Xác định số lượng rầy nâu trưởng thành dựa trên đặc trưng SIFT

Trong bài viết này đề xuất một hướng tiếp cận để xác định số lượng rầy nâu trưởng thành dựa trên phương pháp rút trích đặc trưng cục bộ bất biến SIFT (Scale Invariant Feature Transform) [5] trên đối tượng ảnh chụp cây lúa để bảo đảm phạm vi xác định đối tượng rộng hơn, cho kết quả tốt hơn vì hình ảnh có thể bị thay đổi bởi tỷ lệ, góc chụp ảnh, quay ảnh,... Đối tượng rầy nâu trưởng thành có trên ảnh lúa sẽ được phát hiện, so khớp đặc trưng sau đó.

Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ IX “Nghiên cứu ứng dụng Công nghệ thông tin (FAIR'9)”; Cần Thơ, ngày 4-5/8/2016 DOI: 10.15625/vap.2016.000102 XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH DỰA TRÊN ĐẶC TRƯNG SIFT Huỳnh Võ Hữu Trí 1, Võ Huỳnh Trâm2, Lâm Bảo Duy3, Huỳnh Xuân Hiệp2 Khoa Kỹ thuật công nghệ, Trường Đại học Nam Cần Thơ Khoa Công nghệ thông tin & Truyền thông, Trường Đại học Cần Thơ Khoa Công nghệ thông tin, Trường Đại học Cửu Long hvhuutri@yahoo.com, vhtram@cit.ctu.edu.vn, lambaoduy@mku.edu.vn, hxhiep@ctu.edu.vn TÓM TẮT— Hiện nay, nhờ vào phương tiện kỹ thuật máy ảnh, điện thoại di động, việc xác định đối tượng sâu bệnh lúa hình ảnh thực dễ dàng Tuy nhiên, hình ảnh sau chụp xử lý mắt thường để nhận diện Kết dẫn đến xác định nhầm đối tượng khơng xác số lượng đối tượng ảnh, đặc biệt hình ảnh có nhiều loại đối tượng khác Vì vậy, việc xây dựng mơ hình xác định đối tượng sâu bệnh nhu cầu thiết, có đối tượng rầy nâu lúa Trong viết này, chúng tơi đề xuất mơ hình dùng xác định số lượng rầy nâu trưởng thành lúa với hướng tiếp cận rút trích đặc trưng cục bất biến từ ảnh lúa nhiễm rầy, so khớp xác định đối tượng rầy nâu trưởng thành kết hợp với kiểm tra độ tương thích trình xác định đối tượng Mơ hình xác định số lượng rầy nâu trưởng thành nhiều giai đoạn phát triển khác lúa từ giai đoạn đẻ nhánh, làm địng đến trổ lúa chín; đồng thời phân biệt rầy nâu trưởng thành với đối tượng khác với kết thu tích cực Kết làm sở cho việc dự tính mật độ rầy nâu trưởng thành công lúa, hỗ trợ cho cơng tác dự báo, phịng trừ dịch hại rầy nâu lúa Từ khóa— Rầy nâu trưởng thành, rút trích đặc trưng cục bất biến, xác định đối tượng, so khớp I GIỚI THIỆU Trong loài dịch hại nơng nghiệp rầy nâu (Nilarpavata lugens Stal) [1] đối tượng sâu hại nghiêm trọng cho lúa Việt Nam nói riêng giới nói chung, sử dụng nhiều giống lúa cho suất cao tăng cường thâm canh sản xuất lúa Rầy nâu nguy hiểm chỗ chúng trực tiếp gây hại cách chích hút dịch nhựa thân làm cho lúa sinh trưởng phát triển mà cịn mơi giới truyền bệnh virut vàng lùn, lùn xoắn làm giảm suất thối hóa giống lúa Rầy nâu Bộ Nông nghiệp & Phát triển Nơng thơn thị phịng trừ từ năm 2006 [2] Vì việc nghiên cứu phát đối tượng rầy nâu trưởng thành yêu cầu cấp thiết, nhà khoa học quan tâm Đã có số nghiên cứu khoa học xác định đối tượng động vật côn trùng thông qua hình ảnh, chẳng hạn nghiên cứu đếm đối tượng động vật ảnh dùng đặc trưng xếp mức cao tương quan cục tự động (Higher-order Local Auto-Correlation) phân tích hồi quy hỗn hợp (Multiple Regression Analysis) [11] Kết nghiên cứu cho tỷ lệ phát xác đối tượng cao địi hỏi phải có hình ảnh (background) đầu vào để chứa đối tượng Một nghiên cứu khác nhằm phân lớp, đếm côn trùng theo thời gian thực sử dụng camera wifi [12] mà nhóm tác giả dùng lọc Gabor, biểu đồ kim tự tháp ảnh dạng Gradient (Pyramidal Histogram of Gradients) liệu màu để xác định đối tượng, sau phân nhóm SVM (Support Véctơ Machines) Tỉ lệ thành cơng nghiên cứu đạt khoảng 91% hình ảnh chụp từ camera Tuy vậy, nghiên cứu dừng mức thí nghiệm cơng cụ tạo sẵn có background cố định cịn xác định đối tượng sai bóng trùng có màu với background Đặc biệt, từ có phương pháp rút trích đặc trưng cục bất biến đề xuất David G.Lowe [5] việc nhận diện đối tượng ảnh xem ứng dụng Tác giả công bố phương pháp nghiên cứu mục đích phục vụ cho toán xác định đối tượng ảnh [6], kể đối tượng bị che khuất Phương pháp rút trích sử dụng để rút trích đặc trưng xác định nhiều loại đối tượng khác điển hình như: nhận dạng đồ vật sử dụng nhà [7] kết hợp với sử dụng từ vựng, đồ vật văn phòng [8], nhận dạng cơng trình kiến trúc kết hợp với thuật tốn LSH [9] đồ [10],… Việc ứng dụng để xác định đối tượng rầy nâu hay côn trùng gây hại trồng cịn chưa thật hiệu quả.Vì vậy, việc nghiên cứu để xây dựng phương pháp phục vụ cho xác định đối tượng côn trùng nghiên cứu cần quan tâm phát triển Mặt khác, không dừng lại việc nhận diện côn trùng ảnh, việc đếm số lượng chúng mang ý nghĩa quan trọng có xác định mật độ cơng trùng đưa định phòng trừ dịch hại thời gian lựa chọn thuốc phun xịt hiệu [4] Hay nói cách khác, việc xây dựng mơ hình