تتناول هذه الورقة البحثية القضية الحرجة لأمراض النباتات التي تؤثر سلبًا على إنتاج المحاصيل والاستقرار الاقتصادي، لا سيما في القطاع الزراعي في الهند. يقترح المؤلفون نهجًا جديدًا، يسمى YOLO-LeafNet، لاكتشاف الأمراض في صور الأوراق من أربعة أنواع من المحاصيل: العنب، والفلفل الحلو، والذرة، والبطاطس. باستخدام مجموعة بيانات تحتوي على حوالي 8,850 صورة ورقة مأخوذة من…

تقدم ورقة البحث نموذج توصية للمحاصيل باستخدام تقنيات تعزيز التدرج لمعالجة التحديات المتعلقة بزيادة الإنتاجية الزراعية في ظل الأراضي الزراعية المحدودة. نظرًا للاعتماد الكبير للعديد من الاقتصادات على الزراعة والحاجة الملحة لتلبية الطلبات الغذائية لسكان متزايدين، يستفيد النموذج من التعلم الآلي لتوصية المحاصيل المناسبة بناءً على عوامل مختلفة، بما في ذلك مغذيات التربة والظروف البيئية.…

تقدم البحث نموذج AttCM-Alex، وهو إطار عمل جديد للتعلم العميق يهدف إلى تحسين الكشف وتصنيف أمراض النباتات في ظل ظروف بيئية صعبة، والتي تعتبر حاسمة لضمان الأمن الغذائي العالمي. يدمج النموذج العمليات التلافيفية مع آليات الانتباه الذاتي للتخفيف بفعالية من آثار تغير شدة الضوء وضوضاء الصورة، والتي تعتبر عقبات شائعة في البيئات الزراعية الواقعية. لمحاكاة…

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…

تتناول البحث القضية الحرجة لأمراض النباتات، التي تؤثر بشكل كبير على الإنتاجية الزراعية والجودة. الكشف المبكر ضروري للتخفيف من هذه الآثار، وتقدم التقدمات التكنولوجية حلولًا واعدة لأتمتة مراقبة الأمراض. يقدم هذه الدراسة نظامًا يستخدم تقنيات التعلم الانتقالي باستخدام YOLOv7 و YOLOv8، وهما نموذجين متقدمين للكشف عن الأجسام، لتحديد ومراقبة مختلف أمراض النباتات، بما في ذلك…