Với mỗi mẫu lá cây thuốc, ta có 10 ảnh với kích thước khác nhau. Các ảnh có kích thước khác nhau phù hợp với thực tế khi hệ thống hoạt động bởi vì người dùng sẽ chụp ảnh lá cây ở khoảng cách khác nhau. Chúng ta chia 10 ảnh thành 2 phần, mỗi phần 5 ảnh. Mỗi phần để xây dựng tập dữ liệu huấn luyện, một phần để xây dựng bộ dữ liệu đánh giá. Để đánh giá phương pháp đã lựa chọn, em tiến hành thực hiện phương pháp theo các bước của giai đoạn huấn luyện và giai đoạn kiểm thử sau:
Hình 3.8. Sơ đồ các khối chức năng của giai đoạn huấn luyện
Hình 3.9. Sơ đồ các khối chức năng của giai đoạn kiểm thử
Ta tiến hành thử nghiệm, đánh giá phương pháp lựa chọn (Gradient - KDES với patch thích nghi [13]) và so sánh với phương pháp KDES gốc [5].
Với mức độ luận văn thạc sĩ của đề tài, chương trình thử nghiệm mới chỉ đƣợc lập trình để đánh giá trên cả tập ảnh dữ liệu và thử nghiệm nhằm so sánh và đánh giá phương pháp được lựa chọn là KDES, chứ chưa có chương trình hay bản Demo thử nghiệm trên từng ảnh để so sánh với bộ cơ sở dữ liệu.
Để xử lý dữ liệu kết quả, trong đề tài luận văn này, em sử dụng Matlab R2016a để xây dựng chương trình kiểm tra và đưa ra kết quả giúp cho việc đánh giá phương pháp đã được đề xuất
Hình 3.10: Một phần mã code chương trình
Trong bộ dữ liệu, Chương trình sẽ lấy hình ảnh trong thư mục HuanLuyen để trích trọn đặc trƣng theo trình tự: Tính toán đặc trƣng mức Pixel, tính toán đặc trƣng mức Patch và tính toán đặc trƣng mức ảnh. với mỗi phép tính toán đều sử dụng cấu trúc Pyramid để tính toán. Ở mức tính toán đặc trƣng mức pixel, mỗi lần tính toán theo cấu trúc pyramid sẽ sử dụng 8 pixel vào trong tính toán tương ứng với dòng lệnh: kdes_params.grid = 8; và sử dụng kích thước Patch là 16: kdes_params.patchsize = 16; và kích thước ảnh đầu vào nhỏ nhất là 80 và lớn nhất là 1600 pixel:data_params.minsize = 80; data_params.maxsize = 1600;
Hình 3.11: quá trình Huấn luyện của chương trình
Hình 3.12: Kết thúc quá trình huấn luyện
Hình 3.13: Tính toán số vòng lặp so sánh: Với bộ cơ sở dữ liệu HuanLuyen gồm 190 ảnh , số vòng lặp được tính toán là 181.
Phân tích kết quả thu đƣợc từ ma trận nhầm lẫn
Hình 3.14: Hình ảnh ma trận nhầm lẫn của phương pháp KDES cải tiến Toàn bộ kết quả được lưu tại: results/Binh1_GradKDES_10.mat
Bảng 3.2: So sánh kết quả giữa KDES gốc và phương pháp lựa chọn (KDES cải tiến).
Phương pháp Precision = Recall Gradient - KDES gốc
Gradient - KDES cải tiến
76.30%
96 %
Bảng 3.2 trình bày so sánh kết quả thử nghiệm giữa phương pháp KDES gốc và phương pháp lựa chọn (KDES cải tiến). Ta thấy phương pháp lựa chọn đạt được độ chính xác 96% trong khi phương pháp KDES gốc chỉ đạt được độ chính xác 76.3%. Phương pháp KDES gốc có độ chính xác thấp hơn là do vectơ đặc trưng bị ảnh hưởng bởi sự thay đổi kích thước ảnh.
