SWNet: شبكة مبتكرة للكشف عن الأعشاب الضارة المتنكرة في الزراعة

في عالم الزراعة الحديث، تمثل الأعشاب الضارة المتنكرة تحديًا كبيرًا للمزارعين، حيث تتشابه هذه الأنواع الغازية مع المحاصيل الأساسية بشكل يصعب اكتشافها باستخدام تقنيات الرؤية الحاسوبية التقليدية. لكن المبتكرين الذين يقفون وراء SWNet، شبكة ثنائية الطيف متكاملة مصممة خصيصًا للتغلب على هذه العقبة، قدموا أملًا جديدًا.

تستند SWNet إلى هيكل تعليمي رفيع المستوى، يستخدم تقنية Pyramid Vision Transformer v2 لالتقاط الاعتمادية على المدى الطويل بين العناصر المختلفة في البيئة الزراعة. هذا يعني أن النظام يمكنه فهم كيف تتفاعل النباتات مع بعضها البعض في الفضاء الزراعي، مما يجعل الكشف عن الأنواع المتنكرة أكثر دقة.

من خلال استخدام وحدة دمج محولة ثنائية الطيف (Bimodal Gated Fusion Module)، يتم دمج المعلومات من الطيف المرئي وقريب الأشعة تحت الحمراء (NIR)، حيث يمكن لتباين نطاق الأشعة تحت الحمراء أن يكشف عن الفرق الفسيولوجي في انعكاس الكلوروفيل بين المحاصيل والأعشاب.

لمزيد من الدقة، يتم تضمين وحدة تحسين حدود القالب (Edge-Aware Refinement Module) لضمان وضوح الحدود المتعرفة، مما يقلل الغموض الهيكلي الذي يمكن أن يصاحب تقنيات الكشف التقليدية.

أثبتت التجارب التي أجريت على مجموعة بيانات Weeds-Banana أن SWNet يتفوق بشكل ملحوظ على عشرة أساليب حالية، مما يعكس أهمية دمج البيانات متعددة الأطياف وتحسين الحدود في تحقيق دقة تقسيم عالية في الكانوبونات الزراعية المعقدة. لجعل هذا الابتكار متاحًا للباحثين والمزارعين، يمكن الوصول إلى الشيفرة المصدرية على GitHub: [رابط GitHub](https://cod-espol.github.io/SWNet/).

كيف تتصور تأثير SWNet على مستقبل الزراعة وعمليات الكشف عن الأعشاب؟ شاركونا آراءكم في التعليقات!