soil classification

في هذا المشروع، قمت بتطوير نموذج للتعلم العميق باستخدام تقنية Transfer Learning لتصنيف أنواع التربة بناءً على الصور. النموذج يعتمد على بنية ResNet50 الشهيرة، والتي تم تدريبها مسبقًا على مجموعة بيانات ImageNet. تم تجميد طبقات النموذج الأساسية للحفاظ على الأوزان المدربة مسبقًا، وتمت إضافة طبقات مخصصة في النهاية لتلائم مهمة التصنيف الخاصة بأنواع التربة.

تفاصيل النموذج:

البيانات:

تم استخدام مجموعة من الصور لأنواع مختلفة من التربة.

تم تقسيم البيانات إلى مجموعتين: تدريب (80%) واختبار (20%).

تمت معالجة الصور وتوحيد أحجامها إلى 224x224 بكسل.

النموذج:

تم استخدام ResNet50 كبنية أساسية مع تجميد جميع طبقاتها للحفاظ على الأوزان المدربة مسبقًا.

تمت إضافة طبقة Flatten لتحويل المخرجات إلى متجه واحد.

تمت إضافة طبقة Dense تحتوي على 1024 وحدة مع وظيفة تنشيط ReLU.

الطبقة الأخيرة هي طبقة Dense تحتوي على عدد الوحدات المساوي لعدد فئات التربة مع وظيفة تنشيط Softmax لتصنيف الصور.

التدريب:

تم تدريب النموذج باستخدام مُحسّن Adam بمعدل تعلم 0.0001.

تم استخدام دالة الخسارة Categorical Crossentropy لقياس أداء النموذج.

تم تدريب النموذج لمدة 50 عصرًا (Epoch) مع مراقبة دقة التدريب والاختبار.

النتائج:

تم تحقيق دقة عالية في تصنيف أنواع التربة.

تم عرض نتائج التدريب والاختبار باستخدام رسوم بيانية توضح تطور الخسارة والدقة عبر العصور.

المهارات المستخدمة:

Python

TensorFlow و Keras

Transfer learning

معالجة الصور باستخدام ImageDataGenerator

تصور البيانات باستخدام Matplotlip