دعم الزراعة الذكية لمراقبة صحة المحاصيل باستخدام تقنيات التعلم العميق CNN
DOI:
https://doi.org/10.65421/jshd.v2i1.136الكلمات المفتاحية:
تشخيص أمراض النبات، MobileNetV3-Large، EfficientNet-B3، التعلم بالنقل، تطبيق Flutter، الزراعة الذكيةالملخص
تُطوّر هذه الدراسة نظامًا ذكيًا لتشخيص أمراض النباتات باستخدام تقنيات التعلم العميق ونقل التعلم ضمن إطار عمل PyTorch. حيث تم تدريب النماذج على 21,481 صورة من مجموعة بيانات PlantVillage، تغطي19 فئة لمحاصيل العنب والفلفل والبطاطا والطماطم. شملت التجارب مقارنة بين معماريتين من الشبكات العصبية الالتفافية هما EfficientNet-B3 وMobileNetV3-Large بهدف تقييم الأداء من حيث الدقة والكفاءة الحاسوبية. أظهرت النتائج أن نموذج MobileNetV3-Large حقق أفضل أداء بدقة تحقق بلغت 99.31% مع عدد معاملات أقل وزمن تدريب أقصر، مما يجعله أكثر ملاءمة للتطبيقات المحمولة. كما تم دمج النموذج النهائي داخل تطبيق جوال قائم على منصة Flutter والذي يوفر تشخيصًا فوريًا لأمراض النباتات، إضافة إلى توصيات علاجية وتدابير وقائية ومعلومات تفصيلية عن المرض، مما يجعله أداة رقمية فعالة لدعم الزراعة الذكية وتعزيز الإنتاجية الزراعية.
