن للكشف عن أمراض أوراق الطماطم DM-YOLO: improved YOLOv9 model for tomato leaf disease detection

شبكة عصبية تلافيفية هجينة جديدة من نوع إنسيبشن-إكسبشن لتصنيف واكتشاف أمراض النباتات بكفاءة A novel hybrid inception-xception convolutional neural network for efficient plant disease classification and detection

مقارنة بين YOLOv8 و Mask R-CNN لتجزئة الكائنات في بيئات البساتين المعقدة Comparing YOLOv8 and Mask R-CNN for instance segmentation in complex orchard environments

استغلال نماذج التعلم العميق YOLO لتعزيز تحديد أمراض النباتات
Leveraging YOLO deep learning models to enhance plant disease identification

DM-YOLO: نموذج YOLOv9 المحسن للكشف عن أمراض أوراق الطماطم
DM-YOLO: improved YOLOv9 model for tomato leaf disease detection

شبكة عصبية تلافيفية هجينة جديدة من نوع إنسيبشن-إكسبشن لتصنيف واكتشاف أمراض النباتات بكفاءة
A novel hybrid inception-xception convolutional neural network for efficient plant disease classification and detection

مقارنة بين YOLOv8 و Mask R-CNN لتجزئة الكائنات في بيئات البساتين المعقدة
Comparing YOLOv8 and Mask R-CNN for instance segmentation in complex orchard environments