Nghiên cứu ứng dụng mô hình học sâu trong nhận biết thời kỳ trái dứa chín cho các vùng trồng dứa tại việt nam

ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT BÙI VĂN CHUYÊN NGHIÊN CỨU ỨNG DỤNG MƠ HÌNH HỌC SÂU TRONG NHẬN BIẾT THỜI KỲ TRÁI DỨA CHÍN CHO CÁC VÙNG TRỒNG DỨA TẠI VIỆT NAM CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN MÃ SỐ: 8480104 LUẬN VĂN THẠC SĨ BÌNH DƯƠNG – 2023 ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT BÙI VĂN CHUN NGHIÊN CỨU ỨNG DỤNG MƠ HÌNH HỌC SÂU TRONG NHẬN BIẾT THỜI KỲ TRÁI DỨA CHÍN CHO CÁC VÙNG TRỒNG DỨA TẠI VIỆT NAM CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN MÃ SỐ: 8480104 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN HÀ HUY CƯỜNG BÌNH DƯƠNG – 2023 LỜI CAM ĐOAN Tên tơi là: Bùi Văn Chuyên Sinh ngày: 05/04/1976 Học viên lớp cao học CH18HT01, ngành Hệ thống thông tin, – Trường Đại học Thủ Dầu Một Tôi xin cam đoan: Đề tài “Nghiên cứu ứng dụng mơ hình học sâu nhận biết thời kỳ trái dứa chín cho vùng trồng dứa Việt Nam” tơi nghiên cứu, tìm hiểu phát triển hướng dẫn TS Nguyễn Hà Huy Cường, chép từ tài liệu, cơng trình nghiên cứu người khác mà không ghi rõ tài liệu tham khảo Tôi xin chịu trách nhiệm lời cam đoan Học viên thực BÙI VĂN CHUYÊN i LỜI CẢM ƠN Để hoàn thành luận văn thạc sĩ này, em gửi lời cảm ơn chân thành đến toàn thể Quý Thầy, Cô giảng viên Trường Đại học Thủ Dầu Một tận tình giảng dạy, truyền đạt kiến thức quý báu tạo điều kiện thuận lợi cho em suốt trình học tập, nghiên cứu Em bày tỏ lòng biết ơn đến TS Nguyễn Hà Huy Cường tận tâm giảng dạy, hướng dẫn đưa góp ý, điều chỉnh vơ xác thực cho luận văn, đồng thời Quý thầy cho em lời động viên sâu sắc giúp em có định hướng đắn để hoàn thành luận văn Cuối em gửi lời cảm ơn đến gia đình, bạn khóa, đồng nghiệp quan nhiệt tình hỗ trợ thông tin, chia sẻ kiến thức hay giúp em trình thực Trân trọng! ii TĨM TẮT LUẬN VĂN Theo xu hướng cơng nghệ 4.0 triển khai lĩnh vực nơng nghiệp xác hay cịn gọi nông nghiệp thông minh Do nông nghiệp truyền thống bị lạc hậu, tốn nhiều chi phí cơng tác chăm sóc trồng nguồn nhân lực Chính thế, việc đưa cơng nghệ tự động hóa, áp dụng thành tựu khoa học để giải vấn đề cấp thiết mang tính thời Việc phát nhận dạng phân loại trái thu hoạch phương pháp kỹ thuật mẽ mang yếu tố tích cực lĩnh vực nông nghiệp thông minh Trong phạm vi nghiên cứu đề tài, tơi tập trung trình bày nhận dạng, phát hiện, phân loại dự đốn thời kỳ chín trái dứa thông qua kỹ thuật học máy áp dụng mơ hình học sâu, mạng nơ-ron tích chập tiêu biểu Fast R-CNN cải tiến Ngồi tơi cịn nghiên cứu kỹ thuật làm giàu liệu (Data augmentation) hình ảnh trái dứa dựa hình ảnh chụp từ nông trại dứa iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN .ii TÓM TẮT LUẬN VĂN iii MỤC LỤC iv DANH MỤC CHỮ VIẾT TẮT viii DANH MỤC BẢNG BIỂU ix DANH MỤC HÌNH, ĐỒ THỊ x MỞ ĐẦU 1 Lý chọn đề tài Mục tiêu nghiên cứu 2.1 Mục tiêu chung .4 2.2 Mục tiêu cụ thể .4 Tổng quan nghiên cứu đề tài Đối tượng phạm vi nghiên cứu 4.1Đối tượng nghiên cứu: 4.2 Phạm vi nghiên cứu Phương pháp nghiên cứu Đóng góp đề tài 7 Cấu trúc đề tài CHƯƠNG TỔNG QUAN VỀ NHẬN DẠNG DỰA TRÊN MƠ HÌNH PHÁT HIỆN ĐỐI TƯỢNG 1.1 Khái niệm xử lý ảnh 1.1.1 Điểm ảnh 1.1.2 Độ phân giải ảnh (Resolution) 1.1.3 Mức xám ảnh .10 1.1.4 Các kiểu ảnh 10 1.1.4.1 Ảnh đen trắng 10 1.1.4.2 Ảnh nhị phân 11 1.1.4.3 Ảnh màu 11 1.1.5 Biểu diễn ảnh 13 1.1.6 Khử nhiễu .13 1.1.7 Nhận dạng ảnh 13 1.2 Nhận dạng trái chín vùng trồng dứa dựa