1. Trang chủ
  2. Giáo Dục - Đào Tạo

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

22 16 0
PHƯƠNG ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG XÁC ĐỊNH CÁC GIAI ĐOẠN QUAN TRỌNG CỦA CÂY DƯA LƯỚI TRỒNG TRONG NHÀ MÀNG

Đang tải... (xem toàn văn)

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

Thông tin tài liệu

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

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

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 Xem tại trang 1 của tài liệu.
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 Xem tại trang 4 của tài liệu.
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 Xem tại trang 5 của tài liệu.
- 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)) Xem tại trang 8 của tài liệu.
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 Xem tại trang 9 của tài liệu.
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 Xem tại trang 9 của tài liệu.
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 Xem tại trang 10 của tài liệu.
- 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…) Xem tại trang 11 của tài liệu.
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] Xem tại trang 11 của tài liệu.
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 Xem tại trang 12 của tài liệu.
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 Xem tại trang 13 của tài liệu.
- 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); Xem tại trang 14 của tài liệu.
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 Xem tại trang 15 của tài liệu.
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 Xem tại trang 16 của tài liệu.
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 Xem tại trang 17 của tài liệu.
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) Xem tại trang 18 của tài liệu.
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 Xem tại trang 19 của tài liệu.
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 Xem tại trang 19 của tài liệu.

Từ khóa liên quan

Tài liệu cùng người dùng

Tài liệu liên quan