تصنيف موثوق للمرض النباتي في الأوراق باستخدام التعلم العميق بناءً على فروع منفصلة حسب الضوء واللون

أقدرَتْ منظمة الأغذية والزراعة (FAO) أنّ الأمراض النباتية تسبّب خسائر بقيمة 220 مليار دولار في الاقتصاد العالمي عام 2019. وفي هذه الورقة البحثية، نقترح شبكة عصبية عميقة مُتعددة الطبقات خفيفة الوزن (DCNN) لتصنيف أمراض أوراق النباتات تلقائيًا وموثوقًا به. تبدأ الطريقة المقترحة بتحويل صور أوراق النبات المدخلة من تنسيق RGB إلى إحداثيات CIE LAB. ثم تمرّ قنوات L و AB عبر فروع منفصلة إلى جانب الطبقات الثلاث الأولى من معمارية Inception V3 المُعدّلة. ويؤدي هذا النهج إلى تقليل عدد المعلمات في الفروع المنفصلة بنسبة تتراوح بين الثلث والنصف. كما يُحسّن من موثوقية التصنيف عند إدخال أنواع مختلفة من الضوضاء على الصور الأصلية باللون RGB (ضوضاء الملح والفلفل، التمويه، التمويه الحركي، والانسداد). وتنمّذج هذه أنواع الضوضاء التباينات الشائعة في الصور التي تظهر في البيئة الطبيعية. ونفترض أن المرشحات في الفرع AB توفر مقاومة أفضل لتلك التباينات نظرًا لتردداتها المنخفضة نسبيًا في مجال فضاء الصورة.