xác định số lượng rầy nâu lúa qua hình ảnh thiết thực nhằm mang lại hiệu cao việc phát sớm để phòng trừ rầy nâu dịch hại Trong viết này, đề xuất hướng tiếp cận để xác định số lượng rầy nâu trưởng thành dựa phương pháp rút trích đặc trưng cục bất biến SIFT (Scale Invariant Feature Transform) [5] đối tượng ảnh chụp lúa để bảo đảm phạm vi xác định đối tượng rộng hơn, cho kết tốt hình ảnh bị thay đổi tỷ lệ, góc chụp ảnh, quay ảnh, Đối tượng rầy nâu trưởng thành có ảnh lúa phát hiện, so khớp đặc trưng sau Cách tiếp cận giúp làm rõ nét đặc trưng hình dạng rầy nâu trưởng thành, cho phép đếm số lượng Huỳnh Võ Hữu Trí, Võ Huỳnh Trâm, Lâm Bảo Duy, Huỳnh Xuân Hiệp 837 chúng giai đoạn phát triển khác lúa Kết nghiên cứu giúp phát sớm biểu nhiễm rầy lúa, đồng thời việc xác định mật độ rầy giúp làm tăng hiệu phòng trừ, tránh nhiều hậu đáng tiếc dịch rầy nâu gây Bài viết chia thành năm phần Phần thứ giới thiệu mối nguy hại cần thiết xác định số lượng rầy nâu trưởng thành ảnh Phần thứ hai trình bày phương pháp rút trích đặc trưng cục bất biến (SIFT) ảnh rầy nâu giải thuật so khớp để xác định đối tượng rầy nâu trưởng thành tiềm hình ảnh biểu diễn véctơ đa chiều Phần thứ ba giới thiệu mơ hình tổng thể bước chi tiết tiến trình xác định đối tượng rầy nâu trưởng thành ảnh Phần thứ tư trình bày q trình thực nghiệm bao gồm việc mơ tả liệu, công cụ thực nghiệm kết thực nghiệm tiến hành ảnh rầy nâu giai đoạn phát triển khác lúa, rầy nâu lẫn với đối tượng côn trùng khác nhiều đối tượng rầy độ tuổi khác Cuối phần kết luận II ĐẶC TRƯNG SIFT TRÊN ẢNH RẦY NÂU A Ảnh rầy nâu Rầy nâu có thể màu nâu vàng, đỉnh đầu nhơ phía trước Phần gốc râu có hai đốt nở to, đốt roi râu dài nhỏ Cánh suốt, cạnh sau cánh trước có đốm đen, hai cánh xếp lại hai đốm đen chồng lên nhanh tạo thành đốm đen to lưng (Hình 1) Rầy đực có thể dài từ 3,6-4,0mm Cịn rầy có màu nâu nhạt kích thước thể to rầy đực, chiều dài thể từ 4-5mm, bụng to tròn, khoảng mặt bụng có phận đẻ trứng bén nhọn màu đen Nếu điều kiện thích hợp, rầy đẻ đến ngàn trứng [1] Hình Ảnh chụp rầy nâu trưởng thành với đốm đen lưng Do vòng đời chúng ngắn, khoảng 25-30 ngày, gây hại lây lan nhanh [4], nên việc phát sớm rầy nâu lúa có biện pháp phịng trừ thích hợp cách làm giảm thiệt hại rầy gây để tránh lây lan thành dịch [1] Rầy non nở nhỏ, màu trắng sữa, lớn rầy chuyển thành màu nâu nhạt Rầy non có tuổi, từ tuổi đến tuổi gọi rầy cám, hết tuổi lột xác sang trưởng thành, thời gian sống từ 12 – 14 ngày (mỗi tuổi 2-3 ngày) Rầy trưởng thành màu nâu có hai dạng cánh [1]: Cánh dài phủ kín bụng cánh ngắn phủ khoảng 2/3 thân Hai dạng cánh đơn biến đổi hình thái, thể điều kiện mơi trường thuận lợi nhiều hay Nếu mơi trường bình thường xuất rầy cánh dài với tỉ lệ đực 1:1, cịn điều kiện mơi trường thuận lợi xuất rầy cánh ngắn với tỉ lệ đực 1:3 Rầy nâu thích cơng lúa cịn nhỏ, mật số cao gây hại cho giai đoạn tăng trưởng lúa [1] Trong đó: (1) Giai đoạn lúa đẻ nhánh: rầy chích hút nơi bẹ tạo thành sọc màu nâu đậm dọc theo thân nấm vi khuẩn cơng tiếp theo, ảnh chụp giai đoạn nên tập trung bẹ lá; (2) Giai đoạn lúa làm địng đến trổ: rầy thường tập trung chích hút cuống địng non, ảnh chụp giai đoạn nên tập trung vị trí cuống địng non; (3) Giai đoạn lúa chín: rầy tập trung lên thân phần non mềm, ảnh chụp giai đoạn cần tập trung phần thân mềm lúa Do việc gây hại rầy lúa diễn nhiều giai đoạn khác nên việc nhận diện đối tượng rầy nâu trưởng thành ảnh phải đảm bảo hình ảnh rầy nâu xác định giai đoạn phát triển lúa B Đặc trưng cục bất biến SIFT ảnh Biểu diễn ảnh bước quan trọng, ảnh hưởng lớn đến kết cuối Hai tiếp cận biểu diễn ảnh là: sử dụng nét đặc trưng toàn cục (global features) véctơ bitmap, tổ chức đồ màu (color histogram),… sử dụng nét đặc trưng cục (local features) điểm đặc trưng, vùng đặc trưng,… Tiếp cận thứ đơn giản lại không thật hiệu cách biểu diễn khơng thích hợp với biến đổi góc nhìn, biến đổi tỉ lệ, phép quay, độ sáng, che khuất, biến dạng, xáo trộn hình biến đổi nội lớp (intra-class variation) Ngược lại, tiếp cận thứ hai đề nghị Lowe [13], lại mạnh với thách thức đạt hiệu cao việc phân loại, phát xác định đối tượng ảnh Vì vậy, phương pháp sử dụng nét đặc trưng cục để biểu diễn ảnh rầy nâu chụp điều kiện khác Phương pháp rút trích đặc trưng cục bất biến SIFT (Scale Invariant Feature Transform) [13] Lowe đề xuất phương pháp áp dụng hiệu quả, với ưu điểm không phụ thuộc việc thay đổi tỷ lệ, quay ảnh, góc nhìn, ảnh bị nhiễu, thay đổi độ sáng ảnh mức độ chấp nhận Đây phương pháp tốt để rút trích đặc trưng điểm bất biến ảnh nhằm so khớp tầm nhìn khác đối tượng, khung cảnh Phương pháp gọi “phép biến đổi đặc trưng bất biến tỷ lệ” biến đổi liệu ảnh thành tọa độ bất biến tỷ lệ có liên quan đến đặc trưng cục Các nét đặc trưng cục ảnh thường xác định thông qua 838 XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH DỰA TRÊN ĐẶC TRƯNG SIFT điểm hấp hẫn Điểm hấp dẫn (Interest Point (Keypoint)) thường xem vị trí (điểm ảnh) "hấp dẫn" ảnh "Hấp dẫn" có nghĩa điểm có đặc trưng bất biến với việc quay ảnh, co giãn ảnh hay thay đổi cường độ chiếu sáng ảnh Rút trích đặc trưng bất biến SIFT ảnh rầy nâu tiếp cận theo hình thức thác lọc Thuật tốn có bốn giai đoạn cần thực Bước đầu tiên, cần dị tìm cực trị cục điểm ảnh rầy nâu Trước hết, điểm hấp dẫn xác định tất tỷ lệ vị trí ảnh rầy nâu Những điểm hấp dẫn trở thành điểm đặc trưng phương pháp lọc theo tầng dựa vào việc thay đổi tham số lọc Gaussian [13] Nó sử dụng hàm different-of-Gaussian (DoG) để xác định tất điểm hấp dẫn ứng viên bất biến với quy mô hướng ảnh Trên ảnh rầy nâu, điểm hấp dẫn xác định cực đại cực tiểu ảnh DoG qua tỉ lệ Thông thường điểm điểm râu, chân, rìa cánh, cánh, thân, đầu rầy nâu đối tượng khác ảnh rìa lúa, thân lúa Kế đến, giai đoạn trích xuất điểm đặc trưng cho đối tượng (kể rầy nâu) ảnh Ở bước này, hàm kiểm tra đưa để định xem điểm hấp dẫn ứng viên có lựa chọn hay không? Mỗi điểm hấp dẫn ứng viên sau chọn đánh giá xem có giữ lại cách xem xét loại bỏ điểm hấp dẫn có độ tương phản thấp số điểm hấp dẫn dọc theo cạnh không giữ tính ổn định ảnh bị nhiễu Tiếp theo bước xác định hướng cho điểm đặc trưng đối tượng ảnh rầy nâu giữ lại Để làm điều này, cần tính tốn biểu đồ hướng vùng láng giềng chúng Cuối cùng, tạo mô tả cục đối tượng ảnh rầy nâu Các điểm đặc trưng sau xác định hướng mô tả dạng véctơ đặc trưng nhiều chiều Vùng xung quanh điểm đặc trưng xác định mô tả véctơ mô tả cục Véctơ mô tả SIFT (Scale Invariant Feature Transform) [14] đánh giá cao giới chuyên môn việc biểu diễn vùng xung quanh điểm đặc trưng khơng đổi biến đổi tỉ lệ, tịnh tiến, phép quay, không đổi phần với thay đổi góc nhìn, đồng thời mạnh với thay đổi độ sáng, che khuất, nhiễu Ở bước này, chúng tơi cần tính tốn mơ tả ảnh rầy nâu cho vùng ảnh địa phương cho có tính đặc trưng cao (bất biến với thay đổi khác độ sáng, thu – phóng ảnh, xoay ảnh,…) Mỗi điểm đặc trưng mơ tả véctơ có 128 chiều [15] Hình minh họa điểm đặc trưng ảnh rầy nâu sau rút trích đặc trưng cục bất biến Hình Các điểm đặc trưng rút trích ảnh rầy nâu Trong trường hợp xây dựng sở liệu ảnh thực nhận dạng so khớp đối tượng, SIFT thường sử dụng để tạo hệ liệu đặc trưng trích xuất từ ảnh mẫu Sau đó, ảnh đối tượng cần nhận dạng rút trích đem đối sánh với hệ liệu mẫu đặc trưng để tìm tập điểm hấp dẫn giống Từ đó, nhận diện đối tượng ban đầu Tuy nhiên, việc đối sánh cần chi phí đối sánh lớn sở liệu ảnh lớn có số lượng đặc trưng ảnh lớn III MƠ HÌNH XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH Mơ hình xác định đối tượng rầy nâu trưởng thành (Hình 3) thực dựa tiếp cận rút trích đặc trưng cục bất biến SIFT hình ảnh Đầu tiên, ảnh chụp rầy nâu thu thập camera thiết bị cảm biến Sau đó, hình ảnh tiền xử lý để nâng cao chất lượng Tiếp theo, trình tiến hành qua giai đoạn chính: (1) Rút trích đặc trưng tất đối tượng kể đối tượng rầy nâu trưởng thành ảnh; (2) So khớp phát đối tượng rầy nâu trưởng thành cách so khớp đặc trưng rút từ bước trước với liệu mẫu từ đưa kết xác định tạm thời đối tượng rầy nâu ảnh; (3) Kiểm tra tính xác q trình xác định đối tượng rầy nâu trưởng thành cách đếm loại bỏ đặc trưng đối tượng rầy nâu trưởng thành khỏi ảnh Hình Mơ hình xác định số lượng rầy nâu trưởng thành Huỳnh Võ Hữu Trí, Võ Huỳnh Trâm, Lâm Bảo Duy, Huỳnh Xuân Hiệp 839 A Thu thập ảnh rầy nâu tiền xử lý Bước thu thập hình ảnh rầy nâu lúa để làm tập liệu thực nghiệm Hình ảnh rầy nâu ghi lại camera Trong giai đoạn tiền xử lý, ảnh chuyển mức xám Bước nhằm làm giảm số lượng điểm đặc trưng để so khớp sau rút trích (do hạn chế phương pháp rút trích đặc trưng SIFT chi phí so khớp lớn số lượng điểm đặc trưng lớn) Đồng thời yếu tố màu chuyển ảnh xám chuẩn hóa ảnh hưởng khơng đáng kể mức xám màu nâu (rầy nâu) màu xanh (lá lúa) khác rõ rệt (cụ thể, ảnh mức xám màu rầy khoảng 200 trở lên màu xanh lúa ngưỡng 180 trở xuống) Sau ảnh xử lý chuyển sang ảnh xám, hệ thống gán giá trị trỏ lưu thông tin ma trận giá trị điểm ảnh xám Đây tham số đầu vào để thực rút trích đặc trưng cục ảnh rầy nâu cần xử lý B Rút trích đặc trưng cục SIFT ảnh rầy nâu Sau bước tiền xử lý, điểm đặc trưng ảnh rầy nâu xác định ảnh cách sử dụng giải thuật rút trích đặc trưng cục bất biến (đã trình bày trên) để thực việc rút trích đặc trưng đối tượng Từ giá trị ma trận ảnh xám rầy nâu, chức thực tính tốn sinh hai danh sách: danh sách điểm đặc trưng danh sách mô tả đặc trưng đối tượng rút