فهرست نشریات علمی دسترسی آزاد ایران

در موضوع بیماری‌های گیاهی، انتخاب روش‌های پیشگیری مناسب مانند کاربرد علف‌کش‌ها تنها زمانی امکان‌پذیر است ‌که نوع بیماری به سرعت و به دقت تشخیص داده شود. در این مطالعه یک مدل یادگیری انتقالی بر مبنای مدل از پیش آموزش‌دیده EfficientNet به‌منظور تشخیص و دسته‌بندی برخی از بیماری‌های گوجه‌فرنگی با استفاده از 2340 تصویر از گیاه گوجه‌فرنگی به‌عنوان پایگاه تصاویر آموزشی توسعه یافت. برمبنای نتایج این مطالعه در مرحله اعتبارسنجی مدل، نرخ دسته‌بندی تصاویر در حدود 5 fps (5 فریم در ثانیه) بود که برای مدل یادگیری عمیقی که روی رایانه مجهز به CPU معمولی اجرا می‌شود، منطقی است. به‌علاوه چون منحنی‌های صحت و هزینه مربوط به مراحل آموزش و آزمایش در عددهای دوره بیش از 20 تقریباً افقی شده بودند (از نظر عددی، بدترین ضریب تغییرات داده‌های مربوط به این چهار حالت 7% بود)، مدل به‌خوبی آموزش دیده است و افزایش عدد دوره به افزایش صحت مدل منجر نخواهد شد. به‌علاوه سلول‌های واقع در قطر اصلی ماتریس در هم‌ریختگی مربوط به عملکرد مدل روی تصاویر آزمون با اعداد بزرگتری در مقایسه با محتوای سایر سلول‌های ماتریس پر شده بودند، به‎طور دقیق 88.8%، 7.7%، و 3.3% از سلول‌های باقیمانده (جایی‎که سلول‌های مربوط به قطر اصلی ماتریس کنار گذاشته شده بودند) به‌ترتیب با اعداد 0 و 1 و 2 پر شده بودند. در نهایت مقادیر حساسیت، اختصاصیت، دقت، نمره F1 و صحت مدل به‌ترتیب برابر با 85%، 98%، 86%، 84% و 85% بود.