Nghiên cứu ứng dụng học sâu convolutional neural network (cnn) trong nhận biết thời kỳ trái dứa chín tại vùng trồng dứa khu vực miền núi quảng nam – đà nẵng thạc sĩ

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DUY TÂN NGUYỄN LÀO NGHIÊN CỨU ỨNG DỤNG HỌC SÂU CONVOLUTIONAL NEURAL NETWORK (CNN) TRONG NHẬN BIẾT THỜI KỲ TRÁI DỨA CHÍN TẠI VÙNG TRỒNG DỨA KHU VỰC MIỀN NÚI QUẢNG NAM – ĐÀ NẴNG LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH ĐÀ NẴNG – 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DUY TÂN NGUYỄN LÀO NGHIÊN CỨU ỨNG DỤNG HỌC SÂU CONVOLUTIONAL NEURAL NETWORK (CNN) TRONG NHẬN BIẾT THỜI KỲ TRÁI DỨA CHÍN TẠI VÙNG TRỒNG DỨA KHU VỰC MIỀN NÚI QUẢNG NAM – ĐÀ NẴNG Chuyên ngành: Khoa học máy tính Mã số: 8480101 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: TS Nguyễn Hà Huy Cường ĐÀ NẴNG – 2021 LỜI CAM ĐOAN Tên tôi là: Nguyễn Lào Sinh ngày: 10/ 10/ 1978 Học viên lớp cao học MCS – K20, ngành Khoa học máy tính, – Trường Đại học Duy Tân Tôi xin cam đoan: Đề tài “ Nghiên cứu ứng dụng học sâu convolutional neural network (CNN) trong nhận biết thời kỳ trái dứa chín tại vùng trồng dứa khu vực miền núi Quảng Nam – Đà Nẵng” là do tôi nghiên cứu, tìm hiểu và phát triển dưới sự hướng dẫn của TS Nguyễn Hà Huy Cường, không phải sao chép từ các tài liệu, công trình nghiên cứu của người khác mà không ghi rõ trong tài liệu tham khảo Tôi xin chịu trách nhiệm về lời cam đoan này Học viên thực hiện Nguyễn Lào LỜI CẢM ƠN Để hoàn thành luận văn này, đầu tiên em gửi lời cảm ơn chân thành đến toàn thể Quý Thầy, Cô giảng viên Trường Đại học Duy Tân đã tận tình giảng dạy, truyền đạt những kiến thức quý báu và tạo điều kiện thuận lợi cho em trong suốt quá trình học tập, nghiên cứu Em bày tỏ lòng biết ơn đến TS Nguyễn Hà Huy Cường đã tận tâm giảng dạy, hướng dẫn và đưa ra những góp ý, điều chỉnh vô cùng xác thực cho luận văn, đồng thời Quý thầy cũng cho em những lời động viên sâu sắc giúp em có những định hướng đúng đắn để hoàn thành luận văn Cuối cùng em gửi lời cảm ơn đến gia đình, các bạn cùng khóa, đồng nghiệp cùng cơ quan đã nhiệt tình hỗ trợ những thông tin, chia sẻ những kiến thức hay giúp em trong quá trình thực hiện Trân trọng! MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CHỮ VIẾT TẮT viii DANH MỤC BẢNG BIỂU x DANH MỤC HÌNH, ĐỒ THỊ xi MỞ ĐẦU 1 1 Lý do chọn đề tài 1 2 Mục tiêu nghiên cứu (mục tiêu chung, mục tiêu cụ thể) .4 3 Tổng quan nghiên cứu của đề tài 5 4 Đối tượng và phạm vi nghiên cứu .5 5 Phương pháp nghiên cứu .6 6 Đóng góp của đề tài 6 7 Cấu trúc của đề tài 7 Chương 1 TỔNG QUAN VỀ NHẬN DẠNG DỰA TRÊN MẠNG NƠ RON TÍCH CHẬP (CNN) 8 1.1 Khái niệm cơ bản trong xử lý ảnh 8 1.1.1 Điểm ảnh 8 1.1.2 Độ phân giải của ảnh (Resolution) 8 1.1.3 Mức xám của ảnh 9 1.1.4 Các kiểu ảnh 9 1.1.5 Biểu diễn ảnh .12 1.1.6 Khử nhiễu 13 1.1.7 Nhận dạng ảnh .13 1.1.8 Nhận dạng đối tượng 13 1.2 