دسته‌بندی تصاویر انگور با شبکه عصبی کانولوشنی (CNN)

شرح پروژه: این پروژه یک سیستم هوشمند برای تشخیص و طبقه‌بندی بیماری‌های برگ انگور است که با استفاده از الگوریتم‌های پیشرفته بینایی ماشین (Computer Vision) طراحی شده است.

جزئیات فنی و تحلیلی (مرتبط با پروژه‌های علمی):

مسئله: دسته‌بندی تصاویر میکروسکوپی و ماکرو از بافت گیاهان برای تشخیص الگوهای بیماری.

معماری مدل: طراحی و پیاده‌سازی یک شبکه عصبی کانولوشنی (CNN) اختصاصی به همراه لایه‌های DropOut و BatchNormalization برای جلوگیری از Overfitting.

تحلیل همگرایی (Convergence Analysis): همانطور که در تصاویر ضمیمه مشخص است، نمودارهای Loss و Accuracy به دقت تحلیل شده‌اند تا نقطه بهینه توقف آموزش (Early Stopping) مشخص شود.

نتیجه: دستیابی به دقت بالای ۹۰٪ روی داده‌های تست.

تکنولوژی‌ها: Python, TensorFlow/Keras, Matplotlib (برای رسم نمودارهای علمی).