Ứng dụng mô hình học sâu trong xác định các giai đoạn sinh trưởng của cây dưa lưới trồng trong nhà màng.

Abstract

Ngày càng có nhiều mô hình học sâu (deep learning - DL) được ứng dụng trong đời sống, xã hội như phân tích và dự đoán tài chính, giao thông thông minh, xe tự hành…, nhưng việc sử dụng hiệu quả công nghệ này để hỗ trợ trong canh tác nông nghiệp còn hạn chế. Bài báo trình bày kết quả triển khai một kiến ​​trúc tiên tiến và gọn nhẹ có tên là YOLOv5 trong việc nhận dạng tự động các giai đoạn sinh trưởng của cây dưa lưới trong quá trình sinh trưởng, phát triển từ những hình ảnh thu thập được của hệ thống mạng camera lắp đặt trong nhà màng. Đề xuất nhận dạng hình ảnh này đạt độ chính xác trung bình 96% điểm F1 trong việc xác định 5 giai đoạn sinh trưởng quan trọng của cây dưa lưới bằng cách sử dụng một bộ dữ liệu huấn luyện và thử nghiệm hạn chế (2.818 ảnh cây dưa lưới). Kết quả sơ bộ cho thấy, YOLOv5 là một giải pháp DL gọn nhẹ và đầy hứa hẹn sau khi áp dụng kỹ thuật học chuyển giao (transfer learning). Hơn nữa, kiến trúc YOLOv5 còn thực thi tốt trên các thiết bị có cấu hình thấp, điều này có thể mở ra hướng tiếp cận mới trong việc nhận dạng các đối tượng khác nhau theo thời gian thực, được thực thi trực tiếp trên các thiết bị như smartphone, Jetson Nano, camera ip…