تحديد الحشرات في حقول الأرز باستخدام ميزات عميقة مع خوارزمية تحسين الأسد

تعتبر الآفات تحديًا كبيرًا في زراعة الأرز، مما يؤدي إلى خسارة عالمية تبلغ حوالي 20% من إنتاج الأرز. يمكن أن تساعد الاكتشاف المبكر لحشرات الأرز في إنقاذ هذه الخسائر المحتملة. تم اقتراح عدة طرق لتحديد وتصنيف الحشرات في حقول الأرز، باستخدام مجموعة من التقنيات المتقدمة وغير الغازية والمحمولة. ومع ذلك، لم تنجح أي من هذه الأنظمة في دمج تقنيات تحسين الميزات مع التعلم العميق والتعلم الآلي. وبالتالي، قدمت الأبحاث الحالية إطارًا يستخدم هذه التقنيات لاكتشاف وتصنيف صور حشرات الأرز بشكل سريع. في البداية، ستجمع الأبحاث المقترحة مجموعة بيانات الصور وتقوم بتصنيفها إلى مجموعتين: واحدة بدون حشرات الأرز والأخرى مع حشرات الأرز. علاوة على ذلك، سيتم تطبيق تقنيات معالجة مسبقة متعددة، مثل زيادة البيانات وتصفية الصور، لتحسين جودة مجموعة البيانات وإزالة أي ضوضاء غير مرغوب فيها. لتحديد وتحليل الخصائص العميقة لصورة ما، ستدمج البنية المقترحة 5 نماذج من الشبكات العصبية التلافيفية المدربة مسبقًا. بعد ذلك، تم استخدام تقنيات اختيار الميزات، بما في ذلك تحليل المكونات الرئيسية (PCA)، والاستئصال المتكرر للميزات (RFE)، وتحليل المتباينات الخطية (LDA)، وأداة تحسين تسمى تحسين الأسد، بهدف تقليل عدد الميزات الزائدة التي تم جمعها للدراسة. بعد ذلك، سيتم تنفيذ عملية تحديد حشرات الأرز من خلال استخدام 7 خوارزميات تعلم آلي. أخيرًا، تم إجراء مجموعة من تحليلات البيانات التجريبية لتحقيق الأهداف، وتظهر الطريقة المقترحة أن متجهات الميزات المستخرجة من ResNet50 مع الانحدار اللوجستي و PCA قد حققت أعلى دقة، تصل بدقة إلى 99.28%. ومع ذلك، سيكون للفكرة الحالية تأثير كبير على كيفية تشخيص حشرات الأرز في الحقل.