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




  • نموذج خفيف الوزن قائم على YOLO للكشف الدقيق عن تجمعات الفلفل الأحمر في الحصاد الروبوتي

    2026 | المؤلف: Hanqi Zhao وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    في هذا القسم، يتناول المؤلفون تحديات الانسداد وتداخل الفواكه في تطوير روبوتات قطف الفلفل الأحمر الذكية. يقدمون نموذجًا خفيف الوزن للتعرف يسمى Red-YOLO، مصممًا لتعزيز كفاءة الأذرع الروبوتية أثناء عملية القطف. يتم تدريب النموذج على مجموعة بيانات مخصصة تحتوي على مجموعات من الفلفل الأحمر المنتشر والمجموعة، مما يسمح بتعديل حجم الأداة النهائية لتناسب أنواع مختلفة…


  • GET-YOLO: إطار عمل خفيف الوزن للتعلم العميق للكشف عن الآفات في مزارع الشاي الهامشية لدعم إنتاج الشاي الأخضر والمستدام

    2026 | المؤلف: Chao Yu وآخرون | المجلة: Frontiers in Sustainable Food Systems | المجال: علوم النبات (Plant Science)

    تتناول هذه الدراسة التحديات التي تواجه زراعة الشاي على حوالي 638,800 هكتار من الأراضي الهامشية في مقاطعة هونان، والتي تتميز بظروف تربة رديئة وتهديدات من الآفات، وخاصة من أنواع مثل *Basilepta melanopus* و *Empoasca onukii Matsuda*. تعتبر طرق إدارة الآفات التقليدية، بما في ذلك الفحص اليدوي والضوابط الكيميائية، غير كافية لضمان استدامة وجودة إنتاج الشاي،…


  • تقنيات الإنترنت للأشياء والحوسبة السحابية المعتمدة على الري الذكي للزراعة المستدامة

    2026 | المؤلف: Abdennabi Morchid وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تتناول هذه الدراسة التحدي الحاسم لإدارة المياه المستدامة في الزراعة، لا سيما في المناطق التي تعاني من نقص المياه والتي تفاقمت بسبب تغير المناخ. غالبًا ما تؤدي طرق الري التقليدية إلى هدر كبير في المياه وانخفاض في الإنتاجية الزراعية، مما يستدعي حلولًا مبتكرة لتعزيز كفاءة استخدام المياه مع الحفاظ على غلة المحاصيل. تقدم الورقة نظام…


  • تقييم وحدات SE وECA وCA في ResNet-50 لتصنيف أمراض أوراق العنب

    2026 | المؤلف: khedidja mekhilef وآخرون | المجلة: Systems and Computing | المجال: علوم النبات (Plant Science)

    تستكشف هذه الورقة البحثية دمج آليات الانتباه في بنية ResNet-50 لتصنيف أمراض أوراق العنب، مع معالجة التهديد الكبير الذي تمثله الأمراض النباتية على إنتاجية الزراعة. تقارن الدراسة بشكل خاص بين ثلاثة وحدات انتباه: Squeeze-and-Excitation (SE)، و Efficient Channel Attention (ECA)، و Coordinate Attention (CA)، كل منها مدمج بشكل منفصل في النموذج. شملت معايير التقييم أداء…


  • تقسيم صور آفات الأرز بناءً على دمج الانتباه متعدد المقاييس VM-UNet

    2026 | المؤلف: Yunlong Zhang وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)

    تقدم البحث نموذج دمج الانتباه متعدد المقاييس VM-UNet (MSAF-VMUNet) المصمم لت segmenting صور آفات الأرز بدقة (PPIS) في بيئات الزراعة في الوقت الحقيقي. يعالج هذا النموذج قيود الهياكل الحالية، مثل الشبكات العصبية التلافيفية (CNNs) والمحولات، من خلال دمج قدرات نمذجة الاعتماد على المدى الطويل لنموذج الحالة البصرية (VSS) مع نقاط القوة في تحديد المواقع الدقيقة…


  • الكشف عن أمراض المحاصيل باستخدام نهج التعلم العميق EfficientNetB0 للزراعة الدقيقة