Nhận dạng trái chín trong vùng trồng dứa dựa trên mạng nơ ron tích chập .14 1.2.1 Lọc màu vỏ trái cây 18 1.2.2 Lọc độ sâu 18 Chương 2 BÀI TOÁN NHẬN DẠNG TRÁI DỨA CHÍN ÁP DỤNG MẠNG NƠ RON TÍCH CHẬP 20 2.1 Mạng Neural 20 2.1.1 Giới thiệu về mạng nơ-ron nhân tạo .20 2.1.2 Đơn vị xử lý 22 2.1.3 Mạng nơ-ron truyền thẳng 23 2.1.4 Mạng nơ-ron truyền thẳng một lớp 23 2.2 Phân lớp, nhận dạng đối tượng với Support Vector Machine 2 lớp 26 2.2.1 SVM với tập mẫu phân hoạch tuyến tính được 26 2.2.2 SVM tuyến tính với tập mẫu không phân hoạch tuyến tính được .30 2.2.3 SVM phi tuyến 33 2.3 Mạng nơ ron tích chập .37 2.3.1 Khái niệm về mạng nơ ron tích chập 37 2.3.2 Mô hình mạng nơ ron tích chập 38 2.3.3 Xây dựng mạng nơ ron tích chập 39 2.4 Kết luận 47 Chương 3 KẾT QUẢ THỰC NGHIỆM 48 3.1 Áp dụng mạng nơ ron tích chập vào các giải pháp thông minh trong thực tế 48 3.2 Áp dụng mạng nơ ron tích chập để xây dựng hệ thống nhận diện người vào/ra và đánh giá thực nghiệm, so sánh với phương pháp HOG .48 3.2.1 Giới thiệu hệ thống nhận diện và đếm lượt người vào/ra sử dụng mạng nơ ron tích chập .48 3.2.2 Giới thiệu kiến trúc của máy chủ xử lý nhận diện và đếm lượng người .49 3.2.3 Giới thiệu sơ lược về phương pháp mô tả đặc trưng HOG sẽ được dùng để so sánh 51 3.2.4 Giới thiệu sơ lược về phương pháp HOG sử dụng để phát hiện đối tượng 51 3.3 Dựa trên thử nghiệm thực tế nhận diện trái dứa chín , ta thu được hình ảnh là kết quả của các mô hình 54 3.3.1 Môi trường cài đặt .54 3.3.2 Mô tả thực nghiệm .55 3.3.3 Thiết kế hệ thống 55 3.3.4 Tiến hành thực nghiệm 55 3.3.5 Triển khai xây dựng .56 3.4 Huấn luyện mô hình .63 3.4.1 Tiền huấn luyện 63 3.4.2 Huấn luyện 63 3.5 Đánh giá 65 KẾT LUẬN 68 1 Kết luận .68 2 Hướng phát triển của đề tài .68 TÀI LIỆU THAM KHẢO DANH MỤC CHỮ VIẾT TẮT Chữ viết Ý nghĩa tắt Support Vector Machine SVM Color Graphic Adaptor CGA Picture Element Pixel Red R Green G Blue B Radial Basis Function RBF Artificial Intelligence – Trí tuệ nhân tạo AI Artificial Neural Network – Mạng thần kinh nhân tạo ANN Convolutional Neural Network – Mạng thần kinh tích chập CNN Rectified Linear Unit – Điều chỉnh đơn vị tuyến tính ReLU Cơ sở dữ liệu CDSL Graphics Processing Unit – Vi xử lý đồ hoạ GPU Central Processing Unit – Bộ xử lý trung tâm CPU Compute Unified Device Architecture – Kiến trúc tính toán song song do hãng NVDIA phát triển CUDA Internet of Thing – Vạn vật kết nối Application Programming Interface – Giao diện lập trình IoT You only lock one – Một hệ thống mạng nơ ron nhân tạp phát API hiện đối tượng thời gian thực Histogram of Oriented Gradients – Biểu đồ độ dốc định hướng YOLO Principal Component Analysis – Phân tích thành phần chính HOG PCA DANH MỤC BẢNG BIỂU Bảng 1 Bảng số liệu thống kê diện tích đất trồng cây ăn trái ( đơn vị 1000 m2) .2 Bảng 2 Bảng số liệu thống sản lượng cây ăn trái (Đơn vị 1000 Tấn) .3