فهرست نشریات علمی دسترسی آزاد ایران

توسعه یک سیستم هوشمند دقیق و قابل‌اعتماد برای مدیریت بیماری‌های برگ درختان برای کشاورزان بسیار ضروری است. این مطالعه با هدف توسعه یک راهکار مبتنی بر هوش مصنوعی برای شناسایی بیماری‌های برگ درختان به، با استفاده از یک مدل پیشرفته و تک‌مرحله‌ای تشخیص اشیاء به نام YOLO انجام شده است. تصاویر بیماری‌های مختلف برگ این درخت از منابع متعدد، شامل مراکز تحقیقاتی کشاورزی استان اصفهان، وب‌سایت‌های مرتبط و پژوهشگران گردآوری شده است. در این پژوهش، از رویکرد یادگیری انتقالی برای ارزیابی عملکرد سه مدل شناخته‌شده YOLO شامل YOLOv5m، YOLOv7 و YOLOv8m استفاده شد. ارزیابی و مقایسه مدل‌های مورد بررسی بر اساس شاخص‌های آماری مانند دقت (Precision)، بازخوانی (Recall)، امتیاز F1 انجام گرفت. نتایج نشان داد که دقت مدل‌های YOLOv5m، YOLOv7 و YOLOv8m به‌ترتیب 78%، 83% و 87% بوده است. نتایج تجربی نشان داد که مدل YOLOv8m توانایی قابل‌توجهی در شناسایی بیماری‌های برگ درختان به دارد. علاوه بر این، مقایسه مدل‌ها نشان داد که مدل YOLOv8m با امتیازات 0.87 برای دقت، 0.66 برای بازخوانی، 0.69 برای امتیاز F1 و 0.67 برای میانگین دقت، عملکرد بهتری نسبت به سایر مدل‌های بررسی‌شده دارد. بر اساس نتایج کلی این پژوهش، مدل YOLOv8m آموزش‌دیده در این مطالعه می‌تواند به‌عنوان ابزاری تخصصی برای این محصول خاص معرفی شود. بنابراین، مدل توسعه‌یافته در این مطالعه که به‌طور ویژه برای بیماری‌های برگ درخت به طراحی شده است، می‌تواند در نرم‌افزارهای تشخیصی بیماری برگ درختان ادغام شود. چنین نرم‌افزارهایی می‌توانند به کشاورزان در تشخیص دقیق بیماری‌ها کمک کرده و در نهایت زیان‌های اقتصادی را کاهش دهند.