Key points are not available for this paper at this time.
يعد تشخيص أمراض النباتات أمرًا حاسمًا في الزراعة بسبب أهميته في زيادة إنتاج المحاصيل. توفر التقدمات الأخيرة في معالجة الصور وسيلة جديدة لحل هذه المشكلة من خلال تحليل أمراض النباتات بصريًا. ومع ذلك، هناك أعمال قليلة في هذا المجال، ناهيك عن الأبحاث المنهجية. في هذه الورقة، نحن ندرس بشكل منهجي مشكلة التعرف على أمراض النباتات بصريًا لتشخيص أمراض النباتات. بالمقارنة مع الأنواع الأخرى من الصور، تعرض صور أمراض النباتات عمومًا آفات موزعة بشكل عشوائي، وأعراض متنوعة، وخلفيات معقدة، مما يجعل من الصعب التقاط معلومات تمييزية. لتسهيل أبحاث التعرف على أمراض النباتات، قمنا بإنشاء مجموعة بيانات جديدة على نطاق واسع تحتوي على 271 فئة من أمراض النباتات و220,592 صورة. بناءً على هذه المجموعة، نعالج التعرف على أمراض النباتات من خلال إعادة وزن كل من المناطق المرئية والخسارة لتسليط الضوء على الأجزاء المصابة. نحن أولاً نحسب أوزان جميع الرقع المقسمة من كل صورة بناءً على توزيع الكتل لهذه الرقع للإشارة إلى مستوى التمييز لكل رقعة. ثم نخصص الوزن لكل خسارة لكل زوج من الرقعة-التسمية خلال التدريب الخاضع للإشراف الضعيف لتمكين تعلم الأجزاء المرضية التمييزية. نخرج أخيرًا ميزات الرقعة من الشبكة المدربة مع إعادة وزن الخسارة، ونستخدم شبكة LSTM لترميز تسلسل ميزات الرقعة المثقلة إلى تمثيل ميزات شامل. تظهر التقييمات المكثفة على هذه المجموعة ومجموعة بيانات عامة أخرى ميزة الطريقة المقترحة. نتوقع أن تدفع هذه الأبحاث أجندة التعرف على أمراض النباتات في مجتمع معالجة الصور.
درس ليو وآخرون (الجمعة) هذا السؤال.
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: