طريقة محسّنة تعتمد على YOLOv8 للكشف في الوقت الحقيقي عن أوراق الشاي الضارة في الخلفيات المعقدة

ملخص: يُعتبر الشاي محصولًا يُزرع عالميًا ويُعرف بنكهته الفريدة وخصائصه الصحية، ويُعتبر من أكثر المشروبات الوظيفية المفضّلة على مستوى العالم. ومع ذلك، فإن الآفات والأمراض تُهدد بشدة إنتاج وجودة أوراق الشاي، مما يؤدي إلى خسائر اقتصادية كبيرة. بينما يمكن أن يُخفف التعرف المبكر والدقيق مع إزالة الأوراق المصابة من تفشي العدوى، تظل إزالة الأوراق يدويًا تستغرق وقتًا طويلاً وتكلفتها مرتفعة. لمواجهة هذا التحدي، يقدم هذا البحث نموذج شبكة YOLO-DBD للكشف عن أوراق الشاي الضارة. يتميز النموذج بكفاءته في تحديد أوراق الشاي الضارة بأوضاع مختلفة في الخلفيات المعقدة، مما يوفر إرشادات حاسمة لوضع الذراع الروبوتية وتجنب العقبات أثناء عملية التقليم. تشمل التحسينات المقترحة في هذه الدراسة وحدة C2f-DCN، والانتباه الثنائي المستويات، والرأس الديناميكي، ودالة خسارة Focal-CIoU، مما يُعزز من استخراج الميزات للنموذج، وتخصيص الحوسبة، وقدرات الإدراك. تُظهر التحليل المقارن مع نموذج YOLOv8s تحسينًا بنسبة 6% في mAP وانخفاضًا قدره 3.3G FLOPs في نموذج YOLO-DBD.