استفاده از معماری YOLO برای شناسایی بیماری‌های برگ درخت عناب

Abstract

عناب یکی از محصولات کلیدی در مناطق گرم و خشک است. به‌طوری‌که درخت عناب توانسته خود را با کم‌آبی سازگار و نقش مهمی در حفظ پوشش گیاهی و چرخه اقتصادی ایفا کند. ازاین‌رو شناسایی به‌موقع بیماری‌ها در برگ درختان عناب می‌تواند در حفظ درخت و بهبود بهره‌برداری محصول عناب مؤثر باشد؛ برای این منظور در این پژوهش تعداد 841 تصویر برگ سالم، سِنَک و پارانشیم درخت عناب از مجموعه داده Birjand Native Plant Leaves (BNPL) برای آموزش معماری هایYOLO v11s و YOLO v8s انتخاب شده‌اند. به‌طوری‌که پس از انجام آموزش، تصاویر جدیدی در اختیار مدل‌های خروجی قرار گرفته و عملکرد شناسایی بیماری ارزیابی می‌شود. نتایج نشان می‌دهند که مدل YOLO v11s در زمینه شناسایی بیماری‌های مختلف روی برگ بهتر عمل کرده و میزان Precision، Recall و mAP به ترتیب برابر 96%، 85.7% و 92.8% به دست آمده است.