TRONG NHẬN DẠNG VÀ PHÂN LOẠI NÔNG SẢN (MACHINE LEARNING
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 | Tạ Minh Trí |
| Người hướng dẫn | Trần Minh Tân |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2024 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Ngày nay, với sự phát triển vượt bậc của công nghệ thông tin, các ứng dụng tin học đã dần trở thành một phần không thể thiếu trong mọi lĩnh vực của cuộc sống, từ nghiên cứu khoa học, y tế, giáo dục cho đến công nghiệp và nông nghiệp. Các công nghệ này không chỉ hỗ trợ trong việc quản lý, lưu trữ và xử lý thông tin mà còn mở ra những hướng phát triển đột phá, mang lại hiệu quả cao và cải thiện đáng kể chất lượng công việc. Máy học, một nhánh quan trọng của trí tuệ nhân tạo, đã và đang đóng vai trò chủ chốt trong việc hiện đại hóa lĩnh vực nông nghiệp. Với khả năng tự động hóa quy trình xử lý thông tin và tối ưu hóa hiệu suất qua việc học từ dữ liệu, máy học đã mang lại nhiều giá trị vượt trội trong việc nhận dạng và phân loại nông sản. Điều này đặc biệt quan trọng trong bối cảnh ngành nông nghiệp đang đối mặt với nhiều thách thức như đảm bảo chất lượng sản phẩm, cải thiện năng suất, và đáp ứng nhu cầu ngày càng cao của thị trường. Máy học trong nhận dạng và phân loại nông sản có thể được sử dụng để xác định thông tin của loại nông sản thông qua hình ảnh. Trong đề tài luận văn này trình bày các mô hình phân loại hình ảnh bằng cách sử dụng Mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs), Mạng EfficientNetV2, Mạng ResNet-50 và Mạng VGG16. Các mô hình đã được đào tạo để phân loại 100 loại nông sản khác nhau (táo, cam, dưa hấu, lúa nước, nho,…). Fruit-262 và Plants Classification là hai bộ dữ liệu được sử dụng để huấn luyện mô hình và đánh giá, chứng tỏ rằng các phương pháp đề xuất tạo ra độ chính xác là 68%, 80%, 80%, 66% khi sử dụng CNN, EfficientNetV2, ResNet-50, VGG16 tương ứng với 100 loại nông sản.
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 PHÁT HIỆN MỘT SỐ CÔN TRÙNG GÂY HẠI TRÊN CÂY ĂN QUẢ Ở ĐỒNG BẰNG SÔNG CỬU LONG VỚI YOLOV8
- XÂY DỰNG HỆ THỐNG HỖ TRỢ PHÊ DUYỆT
- PRESERVING DATA PRIVACY AND PREVENTING MALICIOUS ATTACKS FOR FEDERATED LEARNING USING BLOCKCHAIN
- XÂY DỰNG HỆ THỐNG PHÁT NHẠC TRỰC TUYẾN
- XÂY DỰNG HỆ THỐNG ĐỀ XUẤT TUYẾN BUS TRÊN OPENSTREETMAP Phân hệ xây dựng app đề xuất tuyến bus trên nền tảng di động
- HỆ THỐNG QUẢN LÝ SỰ KIỆN VÀ BÁN VÉ DỰA TRÊN KIẾN TRÚC MICROSERVICE TÍCH HỢP CHATBOT HỖ TRỢ NGƯỜI DÙNG
- NGHIÊN CỨU XÂY DỰNG TRỢ LÝ CÁ NHÂN ẢO
- XÂY DỰNG HỆ THỐNG XÁC ĐỊNH NGƯỜI LẠ TRONG VIDEO GIÁM SÁT
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.