LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG HỌC SÂU ĐỂ PHÁT HIỆN BỆNH CÂY TRỒNG

Khoá luận tốt nghiệp · Đại học · năm 2023 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảĐồng Quốc Nam
Người hướng dẫnNguyễn Công Danh
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2023
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Bối cảnh: Quá trình sử dụng học sâu để phát hiện bệnh cây trồng là một phương pháp tiên tiến để tự động nhận diện các bệnh lý trên cây chỉ dựa vào hình ảnh. Tuy nhiên, những phương pháp như vậy đối mặt với nhiều thách thức khi triển khai chúng trong môi trường nông nghiệp thực tế. Mục tiêu: Mục tiêu của tôi là nghiên cứu và phát triển một ứng dụng (học sâu) để phát hiện bệnh cây trồng, với khả năng giải quyết những thách thức phổ biến như sự đa dạng môi trường, biến đổi ánh sáng và các góc chụp khác nhau. Phương pháp: Trong nghiên cứu này, chúng tôi nhằm giải quyết những thách thức này trong khi vẫn giữ lại những ưu điểm của phương pháp học sâu, sử dụng một phương pháp máy học phức tạp, đặc biệt là sử dụng Mạng Nơ-ron Tích chập (CNN) trong việc phát hiện bệnh cây trồng. CNN có khả năng tự động học các biểu diễn phân cấp của các đặc trưng từ hình ảnh, làm cho chúng phù hợp cho các nhiệm vụ dựa trên hình ảnh như phân loại bệnh lý cây trồng. Mô hình được tối ưu hóa để xử lý hình ảnh từ nhiều nguồn và điều kiện môi trường đa dạng. Ngoài ra, các kỹ thuật làm giàu dữ liệu được áp dụng để tăng cường khả năng tự đào tạo của mô hình. Kết quả: Kết quả đánh giá chỉ ra rằng mô hình của tôi, dựa trên CNN, không chỉ đạt được độ chính xác cao trong việc phát hiện các dấu hiệu của bệnh lý cây trồng mà còn cho thấy hiệu suất mạnh mẽ trong các điều kiện môi trường khác nhau. Khả năng của mô hình học các mẫu phức tạp trong hình ảnh cây đóng góp vào tính hiệu quả của nó trong việc nhận diện bệnh lý. Kết luận: Dựa trên kết quả, phương pháp học sâu của chúng tôi, sử dụng mô hình CNN, hứa hẹn là một công cụ hiệu quả để phát hiện bệnh cây trồng trong môi trường nông nghiệp thực tế. Việc sử dụng CNN cải thiện khả năng của mô hình trong việc tự động trích xuất các đặc trưng quan trọng từ hình ảnh lá cây, góp phần vào sự tiến bộ trong việc áp dụng học sâu để quản lý sức khỏe của cây trồng.
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

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.