استكشاف الشبكات العصبية التلافيفية لتصنيف حبوب الأرز: نهج الذكاء الاصطناعي القابل للتفسير

الأرز هو غذاء أساسي مهم على مستوى العالم ويساهم في تعزيز التجارة الدولية والنمو الاقتصادي والتغذية. تُعرف البلدان الآسيوية مثل الصين والهند وباكستان وتايلاند وفيتنام وإندونيسيا بمساهمتها الكبيرة في زراعة واستخدام الأرز. كما تُعرف هذه الدول بزراعة أنواع مختلفة من حبوب الأرز، بما في ذلك الحبوب القصيرة والطويلة. تُصنف هذه الأحجام بشكل أكبر كالأرز البسمتي، والأرز الياسمين، وكاينات سيلاء، وإبسالا، وأروريو، وما إلى ذلك، لتلبية تفضيلات الطهي المتنوعة والتقاليد الثقافية. من الضروري فحص والحفاظ على جودة حبوب الأرز لتلبية احتياجات العملاء والحفاظ على سمعة البلد لكل من التجارة المحلية والدولية. عملية الفحص اليدوي للجودة والتصنيف تعتبر عملية laborious وصعبة وتستغرق وقتاً طويلاً. كما إنها معرضة جداً للأخطاء. لذلك، يجب اقتراح حل أوتوماتيكي لتصنيف أنواع مختلفة من حبوب الأرز بفاعلية وكفاءة. تقدم ورقة البحث هذه إطار عمل تلقائي يعتمد على شبكة عصبية تلافيفية (CNN) لتصنيف أنواع مختلفة من حبوب الأرز. قمنا بتقييم النموذج المقترح بناءً على مقاييس الأداء مثل الدقة والاسترجاع والدقة وF1-Score. خضعت نموذج الCNN لتدريب صارم وتحقق، محققة معدل دقة ملحوظ ومنطقة مثالية تحت منحنى مستلم الخصائص التشغيلية (ROC) لكل فئة. أكدت تحليلات مصفوفة الالتباس فعالية النموذج في تمييز الأنواع المختلفة من الأرز، مشيرة إلى أخطاء تصنيف ضئيلة. بالإضافة إلى ذلك، أتاح دمج تقنيات الشرح مثل LIME (تفسيرات نموذج محلي قابلة للتفسير) وSHAP (تفسيرات جمع شابل) رؤى قيمة في عملية اتخاذ القرار للنموذج، كاشفاً كيف أثرت ميزات معينة من حبوب الأرز على نتائج التصنيف.