mạng nơ-ron tích chập 14 iv 1.2.1 Lọc màu vỏ trái 17 1.2.2 Lọc độ sâu 18 1.2.3 Trích đặc trưng 18 1.2.4 Nhận dạng 18 1.2.5 Hậu xử lý 19 1.3 Tìm hiểu thuật toán R-CNN, Fast R-CNN, Faster R-CNN Mask RCNN 19 1.3.1 Region-based Convolutional Neural Networks (R-CNN) .19 1.3.1.1 Cách R-CNN hoạt động 19 1.3.1.2 Bounding Box Regression .20 1.3.1.3 Một số thủ thuật thường gặp RCNN 21 1.3.1.4 Một số vấn đề RCNN 22 1.3.2 Fast R-CNN .22 1.3.2.1 RoI Pooling 23 1.3.2.2 Cách hoạt động Fast R-CNN .23 1.3.2.3 Một số vấn đề Fast RCNN 25 1.3.3 Faster R-CNN 25 1.3.3.1 Cách hoạt động Faster RCNN 25 1.3.3.2 Loss function 26 1.3.4 Mask R-CNN 27 1.3.4.1 RoIAlign 28 1.3.4.2 Loss function 29 1.4 Tìm hiểu thuật toán You Only Look Once 29 1.4.1 Giới thiệu YOLO .29 1.4.2 Cách YOLO hoạt động 30 1.4.3 Cấu trúc YOLO 31 1.4.4 Mơ hình mạng YOLO .31 1.4.5 Kiến trúc YOLO 32 1.4.5.1 Backbone 32 1.4.5.2 Neck 33 1.4.5.3 Head 34 CHƯƠNG BÀI TOÁN NHẬN DẠNG TRÁI DỨA CHÍN ÁP DỤNG MẠNG NƠ RON TÍCH CHẬP 35 2.1 Mạng nơ-ron 35 v 2.1.1 Giới thiệu mạng nơ-ron nhân tạo 35 2.1.1.1 Đơn vị xử lý .36 2.1.1.2 Mạng nơ-ron truyền thẳng .37 2.1.1.3 Mạng nơ-ron truyền thẳng lớp 38 2.2 Phân lớp, nhận dạng đối tượng với Support Vector Machine lớp .40 2.2.1 SVM với tập mẫu phân hoạch tuyến tính .41 2.2.1.1 SVM tuyến tính với tập mẫu khơng phân hoạch tuyến tính 45 2.2.1.2 SVM phi tuyến 48 2.3 Mạng nơ-ron tích chập 51 2.3.1 Khái niệm mạng nơ ron tích chập .51 2.3.2 Mơ hình mạng nơ ron tích chập .52 2.3.3 Xây dựng mạng nơ ron tích chập .53 2.3.3.1 Mạng kết nối cục 53 2.3.3.2 Chia sẻ tham số 55 2.3.3.3 Hàm kích hoạt 56 2.3.3.4 Tầng gộp 57 2.3.3.5 Tầng kết nối đầy đủ .58 2.3.3.6 Mơ hình q khớp 58 2.3.4 Một số mạng tích chập tiếng 59 2.3.4.1 AlexNet 59 2.3.4.2 VGGNet 60 2.4 Hệ thống nhận dạng trái thông minh tiếp cận phương pháp Deep Learning 61 2.4.1 Kiến trúc hệ thống .62 2.4.2 Nhận biết trái tươi .63 2.4.3 Nhận dạng trái thối 66 2.4.4 Đánh giá hiệu suất 67 CHƯƠNG KẾT QUẢ THỰC NGHIỆM 71 3.1 Thực nghiệm 71 3.1.1 Mô tả thực nghiệm 71 3.1.2 Thiết kế hệ thống .71 3.1.3 Tiến hành thực nghiệm 72 3.2 Triển khai xây dựng 73 3.2.1 Tiền xử lý liệu .73 vi 3.2.2 Gán nhãn liệu 74 3.2.3 Huấn luyện mơ hình 79 3.2.3.1 Tiền huấn luyện 79 3.2.3.2 Huấn luyện mơ hình 79 3.2.4 Đánh giá hiệu suất mơ hình .81 3.2.4.1 Độ đo 81 3.2.4.2 Kết .82 3.2.5 Đánh giá hệ thống 85 KẾT LUẬN VÀ KIẾN NGHỊ 90 Kết luận 90 Hướng phát triển đề tài 90 TÀI LIỆU THAM KHẢO 92 PHỤ LỤC Phụ lục 1: Cài đặt ứng dụng vii DANH MỤC CHỮ VIẾT TẮT Chữ viết tắt AI Ý nghĩa Artificial Intelligence – Trí tuệ nhân tạo ANN Artificial Neural Network – Mạng thần kinh nhân tạo API Application Programming Interface – Giao diện lập trình B Blue CDSL Cơ sở liệu CGA Color Graphic Adaptor CNN Convolutional Neural Network – Mạng thần kinh tích chập CPU Central Processing Unit – Bộ xử lý trung tâm Compute Unified Device Architecture – Kiến trúc tính tốn song CUDA G song hãng NVDIA phát triển Green GPU Graphics Processing Unit – Vi xử lý đồ hoạ HOG Histogram of Oriented Gradients – Biểu đồ độ dốc định hướng IoT Internet of Thing – Vạn vật kết nối PCA Principal Component Analysis – Phân tích thành phần Pixel Picture Element R RBF R-CNN Red Radial Basis Function Region - Convolution Neural Network RPN Region Proposal Network ReLU Rectified Linear Unit – Điều chỉnh đơn vị tuyến tính SVM Support Vector Machine You only lock one – Một hệ thống mạng nơ ron nhân tạp phát YOLO đối tượng thời gian thực viii