Phương pháp KDES cải tiến có véc tơ đặc trưng bất biến với phép thu phóng ảnh (dẫn đến kích thƣợc ảnh lá cây thu đƣợc thay đổi). Đồng thời, hiện nay số lớp lá cây chƣa nhiều (38) và khá phân biệt; Ảnh lá cây đƣợc thu nhận trong điều kiện nền đơn giản. Do đó, phương pháp KDES cải tiến cho độ chính xác cao trên tập dữ liệu hiện tại (96%). Khi số lớp lá cây tăng lên và khi điều kiện thu nhận trong môi trường tự nhiên với phông nền phức tạp, tư thế lá cây đa dạng thì độ chính xác sẽ giảm và cần tiếp tục thử nghiệm, nghiên cứu.
Hình 3.15: Hình ảnh nhầm lẫn ma trận của phương pháp KDES gốc
Hình 3.16: Hình ảnh nhầm lẫn ma trân của phương pháp KDES Cải tiến
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN.
Những kết quảđạt đƣợc
Trong luận văn này, em đã tìm hiểu thực tế, phát hiện nhu cầu, nghiên cứu, lựa chọn phương pháp và thực nghiệm. Cụ thể, em đã thực hiện các nhiệm vụ sau:
- Tìm hiểu thực tế và phát hiện nhu cầu nghiên cứu phát triển một hệ thống tra cứu cây thuốc thuộc khu bảo tồn thiên nhiên Na Hang - Tuyên Quang.
- Nghiên cứu khảo sát tổng quan về bài toán phân lớp, tra cứu thực vật sử dụng thông tin hình ảnh nói riêng. Em cũng đã tìm hiểu một số nghiên cứu trogn lĩnh vự thị giác máy tính có liên quan đến đề tài. Từ đó em đã lựa chọn phương pháp để áp dụng cho bài toán tra cứu ảnh lá cây. Phương pháp được lựa chọn là KDES cải tiến.
- Em đã bước đầu thực hiện được việc thu thập dữ liệu hình ảnh cũng nhƣ thông tin về một số loài cây thuộc khu bảo tồn thiên nhiên Na Hang, tỉnh Tuyên Quang. Do điều kiện hạn chế về tài chính, cơ sở vật chất cũng nhƣ điều
kiện di chuyển, em mới chỉ thu thập đƣợc một số lƣợng có hạn mẫu ảnh lá cây (38 mẫu ảnh trong đó có 23 loài)
- Do điều kiện về thời gian và khuôn khổ của Luận văn thạc sỹ, em mới chỉ bước đầu tiến hành thử nghiệm trên tập dữ liệu nhỏ để bước đầu đánh giá phương pháp lựa chọ. Kết quả thử nghiệm cho kết quả tốt trên tập dữ liệu đã thu thập.
Hướng phát triển tiếp theo
Những công việc trong đề tài mới chỉ là bước đầu của quá trình nghiên cứu phát triển một hệ thống tra cứu lá cây thuộc khu bảo tồn thiên nhiên Na Hang. Trong tương lai, để tiếp tục thực hiện và hoàn thiện hệ thống , chúng ta cần thực hiện nhiều nhiệm vụ nghiên cứu phát triển tiếp theo. Trong đó có một số nhiệm vụ chính cần thực hiện nhƣ sau:
- Tiếp tục thu thập dữ liệu hình ảnh cũng nhƣ thông tin chi tiết hơn về các loài cây thuộc khu bảo tồn thiên nhiên Na Hang với số lƣợng lớn hơn, điều kiện thu thập phù hợp với ứng dụng thực tế cuối cùng.
- Thử nghiệm phương pháp lựa chọn treencow sở dữ liệu lớn hơn để đánh giá và cải tiến nếu cần.Chúng ta cũng cần khảo sát, so sánh với những phương pháp mới trong lĩnh vực thị giác máy tính để cập nhật, lựa chọn phương pháp tốt hơn nếu có thể. Ví dụ như các phương háp sử dụng Deep learning.
- Nghiên cứu phát triển phương pháp phân đoạn vùng ảnh lá cây để tách vùng ảnh lá quan tâm ra khỏi ảnh chụp trong ứng dụng nền thực tế cuối cùng khi người dùng sử dụng điện thoại di động để chụp ảnh trên thực địa.
- Nghiên cứu phát triển các phương pháp tra cứu thông tin thực vật không chỉ dựa vào hình ảnh lá cây nữa mà cho phép người dùng lựa chọn sử dụng các bộ phận khác của cây với câu truy vấn mềm dẻo.
- Tích hợp hệ thống với đầy đủ các chức năng cho phép cập nhật, nâng cấp cơ sở dữ liệu, thông tin một cách thuận lợi.