نظرًا لصغر حجم عينات بيانات الطيف القريب من الأشعة تحت الحمراء للقمح وقيود المعلومات الطيفية، يصعب على الطرق التقليدية استخراج ميزات البيانات بشكل كافٍ، وتعاني الشبكات العصبية الالتفافية (CNN) من كفاءة حسابية منخفضة وعدد كبير من المعلمات، بالإضافة إلى سهولة الإفراط في التوافق، لذا تم اقتراح شبكة التلافيف المتماثلة متعددة الميزات (SCN-MF) لتحقيق توقع فعال ودقيق لمحتوى البروتين في القمح. أولاً، تم تصميم شبكة تلافيف متماثلة تستخدم هيكلًا متماثلًا يزيد ثم يقلل عدد القنوات، مما يقلل من تعقيد الحساب مع ضمان دقة التنبؤ؛ ثانيًا، تم إدخال وحدة دمج متعددة الميزات من خلال آلية الانتباه المتقاطع لدمج الطيف الأصلي والطيف المشتق منه لتعزيز تمثيل الميزات الرئيسية وبالتالي تحسين دقة نموذج التنبؤ. بينت النتائج أن نموذج SCN-MF حقق معامل تحديد (R²) بقيمة 0.9461، وانحراف التوقع (RPD) 4.3057، ومتوسط الجذر التربيعي للخطأ (RMSE) 0.4043 على مجموعة الاختبار، كما حسّن بشكل ملحوظ دقة التنبؤ وكفاءة الحساب مقارنة بالشبكة الالتفافية المحسنة سابقًا. كما أظهر النموذج أداءً أفضل واستقرارًا أعلى وقدرة تنبؤية أعظم مقارنة بخمس طرق أخرى في مجموعات التدريب والاختبار. ينطبق هذا البحث على نمذجة بيانات الطيف القريب من الأشعة تحت الحمراء في سيناريوهات العينة الصغيرة والنموذج الصغير، ويمثل دعمًا تقنيًا جديدًا للكشف الذكي عن محتوى البروتين في القمح.

محتوى بروتين القمح;الطيف القريب من الأشعة تحت الحمراء;دمج متعدد الميزات;الشبكة العصبية الالتفافية