NHẬN DẠNG CÁC LOẠI CUA VÀ TÔM VỚI VISION TRANSFORMER PRE-TRAINED
Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Thanh Dân |
| Người hướng dẫn | Phan Bích Chung |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2024 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Cua và tôm là nguồn thực phẩm chứa nhiều chất dinh dưỡng và cũng là mặt hàng có giá trị kinh tế lớn và có mặt rộng rãi trên thị trường. Đóng vai trò quan trọng trong ngành đánh bắt và nuôi trồng thủy sản ở các vùng ven biển Việt Nam. Tuy nhiên, việc phân loại các loài cua và tôm trong thực tế không dễ dàng do sự đa dạng về loài và thiếu các nguồn thông tin tổng hợp về các loại cua và tôm. Có những loài có hình dáng tương đồng nhưng lại khác nhau về giá trị dinh dưỡng lẫn giá trị kinh tế, từ đó có thể dẫn đến nhầm lẫn trong buôn bán và tiêu dùng. Sự xuất hiện của Vision Transformer, vận dụng kiến trúc Transformer vào lĩnh vực thị giác máy tính đã mở ra hướng đi mới trong việc phân loại hình ảnh. Do đó, việc sử dụng mô hình Vision Transformer với mục đích phân loại hình ảnh với độ chính xác cao và tiết kiệm thời gian, công sức và cung cấp thông tin nhanh chóng về các loài cho người tiêu dùng về các loại tôm và cua. Từ đó, chúng tôi đề xuất việc sử dụng mô hình Vision Transformer trong việc phân loại đáp ứng nhu cầu của người dùng trong việc phân loại cua và tôm. Chúng tôi đã xây dựng tập dữ liệu gồm 5.991 hình ảnh cho việc phân loại 8 loại cua và tôm bao gồm: cua y, cua đá, cua yếm vuông, cua hoàng đế, tôm hùm càng, tôm thẻ chân trắng, tôm hùm gai và tôm sú. Với việc sử dụng mô hình Vision Transformer cùng với các mô hình CNNs cho việc so sánh và đánh giá. Sau khi thực nghiệm, mô hình phân lớp Vision Transformer finetune có độ chính xác là 96%. Để thuận tiện cho việc tiếp cận hệ thống, chúng tôi đã sử dụng thư viện Flask cùng với React native xây dựng hệ thống trên nền tảng di động tích hợp mô hình đã huấn luyện giúp dễ dàng tiếp cận việc thực hiện phân loại hình ảnh.
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 ỨNG DỤNG M-COMMERCE KINH DOANH CÂY GIỐNG
- TÓM TẮT NỘI DUNG VĂN BẢN TIẾNG ANH
- Ứng dụng phương pháp học máy và viễn thám trong ước tính sinh khối trên mặt đất rừng ngập mặn ven biển tỉnh Cà Mau
- XÂY DỰNG WEBSITE QUẢN LÝ CỬA HÀNG BÁN QUÀ TẶNG TRÊN NỀN TẢNG LARAVEL FRAMEWORK
- XÂY DỰNG WEBSITE ĐẶT LỊCH KHÁM BỆNH
- HỆ THỐNG QUẢN LÝ CỬA HÀNG BÁN NƯỚC HOA
- TRÍCH XUẤT ĐẶC TRƯNG TRÊN DỮ LIỆU METAGENOMIC.
- XÂY DỰNG WEBSITE KINH DOANH NHẠC CỤ CÓ TÍCH HỢP NHẬN DẠNG DỰA TRÊN CNN
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.