في عالم الزراعة الحديثة، يشكل تمييز الأعشاب المتخفيه تحدياً كبيراً، خاصة عندما تحاكي هذه الأعشاب الصفات الفينوتيبية (phenotypic traits) للمحاصيل الأساسية. يقدم هذا البحث برنامج SWNet، وهو شبكة عابرة الطيف (Cross-Spectral Network) ثنائية النمط تم تصميمها خصيصاً لكشف هذه الأعشاب القابلة للتخفي في البيئات الزراعية الكثيفة.

تستخدم SWNet بنية قوامها Pyramid Vision Transformer v2، مما يمكنها من استيعاب الاعتمادات على المدى الطويل بين البيانات. كما تشتمل على وحدة دمج بوابة ثنائية النمط (Bimodal Gated Fusion Module) لدمج المعلومات من الطيف المرئي (Visible) والطيف القريب من تحت الأحمر (Near-Infrared). من خلال استغلال الفروقات الفسيولوجية في عكس الكلوروفيل ضمن نطاق NIR، تمكنت SWNet من تمييز الأهداف التي يصعب تمييزها في النطاق المرئي.

علاوة على ذلك، تم استخدام وحدة تنقيح مُعَدّة بحذر (Edge-Aware Refinement module) لإنتاج حدود أكثر وضوحاً للأجسام وتقليل الغموض الهيكلي. وأظهرت التجارب التي أُجريت على مجموعة بيانات Weeds-Banana أن SWNet تتفوق على عشر أساليب رائدة في هذا المجال. يعكس هذا البحث أهمية دمج البيانات العابرة للطيف والتوجيه الموجه نحو الحدود لتحقيق دقة عالية في تقسيم المحاصيل الكثيفة.

إذا كنت مهتماً بالتفاصيل التقنية، يمكنك العثور على الشيفرة المصدرية على GitHub: https://cod-espol.github.io/SWNet/