APPLICATION OF MACHINE LEARNING IN FRUIT RIPENESS PREDICTION
Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Hồ Phúc Hồng Phước |
| Người hướng dẫn | Phạm Thế Phi |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2025 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
This thesis presents an application of machine learning, specifically deep learning, to predict the ripeness level of fruits using image classification. The study focuses on three common fruits: banana, apple, and orange, classified into three ripeness stages: unripe, ripe/fresh, and rotten. The Fruit Ripeness dataset from Kaggle was utilized, containing approximately 3,600 images divided into nine classes. A convolutional neural network based on ResNet18 with transfer learning was implemented using PyTorch, achieving an overall test accuracy of 95%. The model performed exceptionally well on all classes, with F1- scores averaging 0.96. A practical prediction system was developed, allowing users to upload real-world fruit images for ripeness assessment. The results demonstrate the potential of automated fruit ripeness detection in reducing agricultural waste and supporting harvest decisions. Future improvements include dataset expansion and integration into mobile applications. Keywords: machine learning, deep learning, fruit ripeness prediction, image classification.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- ỨNG DỤNG WEB ĐỂ THEO DÕI VÀ PHÂN TÍCH CHUYỂN ĐỔI SỬ DỤNG ĐẤT BẰNG DỮ LIỆU VỆ TINH VÀ MÁY HỌC PHÂN HỆ: XÂY DỰNG GIAO DIỆN, NGHIÊN CỨU MÔ HÌNH CHUYỂN ĐỔI DỮ LIỆU VÀ LỌC NHIỄU
- XÂY DỰNG WEBSITE MUA BÁN CHIA SẺ ĐỒ CŨ DÀNH CHO SINH VIÊN
- XÂY DỰNG ỨNG DỤNG TRÍCH XUẤT THÔNG TIN TỰ ĐỘNG TRÊN HÓA ĐƠN
- HỆ THỐNG BIÊN SOẠN VÀ QUẢN LÝ CHƯƠNG TRÌNH ĐÀO TẠO THEO TIẾP CẬN OBE PHÂN HỆ 1: QUẢN LÝ DANH MỤC VÀ CHƯƠNG TRÌNH ĐÀO TẠO
- XÂY DỰNG ỨNG DỤNG HỌC ĐA TÁC VỤ VỚI MẠNG HYDRANET
- XÂY DỰNG HỆ THỐNG ĐẶT LỊCH VÀ QUẢN LÝ PHÒNG KHÁM NHA KHOA TRÊN NỀN TẢNG THIẾT BỊ DI ĐỘNG ANDROID
- XÂY DỰNG HỆ THỐNG WEBSITE QUẢN LÝ KIỂM THỬ DỰ ÁN VÀ THU THẬP PHẢN HỒI NGƯỜI DÙNG CÓ TÍCH HỢP AI
- XÂY DỰNG ỨNG DỤNG ĐỊNH GIÁ NHÀ VÀ ĐẤT THEO LÝ THUYẾT VỊ THẾ - CHẤT LƯỢNG BẰNG PHƯƠNG PHÁP HỒI QUY TUYẾN TÍNH
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.