الشبكة العصبية المتتالية لتحديد النباتات السامة
محتوى المقالة الرئيسي
الملخص
يعتبر التعرف على النباتات السامة تحديًا صعبًا للباحثين بسبب التشابه الكبير بين النباتات السامة وغير السامة. يمكن أن تكون الطرق التقليدية لتحديد النباتات السامة مرهقة، لذلك يلزم وجود نظام آلي لتحديد النباتات السامة. في هذا العمل، تم اقتراح إطار عمل الشبكة العصبية المتتالية لتحديد النباتات السامة بالاعتماد على أوراقها. تم تقييم النظام المقترح على كل من (الأوراق السامة / غير السامة) التي تم جمعها باستخدام الهاتف الذكي والإنترنت. يتم استخراج مزيج من ميزات الشكل والميزات الإحصائية من الورقة ثم تغذيتها إلى الشبكة العصبية المتتالية التي تستخدم دالة TRAINLM للتدريب. تم استخدام 500 عينة من صور الأوراق، 250 عينة سامة، و250 المتبقية غير سامة، و300 عينة مستخدمة في التدريب، و200 عينة للاختبار. نظامنا حقق دقة تصل إلى 99.5٪.
Received 02/10/2022,
Revised 17/02/2023,
Accepted 19/02/2023,
Published 20/06/2023
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Hridoy RH, Akter F, Afroz M. An Efficient Computer Vision Approach for Rapid Recognition of Poisonous Plants by Classifying Leaf Images using Transfer Learning. 12th Int Conf Comput Netw Technol. 2022; 1-8. https://dx.doi.org/10.1109/ICCCNT51525.2021.9580011
Benzeid H, Gouaz F, Touré A H, Bouatia M, Idrissi M O, Draoui M. Inventory of toxic Plants in Morocco: An Overview of the Botanical, Biogeography, and Phytochemistry Studies. J Toxicol. 2018; 2018(9): 1-13. https://dx.doi.org/10.1155/2018/4563735
Cho J, Jeon S, Song S, Kim S, Kim D, Jeong J et. al. Identification of toxic Herbs Using Deep Learning with Focus on the Sinomenium Acutum, Aristolochiae Manshuriensis Caulis, Akebiae Caulis. Appl Sci. 2019; 9(24): 2-11. https://dx.doi.org/10.3390/app9245456.
Denas RG, Linares LJ, Gómez JA. Memetic algorithms for training feedforward neural networks: an approach based on gravitational search algorithm. Neural Comput Appl. 2021; 33(1): 2561–2588. https://dx.doi.org/10.1007/s00521-020-05131-y.
Alkronz ES, Moghayer KA, Gazzaz M, Abu-Nasser BS, Abu-Naser SS. Prediction of Whether Mushroom is Edible or Poisonous Using Back-propagation Neural Network. Int J Acad Appl Res. 2019; 3(2): 1-8. http://www.ijeais.org/ijaar.
Fadlil A, Umar R, Gustina S. Mushroom Images Identification Using Orde 1 Statistics Feature Extraction with Artificial Neural Network Classification Technique. J Phys 2019; 1-8. https://dx.doi.org/10.1088/1742-6596/1373/1/012037.
Kranthi K K, Chaduvula K, Markapudi B R. A Detailed Survey on Feature Extraction Techniques in Image Processing for Medical Image Analysis. Eur. J. Mol. Clin. Med. 2020; 07(10):2275–84.
Talab M A, Awang S, Ansari M D. A Novel Statistical Feature Analysis-Based Global and Local Method for Face Recognition. Int J Opt. 2020; 2020:1–17. https://dx.doi.org/10.1155/2020/4967034.
Aggarwal N, Agrawal RK. First and Second Order Statistics Features for Classification of Magnetic Resonance Brain Images. J signal inf process. 2012; 3(2): 146-153. https://dx.doi.org/10.4236/jsip.2012.32019.
AL-Jumaili A S A, Tayyeh HK. A Hybrid Method of Linguistic and Statistical Features for Arabic Sentiment Analysis. Baghdad Sci. J. 2020;17(1):385–90. https://dx.doi.org/10.21123/bsj.2020.17.1(Suppl.).0385.
Zhang D, Lu G. Review of shape representation and description techniques. Pattern Recognit. 2004; 37(1): 1-19. https://dx.doi.org/10.1016/j.patcog.2003.07.008.
Narad S, Chavan P. Cascade Forward Back-propagation Neural Network Based Group Authentication Using (n, n) Secret Sharing Scheme. Procedia Comput Sci. 2016; 78: 185 – 191. https://dx.doi.org/10.1016/j.procs.2016.02.032.
Ashour M A H. Optimized Artificial Neural network models to time series. Baghdad Sci.J. 2022; 19(4): 899-904. http://dx.doi.org/10.21123/bsj.2022.19.4.0899.
Yang M, Xie B, Dou Y, Xue G. Cascade Forward Artificial Neural Network based Behavioral Predicting Approach for the Integrated Satellite. Terrestrial Networks. Mob Netw Appl. 2021;27(4):1569-1577. https://dx.doi.org/10.1007/s11036-021-01875-6.
Warsito B, Santoso R, Yasin H. Cascade forward neural network for time series prediction, J Phys Conf Ser 2018; https://dx.doi.org/10.1088/1742-6596/1025/1/012097.
Alkhasawneh M, Tay L. A hybrid intelligent system integrating the cascade forward neural network with elman neural network. Arab J Sci Eng. 2018; 43(12): 6737- 6749. https://dx.doi.org/10.1007/s13369-017-2833-3