trích ảnh Mỗi điểm đặc trưng rút trích chứa danh sách điểm đặc trưng bao gồm thơng số như: tọa độ (x, y) điểm đặc trưng ảnh; độ lớn, góc điểm đặc trưng,… Mỗi mô tả đặc trưng trỏ véctơ có 128 chiều chứa danh sách mô tả đặc trưng Hai danh sách nguồn liệu đầu vào cho trình phát đối tượng cần so khớp bước q trình xử lý Mơ hình giai đoạn sau: Hình ảnh rầy nâu xử lý Rút trích đặc trưng ảnh rầy nâu - Danh sách điểm đặc trưng ảnh rầy - Danh sách mô tả đặc trưng C So khớp xác định đối tượng rầy nâu thơng tin đặc trưng hình ảnh véctơ đa chiều Trước việc so khớp thông tin đối tượng tiến hành, hệ thống cần phải tạo liệu mẫu rầy nâu trưởng thành để so khớp Trước tiên, liệu mẫu rầy nâu trưởng thành đọc trích từ tập tin liệu mẫu Dựa vào tên mẫu cần trích ra, hệ thống sinh danh sách mô tả đặc trưng mẫu danh sách điểm đặc trưng tương ứng với đối tượng rầy nâu mẫu liệu Cả hai danh sách tham số đầu vào cho q trình tính tốn so khớp, phát đối tượng kiểm tra độ xác nhận dạng đối tượng mẫu với đối tượng rầy nâu trưởng thành ảnh Kế tiếp, liệu mẫu phục vụ cho trình so khớp, xác định đối tượng rầy nâu trưởng thành ảnh phát sinh Từ ảnh mẫu rầy nâu trưởng thành, hệ thống rút trích đặc trưng rầy nâu trưởng thành ảnh mẫu lưu vào tập tin liệu hệ thống Q trình thực có sử dụng lại chức chuyển ảnh xám, rút trích đặc trưng cục bất biến ảnh xám rầy nâu Cấu trúc đối tượng sau rút trích lưu trữ vào tập tin liệu bao gồm thành phần sau: tên mẫu; số dòng (số điểm đặc trưng); số chiều véctơ đặc trưng (mặc định ln 128); ma trận “số dịng x 128” chứa thông tin danh sách mô tả đặc trưng (descriptors); ma trận chứa thông tin danh sách điểm đặc trưng (keypoints) Cuối cùng, sau hình ảnh biểu diễn véctơ đa chiều SIFT, giải thuật so khớp hình ảnh thực để tìm mơ tả tương ứng gần hai liệu đặc trưng rầy nâu Từ danh sách mô tả đặc trưng liệu mẫu danh sách mô tả đặc trưng ảnh rầy nâu, chức thực việc tìm kiếm so khớp mơ tả đặc trưng hai liệu Kết đạt danh sách điểm đối tượng tiềm (matches), điểm đặc trưng tương ứng lựa chọn đáp ứng điều kiện phát thành cơng lưu trữ chứa thơng số chính:  queryIdx: Vị trí điểm đặc trưng danh sách điểm đặc trưng đối tượng mẫu  trainIdx: Vị trí điểm hấp dẫn danh sách điểm đặc trưng đối tượng ảnh cần nhận dạng  distance: Khoảng cách điểm đặc trưng nhận dạng Đây thông số định có nên chấp nhận điểm đặc trưng hay không Sau bước này, thu danh sách đặc trưng rầy nâu xác định Mơ hình giai đoạn sau : -Dữ liệu mẫu rầy -Dữ liệu ảnh rầy cần phát Phát so khớp đặc trưng rầy nâu Danh sách đặc trưng rầy nâu xác định D Kiểm tra đếm loại bỏ đối tượng rầy nâu trưởng thành xác định Bước cuối mơ hình kiểm tra xem đối tượng xác định có phải thực rầy nâu trưởng thành hay không? Đây bước đề xuất xây dựng hoàn toàn để phục vụ cho việc xác định tính XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH DỰA TRÊN ĐẶC TRƯNG SIFT 840 xác trình Bước bao gồm hai giai đoạn từ kết có bước trước danh sách đối tượng phát tương ứng điểm đặc trưng đối tượng mẫu đối tượng rầy nâu trưởng thành xác định (được xem đối tượng rầy nâu trưởng thành) có chứa thông tin khoảng cách (distance) định với vị trí điểm đặc trưng phát đối tượng rầy nâu Đầu tiên, hệ thống tiến hành việc kiểm tra độ xác q trình xác định đối tượng rầy nâu ảnh Đây giai đoạn thiết kế nhằm kiểm tra điểm đặc trưng xác định danh sách điểm đặc trưng có thỏa mãn điểm đặc trưng đối tượng rầy nâu trưởng thành Từ danh sách điểm tiềm đối tượng phát hiện, danh sách điểm đặc trưng liệu mẫu, danh sách điểm đặc trưng ảnh rầy nâu, hệ thống thực kiểm tra khoảng cách, độ tương thích hình học đối tượng rầy nâu cần xác định Có hai bước kiểm tra với hai lựa chọn xác định đối tượng thành công hay không thành công cho bước Bước 1: Kiểm tra khoảng cách mô tả đặc trưng mẫu rầy nâu với mô tả đặc trưng đối tượng rầy nâu trưởng thành cần xác định Bước nhằm tránh tình trạng đối tượng phát có khoảng cách xa so với đối tượng rầy nâu mẫu khiến cho việc xác định khơng xác Việc đánh giá khoảng cách dựa vào thông số khoảng cách (distance) tương ứng với điểm đặc trưng danh sách đặc trưng rầy nâu xác định Nếu khoảng cách hai mô tả đặc trưng nhỏ thông số chuẩn đề nghị (từ 380 đến 400, dựa thực nghiệm) xem điểm đặc trưng chấp nhận Nếu khoảng cách lớn thông số đề nghị xem điểm rác, điểm mơ tả bị loại bỏ khỏi danh sách so khớp đối tượng tiềm rầy nâu trưởng thành bước trước Bước 2: Kiểm tra độ tương thích mặt hình học điểm đặc trưng mẫu rầy nâu ảnh rầy nâu cần xác định Bước áp dụng cần xem xét để so sánh tính đồng dạng sai khác hình ảnh đối tượng mẫu rầy rầy nâu trưởng thành cần xác định Việc đề xuất áp dụng tiêu chí số điểm đặc trưng đối tượng rầy nâu cần xác định tương đối (dưới 100 