نهج التعلم القليل من اللقطات شبه المشرف للتعرف على أمراض نباتات الأوراق

الخلفية: التعلم من عدد قليل من العينات للتعرف تلقائيًا على أمراض أوراق النباتات هو دراسة جذابة وواعدة لحماية المحصول الزراعي وجودته. الدراسات الحالية في التصنيف القليل من اللقطات في الزراعة تعتمد بشكل أساسي على مخططات التعلم المشرف، متجاهلة المعلومات المفيدة للبيانات غير المصنفة. الطرق: في هذه الورقة، اقتراحنا نهج التعلم القليل من اللقطات شبه المشرف لحل التعرف على أمراض أوراق النباتات. بالطبع، يتم استخدام مجموعة بيانات PlantVillage العامة وتقسيمها إلى مجال المصدر ومجال الهدف. تم إجراء تجارب مقارنة شاملة تأخذ في الاعتبار تقسيم المجال ومعلمات القليل من اللقطات (N-way، k-shot) من أجل التحقق من صحة وعمومية الطرق المقترحة شبه المشرفة. فيما يتعلق باختيار العينات ذات التسميات المزيفة في العملية شبه المشرفة، اعتمدنا على فترة الثقة لتحديد عدد العينات غير المصنفة لتسمية زائفة بشكل تكيفي. النتائج: متوسط التحسين بواسطة الطريقة شبه المشرفة الواحدة هو 2.8%، بينما بواسطة الطريقة شبه المشرفة التكرارية هو 4.6%. الاستنتاجات: الطرق المقترحة يمكن أن تتفوق على الأعمال ذات الصلة الأخرى مع بيانات تدريب مصنفة أقل.