ترجمه فارسی مقاله طبقه بندی بیماری لیمو و پرتقال با استفاده از ویژگی های استخراج شده از CNN و طبقه بندی کننده یادگیری ماشینی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Lemon and Orange Disease Classification using CNN-Extracted Features and Machine Learning Classifier
عنوان مقاله به فارسی طبقه بندی بیماری لیمو و پرتقال با استفاده از ویژگی های استخراج شده از CNN و طبقه بندی کننده یادگیری ماشینی
نویسندگان Khandoker Nosiba Arifin, Sayma Akter Rupa, Md Musfique Anwar, Israt Jahan
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Computer Vision and Pattern Recognition,یادگیری ماشین , دید رایانه و تشخیص الگوی ,
توضیحات Submitted 26 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Lemons and oranges, both are the most economically significant citrus fruits globally. The production of lemons and oranges is severely affected due to diseases in its growth stages. Fruit quality has degraded due to the presence of flaws. Thus, it is necessary to diagnose the disease accurately so that we can avoid major loss of lemons and oranges. To improve citrus farming, we proposed a disease classification approach for lemons and oranges. This approach would enable early disease detection and intervention, reduce yield losses, and optimize resource allocation. For the initial modeling of disease classification, the research uses innovative deep learning architectures such as VGG16, VGG19 and ResNet50. In addition, for achieving better accuracy, the basic machine learning algorithms used for classification problems include Random Forest, Naive Bayes, K-Nearest Neighbors (KNN) and Logistic Regression. The lemon and orange fruits diseases are classified more accurately (95.0% for lemon and 99.69% for orange) by the model. The model's base features were extracted from the ResNet50 pre-trained model and the diseases are classified by the Logistic Regression which beats the performance given by VGG16 and VGG19 for other classifiers. Experimental outcomes show that the proposed model also outperforms existing models in which most of them classified the diseases using the Softmax classifier without using any individual classifiers.

چکیده به فارسی (ترجمه ماشینی)

لیمو و پرتقال ، هر دو از نظر اقتصادی مهمترین میوه مرکبات در سطح جهان هستند.تولید لیمو و پرتقال به دلیل بیماری در مراحل رشد آن به شدت تحت تأثیر قرار می گیرد.کیفیت میوه به دلیل وجود نقص تخریب شده است.بنابراین ، لازم است که این بیماری را به طور دقیق تشخیص دهیم تا بتوانیم از از دست دادن عمده لیمو و پرتقال جلوگیری کنیم.برای بهبود کشاورزی مرکبات ، ما یک روش طبقه بندی بیماری را برای لیموها و پرتقال پیشنهاد کردیم.این رویکرد باعث تشخیص و مداخله بیماری اولیه ، کاهش تلفات عملکرد و بهینه سازی تخصیص منابع می شود.برای مدل سازی اولیه طبقه بندی بیماری ، این تحقیق از معماری های نوآورانه یادگیری عمیق مانند VGG16 ، VGG19 و RESNET50 استفاده می کند.علاوه بر این ، برای دستیابی به دقت بهتر ، الگوریتم های اصلی یادگیری ماشین مورد استفاده برای مشکلات طبقه بندی شامل جنگل تصادفی ، خلیج های ساده لوح ، همسایگان K-Nearest (KNN) و رگرسیون لجستیک است.بیماری های میوه های لیمو و نارنجی با دقت بیشتری طبقه بندی می شوند (95.0 ٪ برای لیمو و 99.69 ٪ برای نارنجی) توسط مدل.ویژگی های پایه این مدل از مدل از پیش آموزش داده شده RESNET50 استخراج شده و بیماری ها توسط رگرسیون لجستیک طبقه بندی می شوند که عملکرد داده شده توسط VGG16 و VGG19 را برای سایر طبقه بندی ها ضرب می کند.نتایج تجربی نشان می دهد که مدل پیشنهادی همچنین از مدلهای موجود بهتر عمل می کند که در آن بیشتر آنها بیماری ها را با استفاده از طبقه بندی کننده SoftMax بدون استفاده از طبقه بندی کننده های جداگانه طبقه بندی می کنند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.