چکیده مقاله
عناب یکی از محصولات کلیدی در مناطق گرم و خشک است به طوری که درخت عناب توانسته خود را با کم آبی سازگار و نقش مهمی در حفظ پوشش گیاهی و چرخه اقتصادی ایفا کند از این رو شناسایی به موقع بیماری ها در برگ درختان عناب می تواند در حفظ درخت و بهبود بهره برداری محصول عناب موثر باشد برای این منظور در این پژوهش تعداد ۸۴۱ تصویر برگ سالم، سنک و پارانشیم درخت عناب از مجموعه داده Birjand Native Plant Leaves BNPL برای آموزش معماری های YOLO v۱۱s و YOLO v۸s انتخاب شده اند به طوری که پس از انجام آموزش، تصاویر جدیدی در اختیار مدل های خروجی قرار گرفته و عملکرد شناسایی بیماری ارزیابی می شود نتایج نشان می دهند که مدل YOLO v۱۱s در زمینه شناسایی بیماری های مختلف روی برگ بهتر عمل کرده و میزان Recall، Precision و mAP به ترتیب برابر ۹۶، ۸۵ ۷ و ۹۲ ۰۸٪ به دست آمده است
کلیدواژه‌ها
نویسندگان
محمد حسن مجیدی
دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند
محمد حسین خسروی
استادیار دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند
جلال الدین زارعی
دانشجوی دکترای دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند
شیوه ارجاع
مجیدی، محمد حسن و خسروی، محمد حسین و زارعی، جلال الدین،1404،استفاده از معماری YOLO برای شناسایی بیماری های برگ درخت عناب،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین
ارائه‌شده در
مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین