PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG

22 17 0

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

1 / 22 trang

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang	22
Dung lượng	2,36 MB

Nội dung

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Nguyễn Minh Thắng 21025092 PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG BÀI TẬP LỚN Môn Trí tuệ nhân tạo nâng cao HÀ NỘI 2021 ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN SINH TRƯỞNG QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG 1 Giới thiệu Để đảm bảo hiệu quả về năng suất cũng như chất lượng đáp ứng yêu cầu ngày càng cao và khắt khe hiện nay đối với các sản phẩm nông ng.

Ngày đăng: 18/05/2022, 11:45

HÌNH ẢNH LIÊN QUAN

PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG (Trang 1)

Hình 1: Sự phân bố dữ liệu của các giai đoạn. - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 1** Sự phân bố dữ liệu của các giai đoạn (Trang 4)

Hình 2: Các giai đoạn đã nhận diện thành công. - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 2** Các giai đoạn đã nhận diện thành công (Trang 5)

- Khu vực hình ảnh gốc: x1b, y1b, x2b, y2b = 0, 0, min(w, (x2a-x1a)), min(h, (y2a-y1a)) - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — hu vực hình ảnh gốc: x1b, y1b, x2b, y2b = 0, 0, min(w, (x2a-x1a)), min(h, (y2a-y1a)) (Trang 8)

Lấy mô hình YOLOv5s làm ví dụ, ảnh gốc có kích thước 640px × 640px × 3px được nhập vào module Focus và nó được chuyển đổi thành bản đồ đối tượng 320px × 320px × 12px thông qua thao tác cắt và tích chập, nó sẽ trở thành 320px × 320px × Feature m - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — y mô hình YOLOv5s làm ví dụ, ảnh gốc có kích thước 640px × 640px × 3px được nhập vào module Focus và nó được chuyển đổi thành bản đồ đối tượng 320px × 320px × 12px thông qua thao tác cắt và tích chập, nó sẽ trở thành 320px × 320px × Feature m (Trang 9)

Hình 5: Focus structure của mô hình YOLOv5 - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 5** Focus structure của mô hình YOLOv5 (Trang 9)

Mô hình YOLOv5 hiện nay sử dụng cấu trúc FPN + PAN, tuy nhiên lúc mới ra mắt YOLOv5 chỉ sử dụng cấu trúc FPN, FPN là top-down chuyển xuống các đặc điểm (passing down the strong semantic features of the high-level), nhưng chỉ tăng cường thông tin ngữ ngh - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — h ình YOLOv5 hiện nay sử dụng cấu trúc FPN + PAN, tuy nhiên lúc mới ra mắt YOLOv5 chỉ sử dụng cấu trúc FPN, FPN là top-down chuyển xuống các đặc điểm (passing down the strong semantic features of the high-level), nhưng chỉ tăng cường thông tin ngữ ngh (Trang 10)

- Kích thước nhỏ của mô hình có thể cho phép nó được ứng dụng cho các thiết bị di động (như nhận diện người, đồ vật…). - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — ch thước nhỏ của mô hình có thể cho phép nó được ứng dụng cho các thiết bị di động (như nhận diện người, đồ vật…) (Trang 11)

Hình 8: So sách giữa các mô hình YOLOV5 và mô hình EfficientDet [7]. - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 8** So sách giữa các mô hình YOLOV5 và mô hình EfficientDet [7] (Trang 11)

5. Huấn luyện mô hình - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — 5. Huấn luyện mô hình (Trang 12)

Sau quá trình huấn luyện các Hyper-parameter được mô hình hoá như hình 9. Mỗi Hyper-parameter là một chấm nhỏ thể hiện sự phù hợp (trục y) tương ứng với các giá trị của nó (trục x); Màu vàng cho biết mật độ của các Hyper-parameter tập trung cao hơn; Sự - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — au quá trình huấn luyện các Hyper-parameter được mô hình hoá như hình 9. Mỗi Hyper-parameter là một chấm nhỏ thể hiện sự phù hợp (trục y) tương ứng với các giá trị của nó (trục x); Màu vàng cho biết mật độ của các Hyper-parameter tập trung cao hơn; Sự (Trang 13)

- Loss hồi quy hộp giới hạ n- hình phạt cho việc phát hiện hộp neo sai, Lỗi bình phương trung bình được tính toán dựa trên vị trí hộp dự đoán (x, y, h, w); - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **oss** hồi quy hộp giới hạ n- hình phạt cho việc phát hiện hộp neo sai, Lỗi bình phương trung bình được tính toán dựa trên vị trí hộp dự đoán (x, y, h, w); (Trang 14)

Hình 11: Các thay đổi về trung bình các ngưỡng qua các Step. - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 11** Các thay đổi về trung bình các ngưỡng qua các Step (Trang 15)

Sau các lần huấn luyện mô hình với một lượng dữ liệu hạn chế (2.818 ảnh), kết quả sơ bộ cho thấy trung bình 96% điểm F1 trong việc xác định 05 giai đoạn phát triển quan trọng của cây dưa lưới - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — au các lần huấn luyện mô hình với một lượng dữ liệu hạn chế (2.818 ảnh), kết quả sơ bộ cho thấy trung bình 96% điểm F1 trong việc xác định 05 giai đoạn phát triển quan trọng của cây dưa lưới (Trang 16)

Hình 13: Confusion matrix của các giai đoạn ở tập thử nghiệm. - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 13** Confusion matrix của các giai đoạn ở tập thử nghiệm (Trang 17)

Hình 14: Các đối tượng nhận dạng thiếu (màu đen). - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 14** Các đối tượng nhận dạng thiếu (màu đen) (Trang 18)

Hình 16: Mô hình nhận dạng với giai đoạn Thụ phấn và giai đoạn Đã thụ phấn thành công - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 16** Mô hình nhận dạng với giai đoạn Thụ phấn và giai đoạn Đã thụ phấn thành công (Trang 19)

Hình 15: Mô hình nhận dạng với giai đoạn tạo ngọt - PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG — **Hình 15** Mô hình nhận dạng với giai đoạn tạo ngọt (Trang 19)

TỪ KHÓA LIÊN QUAN