đặc trưng) Kết bước nhằm giảm thiểu việc xác định đối tượng bị sai hình dạng lớn, loại bỏ tình trạng xác định nhầm điểm rác khơng phải rầy nâu trưởng thành Để kiểm tra độ tương thích, hệ thống cần thực hiện: (1) Kiểm tra điểm đặc trưng có trùng lắp xác định nhiều hai điểm Việc kiểm tra thực cách tính khoảng cách điểm đặc trưng đối tượng rầy nâu tiềm theo cơng thức tính khoảng cách Euclid: dAB= √ , với xA, yA xB, yB tọa độ điểm A B Nếu điểm xác định hai lần khoảng cách lúc nên điểm đặc trưng bị xem xét loại bỏ (2) Kiểm tra tỷ lệ chênh lệch lớn khoảng cách điểm ảnh mẫu so với ảnh đối tượng rầy nâu tiềm cách so sánh tỷ lệ khoảng cách ba điểm mẫu rầy nâu với khoảng cách ba điểm tương ứng đặc trưng đối tượng rầy nâu tiềm Nếu tỷ lệ dao động thỏa mãn khoảng tỷ lệ tốt (từ 0.8 ÷ 1.2, dựa thực nghiệm) hệ thống chấp nhận đối tượng Ngược lại, khơng chấp nhận Kế tiếp, tiến trình đếm loại bỏ đặc trưng rầy nâu trưởng thành xác định khỏi danh sách mô tả ảnh rầy nâu tiến hành Đây chức thiết kế để loại bỏ điểm đặc trưng xác định khỏi ảnh rầy nâu Từ danh sách điểm đặc trưng phát thành công, danh sách mô tả đặc trưng ảnh rầy nâu cần xử lý, chức loại bỏ mô tả đặc trưng đối tượng xác định khỏi danh sách mô tả đặc trưng ảnh rầy nâu Kết giảm bớt khối lượng xử lý cho bước xác định đối tượng tránh việc xác định lặp lại đối tượng xác định Mơ hình bước sau: Huỳnh Võ Hữu Trí, Võ Huỳnh Trâm, Lâm Bảo Duy, Huỳnh Xuân Hiệp 841 IV THỰC NGHIỆM A Dữ liệu thực nghiệm Thực nghiệm tiến hành nguồn sở liệu ảnh chụp thực tế từ hai nơng trường: Nông trường Cờ Đỏ nông trường Sông Hậu thuộc thành phố Cần Thơ Số lượng đối tượng mẫu tiến hành thực nghiệm khoảng 200 ảnh đối tượng điển hình rầy nâu trưởng thành rút trích từ ảnh chụp thực tế ảnh thu thập từ nguồn khác, số ảnh chụp thực tế xử lý hiệu chỉnh để phục vụ xác định số lượng đối tượng 120 ảnh Các ảnh sau chụp cắt bỏ để đưa kích thước trung bình 1000 x1000 pixels dùng cho trình phát đối tượng rầy nâu trưởng thành tiềm Ảnh chụp từ thực tế thực điều kiện ánh sáng ban ngày có độ sáng từ 300 ÷ 500 lux Ảnh chụp khoảng cách đến đối tượng khoảng từ 40cm đến 60cm Các dạng ảnh rầy nâu sử dùng trình thực nghiệm bao gồm: ảnh rầy nâu nhiều giai đoạn phát triển khác lúa, ảnh rầy nâu có chứa loại trùng khác, ảnh rầy nâu có chứa nhiều rầy nâu giai đoạn ngày tuổi khác B Công cụ thực nghiệm Về cơng cụ thực nghiệm, mơ hình xác định số lượng rầy nâu trưởng thành cài đặt ngơn ngữ lập trình Visual C++ xây dựng thành gói có tên gọi BHPCount Visual Studio 2010 [17] thư viện hàm xử lý ảnh OpenCV 2.4 [18] Gói BHPCount cài đặt thành môđun đảm nhận chức khác như: Đọc tập tin ảnh rầy nâu chuyển ảnh xám rầy nâu; rút trích đặc trưng cục bất biến ảnh rầy nâu; đọc, trích liệu mẫu vào giai đoạn so khớp đặc trưng rầy nâu; tạo liệu phát đối tượng rầy nâu trưởng thành; so khớp xác định đặc trưng tương ứng rầy nâu trưởng thành; kiểm tra độ xác q trình so khớp ảnh rầy nâu loại bỏ đặc trưng rầy nâu xác định Các môđun chức áp dụng vào việc xây dựng mơ hình xác định số lượng rầy nâu trưởng thành dựa đặc tính SIFT viết C Rút trích đặc trưng cục SIFT Về cơng cụ rút trích đặc trưng cục bất biến SIFT ảnh rầy nâu, sử dụng công cụ VLFeat [16] Thư viện nguồn mở VLFeat cài đặt thuật toán xác định đối tượng phổ biến máy tính, đặc biệt lĩnh vực nhận dạng ảnh, rút trích đặc trưng cục so khớp.VLFeat viết ngôn ngữ C hiệu thuận tiện, với giao diện MATLAB dễ sử dụng, kèm theo tài liệu hướng dẫn chi tiết Công cụ hỗ trợ hệ điều hành Windows, Mac OS X Linux Trong nghiên cứu này, sử dụng phiên VLFeat 0.9.20 Đặc trưng rút trích từ ảnh rầy nâu VLFeat bao gồm hai ma trận có tên gọi Frames Descrs Ma trận Frames ma trận kích thước x n biểu diễn đặc trưng rút trích, cột n cột ma trận Frames đặc trưng có thơng số dạng [X;Y;S;TH], với (X, Y) tọa độ điểm đặc trưng, S thông số tỷ lệ TH hướng Trong ma trận Descrs có kích thước 128 x m mô tả đặc trưng chứa Frames, cột m cột ma trận véctơ đặc trưng tương ứng tổng số đặc trưng ảnh xác định Frames, véctơ đặc trưng có 128 chiều (như nói trên) D Kết thực nghiệm Quá trình thực nghiệm xác định số lượng rầy nâu trưởng thành tiến hành nhiều loại đối tượng rầy nâu trưởng thành nhiều giai đoạn, tình khác Xác định số lượng rầy nâu trưởng thành giai đoạn phát triển lúa Sau bước tiền xử lý ảnh chụp dạng ảnh mức xám, công cụ xác định số lượng rầy nâu trưởng thành BHPCount tiến hành phân tích ảnh đầu vào, rút trích đặc trưng cho đối tượng ảnh, xác định đối tượng, so khớp kiểm tra đếm kết Ở giai đoạn lúa đẻ nhánh, tiến hành thực nghiệm hai tình tiêu biểu Hình Ở tình cho ảnh Hình 4a, số lượng rầy nâu trưởng thành ảnh cần xác định đối tượng, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, cịn