no-3

Ứng dụng Mạng nơ-ron tích chập để chẩn đoán các bệnh trên lá xoài

Tác giả:
Võ Tấn Toàn, Nguyễn Đức Thịnh
Trang:
100
Lượt xem:
2
Số trong tạp chí:
4/4
Lượt tải:
1
Mục tiêu của nghiên cứu này là ứng dụng Mạng nơ-ron tích chập (CNN) để nhận dạng chính xác bảy loại bệnh phổ biến trên lá xoài, bao gồm: Thán thư, Loét do vi khuẩn, Bọ cắt lá, Khô cành, Ruồi đục lá, Phấn trắng và Nấm bồ hóng. Một tập dữ liệu gồm tổng cộng 4.800 hình ảnh đã được thu thập, với 600 hình ảnh cho mỗi loại bệnh. Toàn bộ dữ liệu hình ảnh được chia thành ba tập: 3.840 hình ảnh dành cho tập huấn luyện và kiểm định (training và validation set), 960 hình ảnh dành cho tập kiểm thử (test set). Một mô hình học sâu sử dụng kiến trúc CNN đã được phát triển và huấn luyện để phân loại hình ảnh lá xoài. Mô hình đạt được độ chính xác đáng kể, lên tới 97,60% trên tập kiểm thử, cho thấy khả năng vượt trội trong việc nhận dạng và phân biệt chính xác giữa các bệnh lá xoài khác nhau. Độ chính xác cao của mô hình cho phép chẩn đoán sớm và chính xác các bệnh trên lá xoài, từ đó tạo điều kiện cho các biện pháp can thiệp kịp thời, góp phần giảm thiểu tổn thất mùa màng. Điều này có thể dẫn đến các...
Mục tiêu của nghiên cứu này là ứng dụng Mạng nơ-ron tích chập (CNN) để nhận dạng chính xác bảy loại bệnh phổ biến trên lá xoài, bao gồm: Thán thư, Loét do vi khuẩn, Bọ cắt lá, Khô cành, Ruồi đục lá, Phấn trắng và Nấm bồ hóng. Một tập dữ liệu gồm tổng cộng 4.800 hình ảnh đã được thu thập, với 600 hình ảnh cho mỗi loại bệnh. Toàn bộ dữ liệu hình ảnh được chia thành ba tập: 3.840 hình ảnh dành cho tập huấn luyện và kiểm định (training và validation set), 960 hình ảnh dành cho tập kiểm thử (test set). Một mô hình học sâu sử dụng kiến trúc CNN đã được phát triển và huấn luyện để phân loại hình ảnh lá xoài. Mô hình đạt được độ chính xác đáng kể, lên tới 97,60% trên tập kiểm thử, cho thấy khả năng vượt trội trong việc nhận dạng và phân biệt chính xác giữa các bệnh lá xoài khác nhau. Độ chính xác cao của mô hình cho phép chẩn đoán sớm và chính xác các bệnh trên lá xoài, từ đó tạo điều kiện cho các biện pháp can thiệp kịp thời, góp phần giảm thiểu tổn thất mùa màng. Điều này có thể dẫn đến các biện pháp quản lý nông nghiệp được cải thiện, nâng cao năng suất cây trồng và giảm sự phụ thuộc vào các biện pháp xử lý hóa học. Hơn nữa, việc phát triển một hệ thống phát hiện bệnh tự động có thể hỗ trợ nông dân và các chuyên gia nông nghiệp đưa ra quyết định hiệu quả hơn.
Tin liên quan

Tạp chí khoa học Trường Đại học Vinh

Vinh University journal of science (VUJS)

ISSN: 1859 - 2228

Cơ quan chủ quản: Trường Đại học Vinh

  • Địa chỉ: 182 Lê Duẩn - Thành Phố Vinh - tỉnh Nghệ An
  • Điện thoại: (0238)3855.452 - Fax: (0238)3855.269
  • Email: vinhuni@vinhuni.edu.vn
  • Website: https://vinhuni.edu.vn

 

Giấy phép xuất bản tạp chí: 163/GP-BTTTT do Bộ Thông tin và Truyền thông cấp ngày 10/5/2023

Giấy phép truy cập mở: Creative Commons CC BY NC 4.0

 

LIÊN HỆ

Tổng biên tập: PGS.TS. Trần Bá Tiến 
Email: tientb@vinhuni.edu.vn

Phó Tổng biên tập: PGS.TS. Phan Văn Tiến
Email: vantienkxd@vinhuni.edu.vn

Thư ký tòa soạn: TS. Đỗ Mai Trang
Email: domaitrang@vinhuni.edu.vn

Ban thư ký và trị sự: ThS. Lê Tuấn Dũng, ThS. Phan Thế Hoa, ThS. Phạm Thị Quỳnh Nga, ThS. Trần Thị Thái

  • Địa chỉ Toà soạn: Tầng 4, Tòa nhà Điều hành, Số 182 Lê Duẩn, TP. Vinh, Nghệ An, Việt Nam
  • Điện thoại: (0238)3.856.700 | Hotline: 0973.856.700
  • Email: editors@vujs.vn
  • Website: https://vujs.vn

img