Chương 4 : THI CÔNG HỆ THỐNG
4.2 Chuẩn bị dữ liệu Datashet để làm Model:
Hình ảnh Cỏ - Hoa tự chuẩn bị để hoàn thành bộ dữ liệu cho Model để thực hiện quá trình Train
65
Hình 4. 2 Cỏ - Hoa sử dụng
Hình 4.3 Dữ liệu Hoa Huấn luyện mạng MobileNetV2: Huấn luyện mạng MobileNetV2:
66
Hình 4.4 Sơ đồ khối các bước huấn luyện model Các bước huấn luyện bao gồm: Các bước huấn luyện bao gồm:
• Thu thập dữ liệu (Collect data): Ở bước này ta cần thu thập các hình ảnh cỏ và hoa
và gán nhãn cho chúng.
• Tiền xử lý ảnh (Preprocessing): Thay đổi kích thước ảnh, chuyển dữ liệu ảnh thành
dạng ma trận. Tiếp đến là xử lý dữ liệu ảnh đầu vào thông qua thư viện mobilenet_v2 từ keras và cuối cùng là thực hiện mã hóa nóng trên nhãn.
• Split data (Phân chia dữ liệu): Chia dữ liêu thành tập train và tập test.
• Building Model (Xây dựng Model): Tăng cường dữ liệu ảnh train bằng cách mỗi
ảnh sẽ được tạo ra nhiều hơn với các ảnh đó sau khi được xoay, lật, dịch trái, dịch phải để model đạt được hiệu suất cao hơn trong ứng dụng thực tế.
• Testing Model (Đánh giá Model): Kiểm tra và đánh giá độ chính xác của model.
• Implement Model (Ứng dụng Model): Và cuối là ứng dụng model vừa xây dụng
được vào bài toán nhận diện phân loại cỏ và hoa.
Kết quả train với epoch = 50, batch size = 2, từ biểu đồ có thể thấy với tập dataset có thể set epoch = 30 để tiết kiệm thời gian train.
67
Hình 4.5 Thông số kết quả từ Model
Áp dụng xử lý ảnh để trích xuất vùng nghi vấn là cỏ hoặc hoa trong khung hình, dùng phương pháp candy để tìm biên của cỏ và hoa nên có thể bị ảnh hưởng bởi ánh sáng môi trường:
Hình 4.6 Trích xuất vùng nghi vấn là cỏ hoặc hoa trong khung hình bằng candy Áp dụng model vừa train với hình cỏ, kết quả thu được độ chính xác khá cao trên 99%: Áp dụng model vừa train với hình cỏ, kết quả thu được độ chính xác khá cao trên 99%:
68
Hình 4.7 Áp dụng model vừa train với hình cỏ.
69
Hình 4.9 Áp dụng model vừa train với hình cỏ và hoa.
Hình 4.10 Trích xuất tọa độ tâm của Hoa và Cỏ trong khung hình.