đối tượng xác định sai Cịn tình cho ảnh Hình 4b, số lượng rầy nâu trưởng thành cần xác định đối tượng, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, khơng có đối tượng xác định sai Hai thực nghiệm hình ảnh lúa giai đoạn cho kết khả quan, tiền đề cho việc ứng dụng mơ hình xác định rầy nâu trưởng thành vào phát rầy nâu giai đoạn lúa đẻ nhánh 842 XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH DỰA TRÊN ĐẶC TRƯNG SIFT (a) (b) Hình Xác định đối tượng rầy nâu trưởng thành giai đoạn lúa đẻ nhánh Ở giai đoạn lúa làm địng, chúng tơi tiến hành thực nghiệm hai tình tiêu biểu Hình Ở tình cho ảnh Hình 5a, số lượng rầy nâu trưởng thành ảnh cần xác định đối tượng, kết xác định đối tượng rầy nâu trưởng thành đối tượng xác, khơng có đối tượng xác định sai Cịn tình cho ảnh Hình 5b, số lượng rầy nâu trưởng thành cần xác định đối tượng giống nhau, kết xác định đối tượng xác, khơng có đối tượng xác định sai Kết từ hai thực nghiệm hình ảnh lúa giai đoạn cho thấy hiệu việc ứng dụng mơ hình xác định đối tượng rầy nâu trưởng thành vào phát rầy nâu giai đoạn lúa làm đòng tích cực, giúp nơng dân phát sớm đối tượng rầy nâu để phòng trừ, tránh thiệt hại cho lúa trổ bơng (a) (b) Hình Xác định đối tượng rầy nâu trưởng thành giai đoạn lúa làm địng Ở giai đoạn lúa chín, thơng thường rầy nâu công vào phần thân mềm lúa Hầu hết rầy phát giai đoạn rầy nâu trưởng thành có cánh có nguy cao cho việc phát tán phạm vi rộng Xét hai tình tiêu biểu Hình Ở tình cho ảnh Hình 6a, số lượng rầy nâu trưởng thành ảnh cần xác định đối tượng, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, cịn đối tượng xác định sai Cịn tình cho ảnh Hình 6b, số lượng rầy nâu trưởng thành cần xác định đối tượng giống nhau, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác đối tượng xác định sai Kết từ hai thực nghiệm hình ảnh lúa giai đoạn cho thấy hiệu việc ứng dụng mô hình xác định đối tượng rầy nâu trưởng thành vào phát rầy nâu giai đoạn lúa chín tốt, giúp nông dân phát sớm đối tượng rầy nâu để phòng trừ, tránh thiệt hại cho việc phát tán rầy từ cá thể trưởng thành (a) (b) Hình Xác định đối tượng rầy nâu trưởng thành giai đoạn lúa chín Huỳnh Võ Hữu Trí, Võ Huỳnh Trâm, Lâm Bảo Duy, Huỳnh Xuân Hiệp 843 Xác định số lượng rầy nâu trưởng thành với đối tượng khác Trong thực nghiệm này, liệu ảnh rầy nâu trưởng thành chụp chung với loại đối tượng khác tiến hành xác định số lượng rầy nâu Hình minh họa ảnh chứa đối tượng rầy nâu nhiều độ tuổi khác lúa bị nhiễm rầy bao gồm rầy non cá thể rầy trưởng thành Trong Hình cho thấy ảnh lúa bị nhiễm rầy với đối tượng côn trùng khác Thực nghiệm xác định đối tượng rầy nâu trưởng thành phân biệt với rầy nâu chưa trưởng thành tiến hành hai tình tiêu biểu Hình Ở tình cho ảnh Hình 7a, số lượng rầy nâu trưởng thành ảnh cần xác định đối tượng ảnh lúa nhiễm rầy với đối tượng rầy nâu con, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, đối tượng xác định sai Còn tình cho ảnh Hình 7b, số lượng rầy nâu trưởng thành cần xác định đối tượng ảnh lúa nhiễm rầy với cá thể rầy khác, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, khơng có đối tượng xác định sai Kết từ hai thực nghiệm hình ảnh lúa có rầy nâu nhiều độ tuổi khác cho thấy việc áp dụng mơ hình vào phát rầy nâu trưởng thành tương đối tốt, giúp nơng dân tính mật độ loại rầy để có phương pháp phịng trừ thích hợp (a) (b) Hình Xác định đối tượng rầy nâu độ tuổi phân biệt Thực nghiệm xác định đối tượng rầy nâu trưởng thành phân biệt với côn trùng khác tiến hành hai tình tiêu biểu Hình Ở tình cho ảnh Hình 8a, số lượng rầy nâu trưởng thành ảnh cần xác định đối tượng ảnh lúa bị nhiễm rầy với cá thể rầy khác, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, khơng có đối tượng xác định sai Cịn tình cho ảnh Hình 8b, số lượng rầy nâu trưởng thành ảnh cần xác định đối tượng rầy trưởng thành ảnh lúa bị nhiễm rầy với đối tượng rầy khác, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, khơng có đối tượng xác định sai Kết từ hai thực nghiệm hình ảnh lúa có rầy nâu trưởng thành nhiều đối tượng côn trùng khác, mơ hình phát rầy nâu trưởng thành với số lượng xác, giúp nơng dân ước lượng mật độ rầy nâu công lúa có phương pháp phịng trừ thích hợp (a) (b) Hình Xác định đối tượng rầy nâu phân biệt với côn trùng khác E Thảo luận Tại bước thống kê thực nghiệm, toàn tập liệu mẫu gồm 200 đối tượng hình ảnh rầy nâu trưởng thành từ nhiều nguồn khác sử dụng Bảng mô tả cho thấy kết trình thử nghiệm khả xác định đối tượng rầy nâu trưởng thành dạng mẫu hình ảnh XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH DỰA TRÊN ĐẶC TRƯNG SIFT 844 Bảng Bảng thống kê tỷ lệ xác định đối tượng dạng mẫu hình ảnh Tên