إنطلاقاً من رؤية ورسالة وأهداف الكلية وفي إطار اهتمامها بتفعيل أنشطة البحث العلمي باعتبارها رديف أساسي وهام للعملية التعليمية في الجامعات والمؤسسات البحثية تم نشر ورقة بحث علمي في احدى المجلات العلمية المحكمة. وبمناسبة هذا الإنجاز العلمي المميز تهنئ #كليةأيلولالجامعيةيريم #الأستاذالدكتورمحمدالصارم عضو الهيئة الاستشارية للكلية ، لنشره بحث علمي جديد تحت اسم كلية أيلول الجامعية، البحث بعنوان:-
CaiT-YOLOv9s-CBAM Deep Learning Model for Wheat Fungal Diseases: In-Depth Multifaceted Approach fo r Feature Refinement, Localization and Recognition

وتم نشره في المجلة العلمية المحكمة: SN Computer Science
وهي مجلة مفهرسة في قواعد البيانات Scopus ذات ( Impact Score = 5.8 ) ومنشورة في دار النشر العالمية Springer

فألف ألف مبارك للباحث والكلية وكافة منتسبيها هذا التميز البحثي وبالتوفيق الدائم بإذن الله ومزيداً من الانجازات العلمية التي ستتوالى إن شاء الله.

رابط البحث:

https://link.springer.com/article/10.1007/s42979-026-04857-1
ملخص عن البحث
تُعد الأمراض الفطرية التي تصيب أوراق القمح من التحديات الرئيسية التي تؤثر سلبًا في إنتاجية المحصول وجودته، مما يجعل الكشف المبكر عنها أمرًا ضروريًا للإدارة الفعالة للأمراض. تقترح هذه الدراسة نموذج CaiT-YOLOv9s-CBAM للكشف الدقيق عن الأمراض الفطرية في أوراق القمح، حيث يجمع بين آلية الانتباه الصنفي في محول الصور (CaiT) ونموذج الكشف YOLOv9s وآلية الانتباه في الكتل الالتفافية (CBAM). تم تدريب النموذج باستخدام صور لأوراق القمح المصابة بمسببات فطرية مختلفة. يعمل CaiT على استخراج خصائص مميزة من الصور، بينما يساهم دمج YOLOv9s وCBAM في تحديد مناطق الإصابة بدقة حتى في الحالات الصغيرة أو المتداخلة مع تقليل تأثير ضوضاء الخلفية. أظهرت النتائج تفوق النموذج المقترح مقارنةً بنماذج YOLOv4 وYOLOv5s وFaster-RCNN، حيث حقق دقة بلغت 98.6% ومتوسط دقة (mAP) قدره 97.95%، مما يؤكد كفاءته في الكشف الدقيق عن الأمراض الفطرية لأوراق القمح.

كليةأيلولالجامعية_يريم

#حيثلطموحوجودةالتعليميلتقيان
يريم، الدائري الغربي، أمام مستشفى يريم العام
779944553