الأبحاث ضمن الموضوع : الزراعة الذكية والذكاء الاصطناعي
-
إطار هجين لاكتشاف وتصنيف أمراض أوراق النباتات باستخدام الشبكات العصبية التلافيفية ومحولات الرؤية
2025 | المؤلف: Sherihan Aboelenin وآخرون | المجلة: Complex & Intelligent Systems | المجال: علوم النبات (Plant Science)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…
-
أبنت: شبكة خفيفة لاكتشاف أمراض وآفات شجرة المشمش في خلفيات معقدة في العالم الحقيقي
2025 | المؤلف: Minglang Li وآخرون | المجلة: Plant Methods | المجال: علوم النبات (Plant Science)تقدم هذه البحث تقدمًا كبيرًا في الكشف عن الآفات والأمراض التي تؤثر على أشجار المشمش، والتي تعتبر موارد زراعية حيوية. يقدم الدراسة مجموعة بيانات ATZD01، وهي مجموعة بيانات متاحة للجمهور تتكون من 11 فئة من آفات وأمراض أشجار المشمش، تم جمعها تحت ظروف حقلية حقيقية. للاستفادة من هذه المجموعة، يقترح المؤلفون إطار عمل جديد للتعلم…
-
نموذج خفيف الوزن للكشف عن الأعشاب الضارة في حقول القطن يعتمد على تحسين YOLOv8n
2025 | المؤلف: Jun Wang وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم ورقة البحث خوارزمية YOLO-Weed Nano، وهي نسخة محسنة من نموذج YOLOv8n، تهدف إلى تحسين اكتشاف الأعشاب الضارة في حقول القطن مع معالجة التحديات الحسابية المرتبطة بالنماذج الحالية للتعلم العميق. تتضمن الطريقة المقترحة هيكل الالتفاف القابل للفصل Depthwise Separable Convolution (DSC) لإنشاء شبكة DS_HGNetV2، التي تعمل كعمود فقري لنموذج YOLOv8n. بالإضافة إلى ذلك، تستخدم شبكة…
-
كيف تحسن تقنية إنترنت الأشياء كفاءة الزراعة
2024 | المؤلف: Amenu Leta Duguma وآخرون | المجلة: Artificial Intelligence Review | المجال: علوم النبات (Plant Science)تسلط القسم المراجع الضوء على التأثير التحويلي لإنترنت الأشياء (IoT) على الزراعة، مع التأكيد على دوره في تلبية الطلب المتزايد على الغذاء العالمي من خلال حلول مبتكرة تعتمد على البيانات. من خلال دمج إنترنت الأشياء مع البيانات الضخمة، والمراقبة في الوقت الحقيقي، والزراعة الدقيقة، تعزز التكنولوجيا كفاءة الزراعة، مما يمكّن من جمع البيانات بدقة واتخاذ…
-
فتح إمكانيات الزراعة الدقيقة للزراعة المستدامة
2024 | المؤلف: George Mgendi | المجلة: Discover Agriculture | المجال: علوم النبات (Plant Science)تقدم الورقة تحليلًا شاملاً للزراعة الدقيقة، مع تسليط الضوء على فوائدها وتحدياتها والاتجاهات المستقبلية في سياق الزراعة الحديثة. تؤكد على كيفية تمكين التقدم في التقنيات الرقمية، مثل إنترنت الأشياء (IoT)، والذكاء الاصطناعي (AI)، وتحليل البيانات، للمزارعين من تحسين إدارة الموارد، وتعزيز صحة المحاصيل، وتعزيز الاستدامة. تكشف النتائج أن الزراعة الدقيقة يمكن أن تؤثر بشكل كبير…
-
تحسين إنتاج المحاصيل باستخدام إطار تعلم عميق زراعي في الزراعة الدقيقة
2024 | المؤلف: J. Logeshwaran وآخرون | المجلة: BMC Bioinformatics | المجال: علوم النبات (Plant Science)تقدم ورقة البحث إطار التعلم العميق الزراعي (ADLF)، المصمم لتعزيز الزراعة الدقيقة من خلال استخدام تقنيات التعلم العميق لتحليل مجموعات بيانات واسعة تتعلق بعوامل نمو المحاصيل مثل رطوبة التربة ودرجة الحرارة والرطوبة. يهدف الإطار إلى تحسين عمليات اتخاذ القرار، وتسهيل الكشف المبكر عن مشكلات المحاصيل، وزيادة الإنتاجية الزراعية في النهاية. تشير الدراسة إلى أن ADLF…
-
الكشف عن الأمراض المعتمد على التعلم العميق في أوراق قصب السكر: تقييم نماذج EfficientNet
2024 | المؤلف: İsmail Kunduracıoğlu وآخرون | المجلة: Journal of Operations Intelligence | المجال: علوم النبات (Plant Science)تتناول هذه الدراسة القضية الحرجة لاكتشاف الأمراض في قصب السكر، وهو محصول مسؤول عن 75% من إنتاج السكر العالمي. تعتبر طرق التشخيص اليدوي التقليدية غير فعالة وغالبًا ما تكون غير دقيقة، مما دفع إلى تطوير نهج قائم على التعلم العميق لاكتشاف الأمراض بشكل موثوق في أوراق قصب السكر. باستخدام مجموعة بيانات أوراق قصب السكر، التي…
-
إطار مقترح للتنبؤ بعائد المحاصيل باستخدام نهج اختيار الميزات الهجينة والتعلم الآلي المحسن
2024 | المؤلف: Mahmoud Abdel-Salam وآخرون | المجلة: Neural Computing and Applications | المجال: علوم النبات (Plant Science)تقدم ورقة البحث إطارًا جديدًا يهدف إلى تعزيز دقة توقعات إنتاج المحاصيل من خلال معالجة تعقيدات التفاعلات البيئية وتحسين نموذج الانحدار باستخدام دعم المتجهات (SVR). يتكون الإطار من ثلاث مراحل: المعالجة المسبقة، اختيار الميزات الهجين، والتوقع. في مرحلة المعالجة المسبقة، يتم إجراء تطبيع البيانات، يليه تجميع K-means وفلتر قائم على الارتباط (CFS) لإنشاء مجموعة بيانات…
-
مقارنة بين YOLOv8 و Mask R-CNN لتجزئة الكائنات في بيئات البساتين المعقدة
2024 | المؤلف: Ranjan Sapkota وآخرون | المجلة: Artificial Intelligence in Agriculture | المجال: علوم النبات (Plant Science)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…
-
التنبؤ بعائد محصول البطاطس باستخدام التعلم الآلي والتعلم العميق من أجل الزراعة المستدامة
2024 | المؤلف: El‐Sayed M. El‐kenawy وآخرون | المجلة: Potato Research | المجال: علوم النبات (Plant Science)تسلط ورقة البحث الضوء على أهمية التنبؤ الدقيق بعائد البطاطس لتعزيز الممارسات الزراعية وضمان الأمن الغذائي. تقيم نماذج التعلم الآلي (ML) والتعلم العميق (DL) المختلفة، بما في ذلك أقرب الجيران (KNN)، وتعزيز التدرج، وXGBoost، والشبكات العصبية متعددة الطبقات، والشبكات العصبية الرسومية (GNNs)، ووحدات التكرار المغلقة (GRUs)، وشبكات الذاكرة طويلة وقصيرة الأمد (LSTMs). تجد الدراسة أنه…