loại mẫu Số lượng mẫu Khơng có đối tượng rác Có đối tượng rác Ảnh chụp từ thực tế Ảnh thu thập Tổng hợp 110 90 120 80 200 Kết thống kê Tỷ lệ xác định thành công 92.73% 74.89% 95.83% 80.5% 89.7% Tỷ lệ xác định sai sót so với thành cơng 20.27% 16.44% 11.92% 27.62% 19.8% Kết thống kê cho thấy việc xác định số lượng rầy nâu trưởng thành ảnh đạt tỷ lệ thành công 89.7% Đây tỷ lệ xác định tích cực số lượng điểm đặc trưng đối tượng rầy (dưới 100 đặc trưng) Trong tỷ lệ xác định sai chiếm 19.8% số đối tượng rầy nâu phát Đây tỷ lệ sai sót chấp nhận việc xác định sai phần lớn nằm nhóm mẫu ảnh qua xử lý thu thập internet nên chất lượng ảnh thấp Đó ngun nhân dẫn đến tỷ lệ sai sót chủ yếu đến từ nhóm ảnh Đồng thời, thực nghiệm tỷ lệ thành công đạt xảy mức độ sai khác liệu mẫu liệu kiểm tra 20% Bên cạnh đó, kết thống kê cho thấy ảnh không chụp trực tiếp máy chụp ảnh cho tỷ lệ xác định đối tượng thành công thấp nhiều so với ảnh chụp từ thực tế khoảng 30% Do đó, cơng cụ phát triển để xác định số lượng rầy nâu trưởng thành áp dụng hiệu với hình ảnh thu thập từ thực tế Mặt khác, số mẫu có độ sáng thấp, ảnh nhịe,… cho kết xác định điểm rác chiếm tỷ lệ cao Tuy nhiên, số lượng đối tượng ảnh chụp thực tế điển hình chưa nhiều nên mơ hình xác định rầy nâu trưởng thành phát triển nghiên cứu thêm ảnh có số lượng lớn đối tượng cần xác định để đảm bảo phương pháp mang lại hiệu cao V KẾT LUẬN Việc xây dựng mơ hình xác định số lượng rầy nâu trưởng thành hình ảnh lúa dựa đặc trưng cục bất biến SIFT phương pháp với giải thuật xử lý ảnh, rút trích đặc trưng nhận dạng so khớp đặc trưng như: giảm bớt độ màu ảnh, rút trích đặc trưng cục bất biến ảnh rầy nâu công cụ VLFeat, so khớp đặc trưng phát đối tượng rầy nâu trưởng thành, kiểm tra tính tương thích đối tượng rầy nâu phát phương pháp hình học thống kê,… mục tiêu viết Chúng việc xác định đặc điểm sinh học thể hình ảnh để phát đối tượng rầy nâu trưởng thành Đây tiền đề để xây dựng mẫu liệu cho đối tượng tham số hỗ trợ cho việc kiểm tra tỷ lệ thành cơng q trình xác định đối tượng Kế đến, phương pháp rút trích đặc trưng cục bất biến dùng cho đối tượng rầy nâu trưởng thành sử dụng nhằm phục vụ cho giai đoạn rút trích đặc trưng ảnh Sau đó, phương pháp so khớp phát đối tượng dùng thư viện tìm kiếm láng giềng gần gần áp dụng để thực trình so khớp tìm kiếm đối tượng rầy nâu trưởng thành tiềm Tiếp theo, phương pháp kiểm tra tính xác đối tượng phát tiềm xây dựng nhằm xác định đối tượng xác định có tương ứng đối tượng rầy nâu trưởng thành hay khơng? Từ hình thành mơ hình chức làm sở cho việc thiết kế cài đặt hồn chỉnh cơng cụ xác định đối tượng rầy nâu trưởng thành (BHPCount) Thực nghiệm tiến hành liệu mẫu gồm 200 ảnh rầy nâu giai đoạn phát triển khác lúa, rầy nâu lẫn với đối tượng côn trùng khác nhiều đối tượng rầy độ tuổi khác Kết đạt tích cực với tỷ lệ xác định thành công gần 90% nguồn liệu mẫu cung cấp đầy đủ chất lượng hình ảnh thơng thường Đây tỷ lệ cao đối tượng cần xác định côn trùng Thực nghiệm cho thấy, việc hỗ trợ xác định đối tượng hình ảnh chụp thực tế tốt ảnh hiệu chỉnh có tài liệu mạng sách báo Vì vậy, nghiên cứu mang tính ứng dụng thực tế cao thiết thực Ngoài ra, liệu mẫu đặc trưng cho đối tượng rầy nâu trưởng thành ảnh với số lượng tương đối xây dựng q trình xây dựng mơ hình xác định số lượng rầy nâu trưởng thành ảnh Với kết đạt được, mơ hình xác định rầy nâu trưởng thành sở khoa học cho phát triển hệ thống phát côn trùng gây hại lúa thơng qua hình ảnh chụp hệ thống thống kê mật độ rầy thông qua camera cảm biến bẫy đèn Việc xác định đối tượng quan trọng, giúp người nơng dân tránh việc tiêu diệt lồi trùng có ích, tạo lực lượng hỗ trợ tốt cho trình phát triển trồng Trong tương lai, từ khả hỗ trợ xác định đối tượng rầy nâu trưởng thành tốt dựa đặc trưng cục bất biến SIFT, phát triển mở rộng nhiều đối tượng cần xác định khác TÀI LIỆU THAM KHẢO [1] Huynh Nguyen Van and Sen Le Thi, “Giáo trình trùng nơng nghiệp - phần B”, Bộ môn bảo vệ thực vật - Khoa Nông nghiệp, Trường Đại học Cần Thơ, pp.33-39, 2003 [2] Phát Cao Đức, “Chỉ thị số 96/2006/CT-BNN việc phòng trừ rầy nâu, bệnh vàng lùn, lùn xoắn hại lúa tỉnh phía Nam”, Bộ Nơng nghiệp Phát triển Nơng thơn, 2006 Huỳnh Võ Hữu Trí, Võ Huỳnh Trâm, Lâm Bảo Duy, Huỳnh Xuân Hiệp 845 [3] Nguyễn Danh Vàn, “Biện pháp phòng trừ rầy nâu hại lúa”, Báo Nông nghiệp Việt Nam, Bản tin ngày 05/07/2013 [4] Hồ Văn Chiến, Lê Quốc Cường, Đỗ Văn Tấn, Tài liệu chống rầy Trung tâm bảo vệ thực vật phía Nam, Cục Bảo vệ Thực vật, Bộ Nơng nghiệp Phát triển Nông thôn, 2009 [5] D-G Lowe Object Recognition from Local Scale Invariant Features Proceedings of the 7th International Conference on Computer Vision, Kerkyra, Greece, 