الأبحاث ضمن الموضوع : الزراعة الذكية والذكاء الاصطناعي
-
تعزيز الزراعة من خلال تصنيف أمراض أوراق العنب في الوقت الحقيقي عبر جهاز حافة مع بنية CNN خفيفة الوزن وGrad-CAM
2024 | المؤلف: Md. Jawadul Karim وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم ورقة البحث نهجًا جديدًا للكشف المبكر عن أمراض أوراق العنب باستخدام نموذج شبكة عصبية تلافيفية خفيفة الوزن (CNN) مخصص يعتمد على MobileNetV3Large. تم تصميم هذا النموذج للنشر على الأجهزة الطرفية مثل Nvidia Jetson Nano، ويظهر أداءً استثنائيًا بدقة تدريب واختبار تبلغ 99.66% و99.42% على التوالي. تتضمن المنهجية طبقات كثيفة إضافية وطبقات إسقاط لتخفيف الإفراط…
-
PND-Net: تصنيف نقص التغذية النباتية والأمراض باستخدام الشبكة العصبية التلافيفية
2024 | المؤلف: Asish Bera وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم البحث إطار عمل جديد للتعلم العميق، يسمى شبكة نقص التغذية والأمراض النباتية (PND-Net)، مصمم لتعزيز الكشف عن نقص التغذية والأمراض في النباتات من خلال دمج الشبكات التلافيفية البيانية (GCNs) والشبكات التلافيفية العصبية (CNNs). يؤكد الدراسة على أهمية التعرف المبكر على مشاكل صحة النباتات لتحسين إنتاجية المحاصيل والنمو الزراعي. من خلال استخدام تجميع هرمى مكاني…
-
يمكن للذكاء الاصطناعي تمكين الزراعة من أجل الأمن الغذائي العالمي: التحديات والآفاق في الدول النامية
2024 | المؤلف: Ahmad Ali وآخرون | المجلة: Frontiers in Artificial Intelligence | المجال: علوم النبات (Plant Science)يتناول هذا القسم من ورقة البحث الدور الحاسم للذكاء الاصطناعي (AI) في معالجة تحديات الأمن الغذائي، لا سيما في البلدان النامية والفقيرة، مع استمرار ارتفاع عدد السكان العالمي. يجادل المؤلفون بأن تحقيق الهدف الثاني من أهداف التنمية المستدامة للأمم المتحدة – القضاء على الجوع بحلول عام 2030 – يتطلب التغلب على الفجوة الرقمية بين الدول…
-
الكشف عن أمراض أوراق النباتات وتحديدها باستخدام YOLOv4
2024 | المؤلف: Eman Abdullah Aldakheel وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تبحث هذه الدراسة في تطبيق خوارزمية YOLOv4 للكشف الدقيق وفي الوقت المناسب عن أمراض أوراق النباتات، مع معالجة قيود الطرق اليدوية التقليدية. باستخدام مجموعة بيانات Plant Village الشاملة، التي تتكون من أكثر من 50,000 صورة لكل من الأوراق الصحية والمريضة من 14 نوعًا، تستخدم الدراسة تقنيات تعزيز البيانات مثل تسوية الهيستوجرام والانعكاس الأفقي لتعزيز قوة…
-
الكشف عن أمراض أوراق الطماطم بناءً على آلية الانتباه ودمج الميزات متعددة المقاييس
2024 | المؤلف: Yong Wang وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم هذه الورقة البحثية طريقة محسّنة لاكتشاف أمراض أوراق الطماطم في البيئات الطبيعية المعقدة، مع معالجة التحديات مثل الإضاءة المتغيرة وأحجام الآفات الصغيرة. تدمج الطريقة المقترحة وحدة انتباه الكتلة التلافيفية (CBAM) في نموذج YOLOv6 لتحسين استخراج ميزات المرض مع التخفيف من التداخل البيئي. بالإضافة إلى ذلك، تم تقديم وحدة دمج الميزات العامة المعاد برمجتها متعددة…
