الأبحاث ضمن الموضوع : الزراعة الذكية والذكاء الاصطناعي
-
دمج تقنيات التعلم العميق المتقدمة لتحسين الكشف وتصنيف أمراض أوراق وفواكه الحمضيات
2025 | المؤلف: Archna Goyal وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)في هذه الدراسة، تم تقييم أربعة نماذج متقدمة من التعلم العميق—EfficientNetB0 وResNet50 وDenseNet121 وInceptionV3—لفعاليتها في تصنيف أمراض الحمضيات مع تحسين المعلمات الفائقة. كشفت النتائج أن كل من InceptionV3 وDenseNet121 حققتا أعلى دقة تصنيف، حوالي 99.12%، مع تسجيل InceptionV3 لمتوسط F1-score ماكرو يبلغ حوالي 0.986 ومتوسط F1-score مرجح بالقرب من 0.991، مما يدل على دقة واسترجاع…
-
إطار عمل قائم على CNN مزدوج لتصنيف أمراض أوراق الأرز المحسن مع دمج الميزات
2025 | المؤلف: Prameetha Pai وآخرون | المجلة: Journal Of Big Data | المجال: علوم النبات (Plant Science)تقدم هذه الورقة البحثية إطار عمل جديد قائم على الشبكات العصبية التلافيفية المزدوجة (CNN) يهدف إلى تصنيف أمراض أوراق الأرز بدقة محسّنة. يستخدم الإطار خوارزمية دمج ميزات محسّنة تدمج نماذج CNN المدربة مسبقًا، مما يمكّن من تصنيف صور أوراق الأرز إلى فئات صحية أو مصابة بشكل أكثر فعالية من الطرق التقليدية. تشير النتائج التجريبية على…
-
نموذج تعلم عميق خفيف الوزن لتصنيف واكتشاف الضغوط البيولوجية المتعددة للنباتات من أجل الزراعة المستدامة
2025 | المؤلف: Wasswa Shafik وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم هذه الدراسة نموذج تعلم عميق جديد يسمى “AgarwoodNet”، مصمم لمعالجة التحديات التي تطرحها مسببات الأمراض والآفات النباتية التي تؤثر سلبًا على الإنتاجية الزراعية والأمن الغذائي. يعتمد النموذج على مجموعة بيانات جديدة، وهي مجموعة بيانات آفات وأمراض خشب العود (APDD)، التي تتكون من 5,472 صورة لأوراق خشب العود عبر 14 فئة، إلى جانب مجموعة بيانات…
-
تشخيص مرض أوراق الذرة: تعزيز الدقة باستخدام resnet152 و grad-cam للذكاء الاصطناعي القابل للتفسير
2025 | المؤلف: Kirubasri Gopalan وآخرون | المجلة: BMC Plant Biology | المجال: علوم النبات (Plant Science)تركز هذه الدراسة على تطوير نموذج تعلم عميق، تحديداً ResNet152، للكشف الدقيق وتصنيف أمراض أوراق الذرة، والتي تعتبر حيوية للحفاظ على إمدادات الغذاء وإنتاجية الزراعة. باستخدام مجموعة بيانات تحتوي على 4,188 صورة مصنفة إلى أربع فئات—الذبول، الصدأ الشائع، البقع الرمادية، والأوراق الصحية—حقق النموذج دقة تدريب مثيرة للإعجاب بلغت 99.95% ودقة اختبار بلغت 98.34%. يعزز دمج…
-
الكشف المبكر والحماية ضد أمراض الآفات في نباتات القهوة باستخدام الشبكات العصبية الهجينة
2025 | المؤلف: Suresh Maruthai وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم البحث شبكة عصبية هجينة للرؤية البيانية (HV-GNN) مصممة للكشف التلقائي عن الآفات في مزارع القهوة، مع معالجة التحديات الكبيرة التي تطرحها الحشرات الضارة مثل خنفساء حبة القهوة والحشرات القشرية. غالبًا ما تتطلب طرق الكشف التقليدية عن الآفات معرفة متخصصة وتحليلاً شاملاً، مما قد يكون مستهلكًا للوقت. تم تدريب نموذج HV-GNN على مجموعة بيانات تضم…
-
تعزيز الكشف عن أمراض أوراق النباتات من خلال دمج التعلم الآلي والتعلم العميق
2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم هذه الورقة البحثية نهجًا مبتكرًا لاكتشاف أمراض أوراق النباتات من خلال دمج تقنيات الذكاء الاصطناعي (AI)، وبشكل خاص التعلم العميق (DL) والتعلم الآلي (ML). تتناول الدراسة قيود الأساليب التقليدية، التي غالبًا ما تكون كثيفة العمالة ومعقدة. من خلال استخدام الشبكات العصبية التلافيفية (CNNs) مثل VGG19 و Inception v3، قام المؤلفون باستخراج ميزات من صور…
-
اكتشاف أمراض محاصيل القطن باستخدام نموذج تعلم عميق مخصص
2025 | المؤلف: Hafiz Muhammad Faisal وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)يخضع القطاع الزراعي لتحول كبير بسبب التقدم في تقنيات الذكاء الاصطناعي (AI) والتعلم العميق، خاصة في مجال اكتشاف أمراض المحاصيل. تركز هذه الدراسة على محصول القطن، وهو مورد اقتصادي حيوي، مع التأكيد على أهمية التعرف المبكر والدقيق على الأمراض لتقليل الخسائر المحتملة في العائد. تم استخدام نماذج تعلم عميق متطورة، بما في ذلك VGG16 وDenseNet…
-
الزراعة الدقيقة المدفوعة بإنترنت الأشياء الذكي: رسم الخرائط الأرضية، توقع المحاصيل، ونظام الري
2025 | المؤلف: Gourab Saha وآخرون | المجلة: PLoS ONE | المجال: علوم النبات (Plant Science)تقدم ورقة البحث نظامًا متكاملًا قائمًا على إنترنت الأشياء (IoT) مصممًا لتعزيز الزراعة الدقيقة من خلال التقنيات المتقدمة، مع معالجة الطلب المتزايد على الغذاء العالمي في ظل التحديات مثل تدهور التربة وتغير المناخ. يتضمن النظام المقترح رسم خرائط زراعية، وتعلم الآلة، والمنطق الضبابي لتحسين اختيار الأراضي والمحاصيل، بالإضافة إلى ممارسات الري. باستخدام صور الأقمار الصناعية…
-
تعزيز الزراعة الدقيقة من خلال نموذج توصية المحاصيل التحويلي القائم على السحابة
2025 | المؤلف: Gurpreet Singh وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم ورقة البحث نموذج توصية المحاصيل التحويلي (TCRM)، وهو نهج مبتكر يستفيد من تقنيات التعلم الآلي المتقدمة والتكنولوجيا السحابية لتقديم توصيات مخصصة للمحاصيل تهدف إلى تعزيز الإنتاجية الزراعية. يستخدم TCRM بيانات في الوقت الحقيقي، ويشمل عوامل بيئية وزراعية، لتحسين التوصيات للمزارعين، خاصة في المناطق النائية، من خلال تنبيهات SMS. يظهر النموذج أداءً متفوقًا مقارنة بالخوارزميات…
-
إنترنت الأشياء والذكاء الاصطناعي للزراعة الذكية في البيئات ذات الموارد المحدودة: التحديات والفرص والحلول
2025 | المؤلف: Majid Nawaz وآخرون | المجلة: Discover Internet of Things | المجال: علوم النبات (Plant Science)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…
