تQuantifying عيوب فول الصويا: نهج حسابي لتصنيف البذور باستخدام تقنيات التعلم العميق

تقدم هذه الورقة نهجًا حسابيًا لت quantifying عيوب فول الصويا من خلال تصنيف البذور باستخدام تقنيات التعلم العميق. للتمييز بين بذور فول الصويا الجيدة والعاطلة بسرعة ودقة، نقدم شبكة خفيفة لتحديد عيوب بذور فول الصويا (SSDINet). في البداية، يتم تطوير مجموعة بيانات بذور فول الصويا المعلَّمة ومعالجتها من خلال خوارزمية الكشف عن محيط البذور المقترحة (SCD)، والتي تعزز من جودة صور بذور فول الصويا وتُجري عملية تقسيم، تليها SSDINet. تتكون شبكة التصنيف SSDINet من شبكة عصبية تلافيفية، وكتل التلافيف العمقية، وكتل الضغط والتحفيز، مما يجعل الشبكة خفيفة الوزن، أسرع، وأكثر دقة من الأنظمة الأخرى الرائدة. تُظهر النتائج التجريبية أن SSDINet حققت أعلى دقة، بلغت 98.64%، مع 1.15 مليون معلمة في 4.70 مللي ثانية، متجاوزة النماذج الرائدة الحالية. تُساهم هذه الأبحاث في تعزيز تقنيات التعلم العميق في التطبيقات الزراعية وتقدم رؤى حول التنفيذ العملي لأنظمة تصنيف البذور لمراقبة الجودة في صناعة فول الصويا.