مجتبی افشاری پور - دانشجوی دکتری مهندسی مکانیک بیوسیستم، دانشگاه شهید باهنر کرمان
محسن شمسی - دانشیار مهندسی مکانیک بیوسیتم، دانشگاه شهید باهنر کرمان

مهم ترین و جدی ترین مانع در بهره وری محصولات کشاورزی عدم شناسایی زودهنگام و صحیح بیماری های گیاهیو پیشنهاد موثر درمانی است. امروزه تولید کنند گان برای رقابت در امر فروش و ارابه مطلوب محصولات کشاورزی بهطور فزاینده ای به دنبال اتوماسیون و پشتیبانی تصمیم گیری هستند. تشخیص سریع» خود کار و غیر مخرب بیماری هایگیاهی باعث افزایش عملکرد» کیفیت و بازار پسندی محصول می گردد. استفاده از هوش مصنوعی به خصوصیا گیری عمیق با موفقیت در حوزه های مختلف به کار گرفته شده است و اخیرا به حوزه کشاورزی نیز وارد شدهاست. یاد گیری عمیق به روش مدرن و جدید برای پردازش تصاویر با نتایج امیدوار کننده و پتاذسیل بالا است. دراین مقاله به مرور کلی چندین تلاش تحقبقاتی منتشر شده که از نظر موضوعی به باد گیری ماشین. شبکه های عصبی ویاد گیری عمیق در حوزه سلامت و تشخیص بیماری محصولات کشاورزی مربوط می شود. می پردازد. الگوریتم ها وچارچوب های یادگیری عمیق به کار گرفته شده در پردازش تصاویر و عملکرد کلی حاصل با توجه به معیارهایاستفاده شده و تحت مطالعه. مورد بررسی قرار گرفت. یافته ها نشان می دهد که یاد گیری عمیق دقت بالاتری نسبت بهانواع تکنیک های رایج تشخیصی بیماری کیاهان ارائه می دهد میانگین دقت تشخیص در مقالات بررسی شده ای کهدقت را نیز برر سی نموده اند ۹۵/۶% می با شد. محققان بایستی همواره در را ستای توسعه و به روز نمودن تکنیک هایتشخیص بیماری گیاهان، گام بردارند.

بیماری گیاهی، پردازش تصویر، تشخیص بیماری، شبکه عصبی کالونوشنی، یادگیری عمیق