ارزیابی آماری پایداری معماری‌های یادگیری عمیق در تشخیص بیماری‌های برگ گوجه‌فرنگی | ||
| مهندسی بیوسیستم ایران | ||
| دوره 57، شماره 3، پاییز 1405، صفحه 25-53 اصل مقاله (2.04 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2026.411881.665640 | ||
| نویسنده | ||
| شاهین رفیعی* | ||
| گروه مهندسی میانیک بیوسیستم، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| چکیده | ||
| تشخیص دقیق و به‌موقع بیماری‌های برگ گوجه‌فرنگی نقش اساسی در کاهش خسارات، افزایش بهره‌وری و دستیابی به کشاورزی پایدار دارد. بخش عمده‌ای از مطالعات در زمینه یادگیری عمیق در این حوزه، تنها به یک اجرای منفرد بسنده کرده و پایداری آماری را نادیده گرفته‌اند؛ موضوعی که اعتبار و کاربردپذیری عملی این روش‌ها را محدود می‌سازد. هدف این پژوهش، پر کردن این شکاف از طریق ارائه یک چارچوب ارزیابی جامع و پایدار برای مقایسه معماری‌های مختلف یادگیری عمیق در تشخیص بیماری‌های برگ گوجه‌فرنگی است. در این راستا، یک شبکه عصبی پیچشی پایه آموزش‌دیده از ابتدا، در کنار چندین مدل پیشرفته مبتنی بر یادگیری انتقالی از خانواده‌های ResNet، GoogLeNet، EfficientNet و DenseNet بر روی مجموعه‌داده استاندارد مرجع مورد ارزیابی تطبیقی قرار گرفت. برای تضمین مقایسه‌ای واقع‌بینانه، تمامی مدل‌ها تحت ۲۵ اجرای کاملاً مستقل با مقداردهی اولیه تصادفی آموزش داده شدند و شاخص‌های متنوعی شامل دقت، صحت، بازخوانی، امتیاز F1، ضریب همبستگی متیوز، مساحت زیر منحنی ROC و انحراف معیار نتایج، محاسبه و تحلیل شد. نتایج نشان داد که مدل‌های مبتنی بر یادگیری انتقالی، علاوه بر دستیابی به دقت بالاتر، از پایداری آماری به‌مراتب بیشتری نسبت به شبکه پایه برخوردارند. در میان آن‌ها، DenseNet-121 با دقت میانگین ۰٫۹۹۶ و کمترین انحراف معیار (۰٫۰۰۱۱)، پایدارترین عملکرد را داشت. تحلیل کیفی ماتریس‌های اغتشاش نیز کاهش معنادار خطاهای بین‌کلاسی را تأیید کرد. این یافته‌ها نشان می‌دهد که ارزیابی چنداجرایی و توجه به پایداری آماری، گامی ضروری برای انتخاب مدل‌های قابل اعتماد در سامانه‌های هوشمند تشخیص بیماری گیاهان و توسعه کاربردهای عملی در کشاورزی آینده است. | ||
| کلیدواژه‌ها | ||
| یادگیری انتقالی؛ شبکه‌های عصبی پیچشی؛ تعمیم‌پذیری؛ بیش‌برازش؛ پایش سلامت گیاه | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 142 تعداد دریافت فایل اصل مقاله: 132 |
||