فهرست نشریات علمی دسترسی آزاد ایران

هدف: عفونت‌های ناشی از ویروس‌ها و باکتری‌ها، مشکلات اولیه مرتبط با میکروب هستند که به‌طور قابل‌توجهی بهره‌وری کشاورزی را در سراسر جهان کاهش می‌دهند. در حال حاضر، شناسایی عوامل بیماری زا به دلیل شرایط زندگی غالب دشوار است. حسگرهای زیستی امروزه به طور گسترده برای نظارت بر ذرات میکروبی و ویروسی استفاده می شوند. مواد و روش‌ها: جلوگیری از هدررفت محصول و کاهش اثرات اقتصادی و زیست محیطی نیازمند شناسایی زودهنگام بیماری های گیاهی است. ردیابی نانوذرات آلودگی گیاهی، تشخیص زودهنگام بیماری را به دلیل نانوتکنولوژی و حسگرهای زیستی ممکن کرده است. پاتوژن‌ها از جمله باکتری‌ها، قارچ‌ها و ویروس‌ها نانوذراتی را با آثار شیمیایی منحصربه‌فرد تشکیل می‌دهند که ممکن است توسط نانو حسگرهای زیستی حساس شناسایی شوند. کشاورزی دقیق اکنون پاسخ های سریع تر و کنترل بیماری های خاص تر را امکان پذیر می‌کند. روش‌های یادگیری عمیق (DL)، به‌ویژه شبکه‌های عصبی کانولوشن (CNN)، می‌توانند الگوهای سلسله مراتبی را در داده‌های نانو حسگر زیستی بیاموزند و گیاهان سالم و آلوده را به‌طور دقیق تشخیص دهند، حتی در مراحل اولیه آلودگی. این امر کشاورزی دقیق و مدیریت بیماری را گسترش می‌دهد.   نتایج: این مطالعه از مدل ECPD-CNN-NBS برای شناسایی بیماری لکه‌های باکتریایی (BS) در گیاهان هلو با تجزیه و تحلیل تصاویر برگ آنها استفاده می‌کند. این مدل همچنین می‌تواند برای تشخیص ECPD استفاده شود. آزمایش‌های انجام‌شده در این مقاله از مجموعه داده‌های قابل دسترسی عمومی PlantVillage برای به دست آوردن تصاویر برگ گیاهان هلو استفاده می‌کنند. نتیجه‌گیری: سیستم پیشنهادی با استفاده از 10013 پارامتر یادگیری به دقت یادگیری 99.55 درصد و دقت تست 99.01 درصد می‌رسد.