يستخدم هذا البحث تقنية الطيف القريب من الأشعة تحت الحمراء بالاشتراك مع طرق التعلم الآلي لتمييز العرارة و4 أنواع مشابهة لها (الدخن، شوان كييونغ، بيه تشو، وبيه تشي). تم جمع 191 عينة من مناطق مختلفة للحصول على بيانات الطيف القريب من الأشعة تحت الحمراء. تم استخدام تحليل المكونات الرئيسية أولاً للتحليل المرئي غير الخاضع للرقابة، وتم إنشاء نماذج تمييز باستخدام 6 طرق تعلم آلي وهي: نموذج الكتلة المستقلة اللينة، تحليل التمييز باستخدام الانحدار الجزئي الأصغر، الشبكة العصبية الاصطناعية مع الانتشار العكسي، الغابة العشوائية، الشبكة العصبية الالتفافية، وجهاز التعلم النهائي. تم تقييم أداء النماذج باستخدام مصفوفة الارتباك، معدل الاستدعاء، الدقة، نتيجة F1 والدقة. أظهرت النتائج أن مخطط درجات تحليل المكونات الرئيسية لم يتمكن من تمييز الأعشاب الخمسة بفعالية. ومن بين نماذج التعلم الآلي الستة، قدم نموذج جهاز التعلم النهائي أفضل أداء من حيث الدقة، معدل الاستدعاء ودرجة F1، حيث بلغت دقة مجموعة التنبؤ 100٪، متفوقًا بشكل كبير على النماذج الأخرى. لذلك، فإن دمج تقنية الطيف القريب من الأشعة تحت الحمراء مع جهاز التعلم النهائي يمكن أن يحقق تمييزاً دقيقاً للعشبة و4 أنواع مشابهة لها.

عرارة;تحليل التمييز;الطيف القريب من الأشعة تحت الحمراء;التعرف الكيميائي على الأنماط;التعلم الآلي