إطار عمل هجين للكشف عن أمراض أوراق النباتات وتصنيفها باستخدام الشبكات العصبية التلافيفية ومحولات الرؤية

في الآونة الأخيرة، توسع العلماء في استخدام تقنيات الذكاء الاصطناعي في مجال الزراعة الذكية، بهدف زيادة إنتاجية القطاع الزراعي ومعالجة مجموعة واسعة من التحديات. وتُعد عملية الكشف عن أمراض النباتات وتصنيفها مسألة بالغة الصعوبة، نظراً للتنوع الهائل في النباتات حول العالم وتعدد الأمراض التي تؤثر سلباً على إنتاج المحاصيل المختلفة. لذا، يطمح أي نظام يعتمد على الذكاء الاصطناعي إلى تحقيق الكشف المبكر عن هذه الأمراض وتصنيفها بدقة. تقدم هذه الورقة البحثية إطار عمل هجيناً يهدف إلى تحسين دقة تصنيف أمراض أوراق النباتات بشكل ملحوظ. يعتمد هذا النموذج المقترح على الجمع بين نقاط القوة في كل من الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (Vision Transformers - ViT)؛ حيث يتم استخدام نموذج مدمج (Ensemble model) يضم معماريات شهيرة للشبكات العصبية التلافيفية —وهي VGG16 وInception-V3 وDenseNet20— لاستخراج سمات عالمية (Global features) قوية. تلي ذلك مرحلة استخدام نموذج "محولات الرؤية" (ViT) لاستخراج سمات محلية (Local features)، مما يتيح الكشف عن أمراض النباتات بدقة عالية. تم تقييم أداء النموذج المقترح باستخدام مجموعتي بيانات متاحتين للجمهور (تخصان التفاح والذرة)، حيث تتكون كل مجموعة منهما من أربع فئات. وقد نجح النموذج الهجين المقترح في الكشف عن أمراض أوراق النباتات وتصنيفها ضمن فئات متعددة، متفوقاً بذلك على أساليب أخرى مماثلة نُشرت مؤخراً؛ إذ حقق النموذج المقترح دقة بلغت 99.24% لمجموعة بيانات التفاح، و98% لمجموعة بيانات الذرة. المزيد