    2026 | المؤلف: Muhammad Subhan وآخرون | المجلة: Discover Computing | المجال: علوم النبات (Plant Science)

    تبحث الدراسة في نهج التعلم العميق لاكتشاف أمراض المحاصيل، مع التركيز على استخدام بنية EfficientNetB0، التي تتميز بقدرتها على استخراج ميزات معقدة من مجموعات بيانات واسعة. من خلال تحسين هذا النموذج عبر التعلم الانتقالي، تعزز الدراسة قدرته على تصنيف مختلف أمراض المحاصيل بشكل فعال. باستخدام مجموعة بيانات تتكون من حوالي 87,000 صورة عبر 38 فئة،…


  • نظام روبوتي متكامل مع إنترنت الأشياء للكشف الآلي عن أمراض النباتات ومراقبة البيئة

    2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تتناول هذه الورقة البحثية التحدي الكبير الذي تفرضه أمراض النباتات على الأمن الغذائي العالمي واستدامة الزراعة، لا سيما في المناطق التي تفتقر إلى تقنيات التشخيص المتقدمة. وتقدم نظامًا مبتكرًا يعمل بالطاقة الشمسية ويعتمد على الروبوتات الذاتية، يستخدم تقنيات التعلم العميق وإنترنت الأشياء (IoT) للكشف عن أمراض النباتات في الوقت الحقيقي. يتميز النظام بوحدة تصوير عالية…


  • مجموعة من الشبكات العصبية التلافيفية المعززة بالانتباه لتصنيف أمراض أوراق القطن بشكل دقيق وقابل للتفسير

    2026 | المؤلف: Md. Ehsanul Haque وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم البحث CottonLeafNet، وهو إطار عمل معزز بالاهتمام مصمم للتصنيف الدقيق والفعال حسابيًا لأمراض أوراق القطن. يدمج هذا النموذج الشبكات العصبية التلافيفية الخفيفة مع وحدات الانتباه الذاتي متعدد الرؤوس (MHSA)، مما يعالج قيود الأساليب الآلية الحالية، مثل تنوع مجموعات البيانات وتكاليف الحساب. حقق CottonLeafNet مقاييس أداء مثيرة للإعجاب، بما في ذلك دقة 98.33% ودرجة F1…


  • آلية تأثير استخدام الإنترنت على اعتماد المزارعين الذكيين في الزراعة

    2026 | المؤلف: Zanzan Wu وآخرون | المجلة: Frontiers in Sustainable Food Systems | المجال: علوم النبات (Plant Science)

    تدرس هذه الدراسة تأثير استخدام الإنترنت على اعتماد ممارسات الزراعة الذكية (SF) بين مزارعي الخضروات في مقاطعة جيانغشي، باستخدام بيانات استقصائية من 603 أسر ريفية. من خلال استخدام نموذج Probit ثنائي ونموذج تأثير وساطة، تكشف النتائج أن استخدام الإنترنت يعزز بشكل كبير اعتماد المزارعين على SF، وهو استنتاج يبقى قويًا عبر اختبارات مختلفة، بما في…


  • مراجعة حول تقنيات الزراعة الدقيقة المعتمدة على تعلم الآلة لمراقبة زراعة المحاصيل باستخدام إنترنت الأشياء

    2026 | المؤلف: S. P. Sudha وآخرون | المجلة: Discover Environment | المجال: علوم النبات (Plant Science)

    تقدم هذه القسم نظرة عامة على التأثير التحويلي للزراعة الدقيقة، التي تسهلها التقدمات في تعلم الآلة (ML) وإنترنت الأشياء (IoT). ويؤكد على قدرة هذه التقنيات على تمكين المراقبة في الوقت الحقيقي، والتحليلات التنبؤية، واتخاذ القرارات المعتمدة على البيانات في الزراعة الحديثة. ومع ذلك، تواجه دمج ML وIoT تحديات كبيرة، بما في ذلك تباين البيانات، وموثوقية…


←السابق
1 … 3 4 5 6 7 … 16
التالي→

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