-
توأم رقمي زراعي للماندرين يظهر الإمكانية للزراعة الفردية
2024 | المؤلف: Steven Kim وآخرون | المجلة: Nature Communications | المجال: علوم النبات (Plant Science)قسم “الطرق” في ورقة البحث يوضح التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، حيث تم دمج التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب متنوعة. تضمنت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج المعنية. شملت جمع البيانات استخدام أدوات وبروتوكولات…
-
الذكاء الاصطناعي: أداة واعدة للتطبيق في علم أمراض النبات
2024 | المؤلف: Victoria E. González‐Rodríguez وآخرون | المجلة: Horticulturae | المجال: علوم النبات (Plant Science)تقدم هذه القسم نظرة شاملة على الدور التحويلي للذكاء الاصطناعي (AI) في إدارة أمراض النباتات والبحث الفيتوباثولوجي. يبرز التأثير الكبير لأمراض النباتات، التي تؤدي إلى خسائر سنوية في المحاصيل تتراوح بين 10-16%، مما يستلزم حلولاً مبتكرة. يظهر الذكاء الاصطناعي قدرات استثنائية في الكشف الآلي عن الأمراض والتشخيص من خلال تقنيات التعرف على الصور المتقدمة، محققًا…
-
YOLOV5-CBAM-C3TR: نموذج محسّن يعتمد على وحدة المحول وآلية الانتباه لاكتشاف أمراض أوراق التفاح
2024 | المؤلف: Meng Lv وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم البحث نموذج YOLOV5-CBAM-C3TR، وهو نسخة محسنة من YOLOV5، مصممة للكشف الدقيق عن أمراض أوراق التفاح، وخاصة بقعة ألترناريا، والبقعة الرمادية، والصدأ. من خلال دمج آلية الانتباه ووحدة تشفير المحولات، يعالج هذا النموذج قيود طرق الكشف اليدوية التقليدية، التي غالبًا ما تكون بطيئة وغير دقيقة. استخدمت الدراسة صور RGB للتدريب والتقييم، مقارنةً بين YOLOV5-CBAM-C3TR ونماذج…
-
تعزيز أنظمة توصية المحاصيل باستخدام الذكاء الاصطناعي القابل للتفسير: دراسة حول اتخاذ القرارات الزراعية
2024 | المؤلف: Mahmoud Y. Shams وآخرون | المجلة: Neural Computing and Applications | المجال: علوم النبات (Plant Science)تقدم البحث XAI-CROP، وهو نظام متقدم لتوصية المحاصيل يدمج التعلم الآلي مع مبادئ الذكاء الاصطناعي القابل للتفسير (XAI) لتعزيز الشفافية وقابلية التفسير في اتخاذ القرارات الزراعية. من خلال تحليل البيانات حول خصائص التربة، وأداء المحاصيل التاريخي، وأنماط الطقس، يوفر XAI-CROP توصيات مخصصة لاختيار المحاصيل. يقيم الدراسة XAI-CROP بدقة مقارنةً بنماذج التعلم الآلي المعتمدة، بما في…
-
شبكات عصبية كابسول محسّنة لتصنيف أمراض أوراق الطماطم
2024 | المؤلف: Lobna M. Abouelmagd وآخرون | المجلة: EURASIP Journal on Image and Video Processing | المجال: علوم النبات (Plant Science)تقدم ورقة البحث نهجًا جديدًا لاكتشاف وتصنيف أمراض أوراق الطماطم باستخدام شبكة عصبية كبسولية محسّنة (CapsNet). غالبًا ما تكافح الشبكات العصبية التلافيفية التقليدية (CNNs) في التقاط العلاقات المكانية في الصور، وهو أمر حاسم لتحديد الخصائص المحددة لأمراض الأوراق. تستفيد منهجية CapsNet المقترحة من تقنيات تعزيز البيانات والمعالجة المسبقة لتحسين التدريب، محققة دقة مثيرة للإعجاب تبلغ…