تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الموضوعات الرئيسية
  3. الزراعة الذكية والذكاء الاصطناعي

الأبحاث ضمن الموضوع : الزراعة الذكية والذكاء الاصطناعي




  • طريقة الملاحة المستقلة للروبوتات الزراعية في بيئات الزراعة ذات الأسرة العالية

    2025 | المؤلف: Takuya Fujinaga | المجلة: Computers and Electronics in Agriculture | المجال: علوم النبات (Plant Science)

    تقدم هذه الدراسة طريقة مبتكرة للملاحة الذاتية للروبوتات الزراعية مصممة خصيصًا لزراعة الأسرّة العالية. تجمع الطريقة بين الملاحة عبر النقاط، التي توجه الروبوت إلى مواقع محددة مسبقًا، مع الملاحة عبر أسرّة الزراعة، مما يضمن حركة دقيقة بين الأسرّة. من خلال استخدام بيانات سحابة النقاط من تقنية الكشف عن الضوء والمدى (LiDAR)، يمكن للروبوت التنقل بفعالية…


  • DM-YOLO: نموذج YOLOv9 المحسن للكشف عن أمراض أوراق الطماطم

    2025 | المؤلف: Abudukelimu Abulizi وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)

    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…


  • دور الذكاء الاصطناعي القابل للتفسير في تقنية توصية المحاصيل للزراعة الذكية

    2025 | المؤلف: Yaganteeswarudu Akkem وآخرون | المجلة: International Journal of Intelligent Systems and Applications | المجال: علوم النبات (Plant Science)

    تناقش الورقة البحثية دمج تقنيات الذكاء الاصطناعي القابل للتفسير (XAI) في الزراعة الذكية، تحديدًا لأنظمة توصية المحاصيل. تسلط الضوء على التحديات التي تطرحها نماذج التعلم الآلي (ML) غير الشفافة التي تعيق ثقة المزارعين بسبب عدم قدرتها على تفسير التوقعات. لمعالجة هذه المشكلة، تستخدم الدراسة خوارزميات XAI، بما في ذلك التفسيرات المحلية القابلة للتفسير (LIME)، والتفسيرات…


  • دراسة مقارنة لضبط نماذج التعلم العميق لتحديد وتصنيف أمراض الأوراق

    2025 | المؤلف: Bh. Prashanthi وآخرون | المجلة: Engineering Technology & Applied Science Research | المجال: علوم النبات (Plant Science)

    تتناول هذه الدراسة الحاجة الملحة إلى حلول زراعية مبتكرة للكشف عن الأمراض الورقية وتصنيفها مبكرًا عبر أنواع المحاصيل المختلفة والبيئات. تقارن بين منهجيات التعلم العميق، وبالتحديد الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (VTs)، من حيث فعاليتها في تحديد الأمراض الورقية مبكرًا. تسلط الأبحاث الضوء على أداء نموذج CNN المحسن، الذي يستخدم بنية ResNet50، والذي حقق…


  • TomatoGuard-YOLO: طريقة جديدة وفعالة لاكتشاف أمراض الطماطم

    2025 | المؤلف: Xuewei Wang وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)

    تقدم البحث TomatoGuard-YOLO، وهو إطار متقدم للكشف مصمم لمعالجة التحديات المتعلقة بالكشف عن الأمراض في الطماطم، والتي تؤثر بشكل كبير على المحصول والجودة. يعتمد هذا الإطار على بنية YOLOv10 المحسنة ويقدم ابتكارات رئيسية: وحدة البقايا المقلوبة متعددة المسارات (MPIRU) لتحسين استخراج الميزات متعددة المقاييس وإطار التركيز الديناميكي (DFAF) للتركيز التكيفي على المناطق ذات الصلة بالأمراض.…


  • شبكة عصبية تلافيفية هجينة جديدة من نوع إنسيبشن-إكسبشن لتصنيف واكتشاف أمراض النباتات بكفاءة

    2025 | المؤلف: Wasswa Shafik وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    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…


  • تطوير نموذج DSC-TransNet المدعوم بوحدة معالجة الرسوميات المحمولة لتصنيف أمراض أوراق النباتات في الوقت الحقيقي باستخدام نهج التعلم العميق

    2025 | المؤلف: Midhun P Mathew وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم البحث نموذج تعلم عميق هجين، يسمى عمق-قابل للفصل التلافيفي-ترانسنت (DSC-TransNet)، مصمم للتصنيف في الوقت الحقيقي لأمراض الأوراق في نباتات العنب والفلفل الحلو والطماطم. من خلال دمج بنية مجموعة VGG19 الهندسية البصرية مع كتل ترميز المحولات، يلتقط النموذج بشكل فعال الاعتماديات المكانية المعقدة في صور الأوراق، محققًا مقاييس أداء ملحوظة: الدقة (99.97%)، الدقة (99.94%)، الاسترجاع…


  • الكشف عن أمراض النباتات باستخدام محولات الرؤية

    2025 | المؤلف: Ali Mhaned وآخرون | المجلة: International Journal of Power Electronics and Drive Systems/International Journal of Electrical and Computer Engineering | المجال: علوم النبات (Plant Science)

    تتناول ورقة البحث التحدي الحاسم في الكشف عن أمراض النباتات، والذي يشكل مخاطر كبيرة على الأمن الغذائي العالمي واستدامة الزراعة. غالبًا ما تكون طرق الكشف التقليدية، مثل الفحص البصري والتقنيات المخبرية، غير فعالة وتفتقر إلى القابلية للتوسع. للتغلب على هذه القيود، تستكشف الورقة تطبيق المحولات البصرية (ViTs)، وهي نماذج متقدمة من التعلم الآلي تستخدم آليات…


  • تعزيز اكتشاف أمراض النباتات من خلال التعلم العميق: شبكة CNN عميقة مع دمج الضغط والتحفيز والاتصالات المتبقية

    2025 | المؤلف: Asadulla Ashurov وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)

    تقدم هذه الدراسة نهجًا جديدًا للكشف الآلي عن أمراض النباتات من خلال استخدام شبكة عصبية تلافيفية معدلة (CNN) معززة بكتل الضغط والتحفيز (SE) وتحسين الاتصالات المتبقية. تتناول الدراسة التحديات العالمية الحرجة في الأمن الغذائي والزراعة المستدامة من خلال تطوير نظام عالي الكفاءة قادر على تحديد أمراض النباتات بدقة، مما يساعد في حماية المحاصيل وتحسين العائد.…


  • MD-Unet لتجزئة بقع مرض أوراق التبغ بناءً على التلافيف المتوسعة متعددة المقاييس

    2025 | المؤلف: Zili Chen وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم هذه الدراسة نموذج تقسيم متعدد المقاييس (MD-Unet)، المصمم لتعزيز تحديد وتشخيص أمراض التبغ، وخاصة بقعة الأوراق الزاوية، والبقعة البنية، ومرض الحرائق، ومرض عين الضفدع. غالبًا ما تكافح طرق التقسيم التقليدية مع التعميم وحساسية الضوضاء، مما دفع إلى تطوير MD-Unet، الذي يبني على بنية Unet من خلال تحسين وحدة استخراج الميزات ودمج آليات الانتباه. حقق…


←السابق
1 … 16 17 18 19 20 … 23
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.