تطوير نموذج Machine Learning لتصنيف أمراض أوراق الشجر بدقة 91%

في هذا المشروع، قمت بتطوير حل تقني متكامل لمساعدة المزارعين والشركات الزراعية على اكتشاف أمراض النباتات مبكراً وبدقة عالية، مما يساهم في تقليل الخسائر وتحسين جودة المحاصيل. المميزات التقنية والقيمة المضافة: تحليل دقيق للصور: استخدمت خوارزميات استخلاص ميزات متقدمة مثل (HOG, LBP, Color Histogram) لضمان تحليل شكل، ملمس، ولون الورقة المصابة بدقة متناهية. أداء مستقر وعالي: تم تدريب نموذج Random Forest ليحقق دقة تصل إلى 96% في مرحلة التدريب و 91% في مرحلة الاختبار، مع قدرة عالية على التمييز بين حالات الصدأ (Rust) والبياض الدقيقي (Powdery Mildew). تطبيق ويب تفاعلي: قمت ببناء واجهة مستخدم باستخدام Streamlit تسمح للعميل برفع الصورة والحصول على النتيجة فوراً، مما يجعل الحل قابلاً للاستخدام التجاري وليس مجرد كود برمي. كود نظيف وقابل للتطوير: المشروع منظم بالكامل عبر (Jupyter Notebook) وجاهز للنشر (Deployment Ready)، مع إمكانية التطوير مستقبلاً باستخدام Deep Learning.