1999, pp 1150–1157 [6] Faraj Alhwarin, Chao Wang, Danijela Ristic - Durrant, Axel Graser, “Improved SIFT-Features Matching for Object Recognition”, BCS International Academic Conference 2008 – Visions of Computer Science, pp 179- 190, 2008 [7] Dejan Pangercic, Vladimir Haltakov and Michael Beetz, “Fast and Robust Object Detection in Household Environments Using Vocabulary Trees with SIFT Descriptors”, International Conference on Intelligent Robots and Systems (IROS), Workshop on Active Semantic Perception and Object Search in the Real World, 2011 [8] Seiji Aoyagi, Atsushi Kohama, Yuki Inaura, Masato Suzuki, and Tomokazu Takahashi, “Image-Searching for Office Equipment Using Bag-of-Keypoints and AdaBoost”, Journal of Robotics and Mechatronics Vo l.23 No.6, pp 1080-1090, 2011 [9] Benjamin Charles Ross, “An Analysis of SIFT Object Recognition with an Emphasis on Landmark Detection”, Thesis (M Eng.) Massachusetts Institute of Technology, Dept of Electrical Engineering and Computer Science, Includes bibliographical references, pp 109-110, 2004 [10] Beril Sirmacek and Unsalan, C., “Urban Area and Building Detection Using SIFT Keypoints and Graph Theory”, Geoscience and Remote Sensing, IEEE Trasactions on Volume(47), Issue(4), pp 1156-1167, 2009 [11] Takumi Kobayashi, Tadaaki Hosaka, Shu Mimura, Takashi Hayashi, Nobuyuki Otsu, “HLAC Approach to Automatic Object Counting”, Bio-inspired Learning and Intelligent Systems for Security, BLISS '08 , pp 40-45, August 2008 [12] Ratnesh Kumar, Vincent Martin and Sabine Moisan, “Robust Insect Classification Applied to Real Time Greenhouse Infestation Monitoring”, Visual observation and analysis of animal and insect behavior (VAIB) Workshop at the 20 th ICPR, Istanbul, Turkey, August 2010 [13] David G Lowe, “Distinctive Image Features from Scale-Invariant Keypoints”, International Journal of Computer Vision 60(2), Kluwer Academic Publishers, pp.91-110, 2004 [14] A Azeem, M Sharif, J.H Shah, M Raza, “Hexagonal scale invariant feature transform (H-SIFT) for facial feature extraction”, Journal of Applied Research and Technology, Volume 13, Issue 3, June 2015, pp 402–408 [15] Ding Zuchun, “An Effective Key point Selection Algorithm in SIFT”, International Journal of Signal Processing, Image Processing and Pattern Recognition, Vol 6, No 2, April,2013 [16] Andrea Vedaldi, Brian Fulkerson, “VLFeat - An open and portable library of computer visionalgorithms”, Proceedings of the 18th ACM international conference on Multimedia,MM '10, pp 1469-1472, ACM New York, NY, USA ©2010 [17] http://www.microsoft.com [18] http://www.opencv.org/ DETERMINATION OF QUANTITY BPHBASED ON SIFT FEATURE Huynh Vo Huu Tri, Vo Huynh Tram, Lam Bao Duy, Huynh Xuan Hiep ABSTRACT— Currently, the identification of objects on rice pests can be identified by many different methods Besides, having a photograph of an object pest quite easily by a variety of means such as cameras, mobile phones However, the pictures after taking them has only processed to identify with the naked eye As a result, can lead to mistaken identity or incorrect on the subject as well as the number of objects in the image Especially on the image many types of objects are identified Therefore, the method of object recognition in images pests by computer vision are urgent needs which objects on the rice brown planthopper In this research, we have developed a model to quantify recognition BPH on rice growth through images The model proposed is a new approach to identify and recognize objects in images BPH grown rice The approach is feature extraction, matching objects recognition BPH growth, combined with the compatibility check of the identification process The model identified the number of BPH in many different stages of development, such as rice tillering, booting to flowering and grain when the results are extremely positive This result can serve as a basis for calculating the density of brown plant hopper on rice growth, support for business forecasting, pest BPH on rice  ... hình xác định rầy nâu trưởng thành vào phát rầy nâu giai đoạn lúa đẻ nhánh 842 XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH DỰA TRÊN ĐẶC TRƯNG SIFT (a) (b) Hình Xác định đối tượng rầy nâu trưởng thành. .. số lượng rầy nâu trưởng thành ảnh cần xác định đối tượng, kết xác định đối tượng rầy nâu trưởng thành có đối tượng xác, cịn đối tượng xác định sai Cịn tình cho ảnh Hình 4b, số lượng rầy nâu trưởng. .. có số lượng đặc trưng ảnh lớn III MƠ HÌNH XÁC ĐỊNH SỐ LƯỢNG RẦY NÂU TRƯỞNG THÀNH Mơ hình xác định đối tượng rầy nâu trưởng thành (Hình 3) thực dựa tiếp cận rút trích đặc trưng cục bất biến SIFT