أدوات ذكاء اصطناعي مقيّمة لمهنتك
اربح مع ذكائي
🤝 أنت في مكتبة المصادر المجانية والمفتوحة — أدوات بناها المجتمع يمكنك استخدامها دون دفع. مفهوم مختلف عن دليل أدوات الذكاء الاصطناعي المُقيَّم لدينا.
الرئيسية › مجاني ومفتوح المصدر › زراعة › Plants Disease Detection
✦ مجاني ومفتوح المصدرزراعة

Plants Disease Detection

خط أساس قائم على PyTorch وممر لتصنيف الصور للكشف عن أمراض المحاصيل.

الكشف عن أمراض المحاصيل باستخدام PyTorch

تم تحديث خط أساس مسابقة AI Challenger 2018 ليتوافق مع PyTorch 2.x مع تبديل الأجهزة التلقائي و AMP.

مجاني للأبد · متاح المصدر · Licence not stated in the repository
✓ Light setup✓ يعمل في المتصفح✓ تعاون فوري
6.1
ZEKAI
خط أساس متين لأمراض المحاصيل
مجاني ومفتوح المصدر · زراعة
سهولة الإعداد4
الفائدة7
الصيانة8.5
المجتمع5
★ 342
غيت هَب
Aug 2026
آخر تحديث
Licence not stated in the repository
الرخصة
🛠 لا تريد الاستضافة بنفسك؟ يمكننا إعداده لك →
⚡ إجابة سريعة

يوفر هذا المستودع ممر PyTorch متكاملاً لتصنيف أمراض النبات من صور الأوراق عالية الدقة. وهو مناسب لممارسي تعلم الآلة وعلماء بيانات الزراعة الذين يبحثون عن نموذج أساسي مبني على ResNet50.

يعمل على
Cross-platform
الاستضافة
Self-host
اللغات
Python
الرخصة
Licence not stated in the repository

ما هو

يقوم بمعالجة صور المحاصيل بحجم 650x650 من خلال هندسة ResNet50 معدلة، ويتعامل مع تقسيم مجموعة البيانات بشكل طبقي، ويدعم كلا من تعزيز البيانات عبر الإنترنت والمعارض المسبقة الاختيارية في وضع عدم الاتصال. يتميز الممر بالتبديل التلقائي بين وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسوميات (GPU)، والتدريب دقيق المختلط، وتنفيذ تصحيح FocalLoss للتعامل مع اختلال الفئات.

لمن هو

وهو يناسب المطورين والباحثين ذوي الخبرة في PyTorch الذين يحتاجون إلى خط أساس منظم لمهام تصنيف صور الزراعة. وهو لا يناسب المهندسين الزراعيين غير التقنيين الذين يبحثون عن تطبيق جوال جاهز للاستخدام أو واجهة ويب جاهزة للتشغيل.

أهم الميزات

تصنيف ResNet50

يستخدم شبكة ResNet50 مدربة مسبقاً ومكيفة بطبقة تجميع متوسطة تكيفية ورأس تصنيف من 59 فئة.

التدريب دقيق المختلط AMP

يدعم التدريب دقيق المختلط التلقائي على أجهزة CUDA لتقليل استهلاك الذاكرة وتسريع التنفيذ.

إعداد البيانات الطبقية

يضمن نصوص برمجية لدمج وتقسيم مجموعات التدريب والتحقق باستخدام منطق الطيات الطبقية (K-fold) مع التعامل مع الفئات الشاذة.

دالة الخسارة المركزية المعدلة

توفر تنفيذاً ثابتاً لـ FocalLoss مع تعديل مناسب لكل عينة ليحل محل الانتروبيا المتقاطعة القياسية.

كيف تبدأ

جاهز للعمل في 3 خطوات

1
استنساخ المستودع وتثبيت التبعيات باستخدام pip install -r requirements.txt.
2
تنزيل مجموعة البيانات وتنظيم الصور في مجلات باستخدام النص البرمجّي move.py المقدم.
3
تنفيذ python main.py لبدء التدريب والتقييم والاستدلال على مجموعة الاختبار.
بصراحة

حكمنا الصادق

ما يميّزه

  • تم تحديثه ليتوافق مع PyTorch 2.x مع ميزة الرجوع التلقائي لوحدة المعالجة المركزية ووحدة معالجة الرسوميات.
  • يتضمن نصوص برمجية للمعالجة المسبقة وتعيين التسميات مصممة خصيصاً لمجموعة بيانات AI Challenger.
  • تعزيزات بيانات قابلة設定 عبر الإنترنت بما في ذلك التدوير العشوائي، والانعكاسات، والتحولات الأفينية.
  • يُخرج ملفات تقديم JSON قياسية مطابقة لتنسيقات تقييم المسابقات.

أين يقصّر

  • يتطلب تنزيل يدوي لأرشيفات مجموعة بيانات Baidu Netdisk الخارجية.
  • تتطلب مدخلات الصور الكبيرة 650x650 ذاكرة رسوميات كبيرة أثناء التدريب.
  • يتطلب كتابة وتعديل ملفات التكوين بلغة Python لضبط المعلمات الفائقة.
التكلفة

التسعير والرخصة

مجاني بطبيعته مفتوحة المصدر، على الرغم من أن ملف README لا يحدد ترخيصاً رسمياً. التكلفة الوحيدة هي تشغيله بنفسك على الأجهزة الخاصة بك أو مثيل السحابة.

عمل مدفوع

وظائف للناطقين بالعربية

877 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٦ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.

شاهد كل الأدوار المفتوحة →
قارن

البدائل

🎁 بدائل مجانية ومفتوحة المصدر

أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.

المزيد

استخدمه، أو دعنا نُعِدّه لك

📄 دليل PDF مجاني: Plants Disease Detection لـ زراعة
دليل بلغة بسيطة لإنجاز أول نتيجة لك. يُرسَل إلى بريدك.
🔔 64 شخصاً يريدون شرحاً كاملاً بالفيديو — أضف صوتك
🛠 لا تريد إعداده بنفسك؟
سنقوم بتثبيت Plants Disease Detection واستضافته وإعداده لك — وتدريب فريقك.
دعنا ننجزه لك ↗
أسئلة

الأسئلة الشائعة

ما هي الأجهزة التي أحتاجها لتشغيل هذه الأداة؟

يوصى باستخدام وحدة معالجة رسوميات متوافقة مع CUDA مع ذاكرة VRAM كافية نظراً لحجم الصورة 650x650، على الرغم من أن الكود يعود تلقائياً إلى وحدة المعالجة المركزية إذا لم يتم اكتشاف وحدة معالجة رسوميات.

كيف يتم التعامل مع مؤشرات تسميات الفئات؟

يزيل نص الإعداد فئات شاذة محددة ويغير المؤشرات، بينما يقوم ممر الاختبار تلقائياً بربط التنبؤات مرة أخرى بالمعرفات الرسمية الأصلية.

الرادار

أحدث أخبار الذكاء الاصطناعي

✉️ حقيبة الأدوات المجانية الأسبوعية
أفضل الأدوات المجانية والمفتوحة المصدر الجديدة لـ زراعة — رسالة قصيرة أسبوعياً، بلغتك.
مجاني · رسالة واحدة أسبوعياً · إلغاء الاشتراك في أي وقت
اربح المال من تدريب الذكاء الاصطناعي ←

شاهد Zekai أولاً في جوجل