Robust Multi-Sensor Consensus Plant Disease Detection Using the Choquet Integral (Edge-AI)

GRW SMART: Edge-AI Smart Greenhouse System for Early Plant Disease Detection

تحميل ملف PDF للبحث تطبيق Hugging Face نموذج Kaggle (tomato-efficientnet-b0)

ملخص البحث والأهداف

يركز هذا البحث (GRW SMART) على تصميم نظام ذكي متكامل يعمل بجهاز (Edge-AI) داخل البيوت المحمية بشكل مستقل تماماً. يعتمد النظام على مصفوفة حساسات متعددة (كاميرات متعددة الزوايا) والدمج المسبق للقرارات باستخدام تكامل شوكيه (Choquet Integral) وشبكات التعلم العميق (EfficientNet-B0) للكشف المبكر عن أمراض أوراق الطماطم بدقة فائقة وسرعة استجابة عالية.

المهام والمخرجات الأساسية (Deliverables)

المهمة الأولى: هندسة العتاد وتثبيت الحساسات (Edge-AI Hardware)

تصميم وحدة المعالجة المركزية باستخدام Raspberry Pi 4 مع مصفوفة من 4 كاميرات رقمية عالية الدقة تلتقط صور أوراق النباتات (مثل الطماطم) من زوايا متعددة (أعلى وأسفل الأوراق) للتغلب على التظليل وتغطية كافة تفاصيل الإصابة محلياً بدون الحاجة الدائمة للإنترنت.

المهمة الثانية: بناء ونمذجة الذكاء الاصطناعي (EfficientNet-B0)

تصفية وتدريب قاعدة بيانات PlantVillage لتشمل 10 أصناف رئيسية لأمراض الطماطم، وتطوير نموذج EfficientNet-B0 مع استخدام تقنيات الـ Mixed Precision (AMP-GradScaler) وتخزين الأوزان ورفعها على Kaggle Models.

Kaggle: ruicompany/tomato-efficientnet-b0

المهمة الثالثة: خوارزمية الدمج وتطوير واجهة الجهاز (Choquet Integral & UI)

تطبيق خوارزمية دمج الاحتمالات عبر تكامل شوكيه لتقليل الإنذارات الكاذبة، وتطوير واجهة مستخدم ذكية متكاملة تعرض اسم المرض، عائلة الكائن الممرض، نسبة الثقة، الأعراض، والإرشادات مع ربطها بتطبيق Hugging Face الحي.

Hugging Face: ONYX-APP/grw-smart-plant-disease

فيديو توضيحي: Robust Multi-Sensor Consensus Plant Disease Detection

متطلبات النظام والبحث

• المتحكم: Raspberry Pi 4
• النموذج: EfficientNet-B0 (PyTorch)
• الديتاست: PlantVillage (10 Tomato Classes)[cite: 1]
• المنصة الحية: Hugging Face Spaces
• التنسيق: IEEE Standard[cite: 1]