PAXTA BARGI KASALLIKLARINI ANIQLASHDA ZAMONAVIY CHUQUR O‘QITISHMODELLARINI QIYOSIY TAHLILI: EFFICIENTNETV2-S, VIT, CONVNEXT VA SWINTRANSFORMER
Keywords:
chuqur o‘qitish, paxta kasalliklari, EfficientNetV2-S, ConvNeXt, Vision Transformer, SwinTransformer, transfer learning, CLIP, Telegram-bot, smart agriculture.Abstract
Ushbu maqolada paxta barglarida kuzatiladigan besh turdagi kasallik va sog‘lom holat-Aphids, Bacterial Blight, Curl Virus, Healthy, Leaf Redding-larni avtomatik aniqlash uchun to‘rtta zamonaviy chuqur o‘qitish arxitekturasi: EfficientNetV2-S, Vision Transformer (ViT-B/16), ConvNeXt va SwinTransformer birinchi marta bir xil eksperimental sharoitda qiyosiy baholandi. Barcha modellarda ImageNet asosida transfer learning, AdamW optimizatori va Cosine Annealing scheduler qo‘llandi. Natijalar shuni ko‘rsatdiki, ConvNeXt 99.80% test aniqligi bilan eng yuqori natijani qayd etdi. EfficientNetV2-S 99.60% aniqlik va atigi 3.1 daqiqalik trening vaqti bilan amaliy qo‘llash uchun eng maqbul model sifatida ajralib chiqdi. ViT-B/16 88.20% aniqlik ko‘rsatgan bo‘lsa, SwinTransformer ushbu vazifada konvergensiyalanmadi (34.60%). Tizim CLIP asosidagi filtr bilan birgalikda Telegram-bot platformasida tatbiq etildi.
References
