عنوان فارسی مقاله:هوش مصنوعی در مزارع هوشمند: تعیین فنوتیپ گیاهی برای شناسایی گونه ها و شناسایی وضعیت سلامت با استفاده از یادگیری عمیق
چکیده
این مقاله نقش معماری شبکه عصبی کانولوشنال (CNN) مبتنی بر شبکه باقیمانده (ResNet) را که در دو کار مربوط به فنوتیپسازی گیاهی به کار میرود، تحلیل میکند. در میان کارهای معاصر برای شناسایی گونه ها (SR) و تشخیص آلودگی گیاهان، اکثر آنها آزمایشاتی را روی مجموعه داده های متعادل انجام داده اند و از دقت به عنوان پارامتر ارزیابی استفاده کرده اند. با این حال، این کار از یک مجموعه داده نامتعادل با تعداد نابرابر تصاویر استفاده کرد، تقویت دادهها را برای افزایش دقت اعمال کرد، دادهها را بهعنوان نمونههای آزمایشی و کلاسهای متعدد سازماندهی کرد، و مهمتر از همه، از پارامترهای ارزیابی طبقهبندی کننده چند طبقه مفید برای توزیع کلاس نامتقارن استفاده کرد. علاوه بر این، این کار به مسائل معمولی مانند انتخاب اندازه مجموعه داده، عمق طبقهبندیکنندهها، زمان آموزشی مورد نیاز، و تجزیه و تحلیل عملکرد طبقهبندیکننده در صورت استقرار موارد آزمایشی مختلف، میپردازد. در این کار، معماری ResNet 20 (V2) به طور قابل توجهی در وظایف تشخیص گونه (SR) و شناسایی برگ های سالم و آلوده (IHIL) با دقت ۹۱٫۸۴% و ۸۴٫۰۰%، فراخوانی ۹۱٫۶۷% و ۸۳٫۱۴% و امتیاز F1 به ترتیب ۹۱٫۴۹% و ۸۳٫۱۹% بود(هوش مصنوعی در مزارع هوشمند).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.