ĐẾM VÀ NHẬN DIỆN CÔN TRÙNG TRÊN ẢNH BẰNG YOLO
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 | Nguyễn Phương Bình |
| Người hướng dẫn | Nguyễn Thanh Hải; Sử Kim Anh |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2025 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Hiện nay, công nghệ số và tự động hóa được ứng dụng rộng rãi trong nền nông nghiệp nhằm để đánh giá các kết quả thực nghiệm trên đồng ruộng. Việc phát hiện sớm sâu bệnh trên các loài cây trồng đóng vai trò quan trọng và then chốt, vì nó ảnh hưởng trực tiếp đến nền kinh tế nông nghiệp và liên quan đến nguồn lương thực thực phẩm của con người. Tuy nhiên, việc phát hiện sâu bệnh sớm vẫn là một thách thức đối với bà con nông dân, do sâu bệnh thường có kích thước khá nhỏ và màu sắc dễ lẫn với lá, hoa màu mà chúng gây hại. Bên cạnh đó, các loài sâu bệnh gây hại này thường ẩn nấp và di chuyển nhanh trong môi trường tự nhiên cho nên việc phát hiện nó thường diễn ra muộn, gây hậu quả nghiêm trọng. Trong nghiên cứu này, đã tiến hành thực nghiệm dữ liệu côn trùng trên mô hình YOLOv11, nhằm để đếm và phát hiện các loài sâu bệnh trong nông nghiệp. Để có cái nhìn tổng quan hơn, trong nghiên cứu này tiến hành đánh giá và so sánh kết quả thực nghiệm với các phương pháp tiền xử lý dữ liệu khác nhau, với các phiên bản của mô hình đề xuất như YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10. Ngoài ra, để đánh giá một cách khác quan và thuyết phục hơn nữa, nghiên cứu này đã tiến hành so sánh kết quả thực nghiệm với các bài báo đã được công bố trước đó trên cùng một tập dữ liệu và cách chia dữ liệu của họ. Để cải thiện được hiệu suất của mô hình, nghiên cứu cũng đã tiến hành thực nghiệm với nhiều bộ tham số khác nhau để tìm ra được bộ tham số phù hợp với dữ liệu của mô hình, bộ tham số bao gồm Epochs, Optimizer, Batch, Imgsz, Lr0, Lrf, Momentum, Weight_decay. Kết quả cho thấy YOLOv11 đạt kết quả cao, cụ thể Precision 87,7%, Recall 69,1%, mAP50 76,3%, mAP50-95 48,8% trên tập dữ liệu huấn luyện. Dựa trên các kết quả thực nghiệm trong nghiên cứu này, có thể thấy được YOLOv11 là một trong những phương pháp vượt trội trong việc phát hiện các đối tượng, đặc biệt là các loài côn trùng, đã mở ra một hương đi mới cho nghiên cứu trong lĩnh vực nông nghiệp này
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
- XÂY DỰNG WEBSITE KINH DOANH TÚI XÁCH TRỰC TUYẾN
- HỆ THỐNG QUẢN LÝ QUÁN ĂN TÍCH HỢP CHỨC NĂNG GỢI Ý CHO THỰC ĐƠN
- XÂY DỰNG TRANG WEB KINH DOANH MÁY TÍNH XÁCH TAY
- HỆ THỐNG QUẢN LÝ PROFILE VIÊN CHỨC KHOA CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
- QUẢN LÝ PHÒNG KHÁM VÀ CHẨN ĐOÁN BỆNH BAN ĐẦU CHO BỆNH NHÂN
- XÂY DỰNG WEBSITE BÁN QUÀ TẶNG CÓ TÍCH HỢP CHATBOT AI VÀ CHO PHÉP NGƯỜI DÙNG THIẾT KẾ SẢN PHẨM
- XÂY DỰNG HỆ THỐNG THƢƠNG MẠI ĐIỆN TỬ BÁN GIÀY TRÊN NỀN TẢNG LARAVEL FRAMEWORK
- XÂY DỰNG WEBSITE KINH DOANH GIÀY THỂ THAO TÍCH HỢP CHATBOT
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.