د. ناصر إبراهيم اللهيب | أ. مطلق فيحان البقمي

المجلد 17 | العدد 2, 1447هـ - 2025م

الملخص:

يعد الكشف والتعرف على مواقع أشجار النخيل أمرا بالغ الأهمية في أي منطقة زراعية، والتنبؤ بإنتاجية التمور، والإدارة والتخطيط الذكي للمزارع. عادة يتم الحصول على هذه البيانات تقليديا وذلك خلال التحقق اليدوي ويستغرق جهدا ووقتا طويلا. يمكن أن توفر نماذج اكتشاف الأشياء في التعلم العميق المستخدمة على نطاق واسع في رؤية الحاسوب فرصة للكشف الدقيق عن أشجار النخيل، وهو أمر ضروري للحصول على البيانات بسرعة وتقليل أخطاء العمليات البشرية.

تهدف هذه الدراسة إلى استخدام أحدث خوارزميات التعلم العميق للكشف عن أشجار النخيل من خلال صور الطائرات بدون طيار، وذلك عن طريق خوارزمية YOLOv8، ذات القيمة التقنية العالية وآفاق التطبيق الواسعة في الكشف عن أشجار النخيل بجميع أحجامها. تم بناء قاعدة البيانات في منصة RoboFlow بعد جمعها وتحليلها ومعالجتها، وذلك بزيارة عدد البيانات عبر العديد من طرق تحسينها ورفع دقة نموذج الكشف، ثم بناء شبكة YOLOv8 للكشف عن الكائنات، وتدريبها على جميع أحجام أشجار النخيل للحصول على أوزان التدريب.

أظهرت نتائج التجارب أن خوارزمية YOLOv8 يمكن أن تحدد بدقة أشجار النخيل بشكل فعال من خلال التعرف عليها من الصور الملتقطة من الطائرة بدون طيار، حيث بلغ متوسط دقة النموذج الخاص بموضوع الدراسة mAP = ٧٨٫٦٪ ونسبة قدرة النموذج على اكتشاف العينات الإيجابية Recall بلغت ٧٧٫٤٪ أما مقياس النموذج في اكتشاف العينات الإيجابية Precision فقد بلغت ٧٣٫٧٪، كما يمكن أن توفر الطريقة المستخدمة الدعم الفني للمهام الإحصائية للكشف عن أشجار النخيل.

الكلمات المفتاحية: الكشف عن أشجار النخيل، لغة البرمجة البايثون، منصة RoboFlow، خوارزمية YOLOv8، الذكاء الاصطناعي الجغرافي.