ỨNG DỤNG TRÍ TUỆ NHÂN TẠO ĐỂ ĐẾM TRÁI TRÊN CÂY VÀ DỰ ĐOÁN SẢN LƯỢNG THU HOẠCH
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 | Phí Ngọc Tài |
| Người hướng dẫn | Nguyễn Thanh Hải |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2024 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Sản lượng trái của cây trồng là một chìa khoá quan trọng trong ngành nông nghiệp hiện đại. Không chỉ mang lại giá trị kinh tế cho nông dân mà còn đáp ứng nhu cầu quan trọng trong việc đáp ứng lương thực toàn cầu. Tuy nhiên, việc dự đoán và lập kế hoạch chăm sóc, thu hoạch chúng đang đối mặt với nhiều thách thức, đặc biệt trong bối cảnh biến đổi khí hậu và áp lực gia tăng từ dân số như hiện nay. Báo cáo này giới thiệu một hệ thống đếm trái cây và dự đoán năng suất tự động và nhanh chóng. Thực nghiệm sử dụng bộ dữ liệu “FruitNeRF”, bao gồm hình ảnh từ sáu loại cây ăn trái: táo, lê, mận, chanh, đào và xoài. Ở thực nghiệm, tôi sử dụng Kaggle như một môi trường và mô hình YOLOv8 của Ultralytics thay cho thuật toán phát hiện vật thể. Để nhằm tăng tính đa dạng cho dữ liệu, tôi cũng áp dụng thêm một số kỹ thuật agumented bằng thư viện Albumentations như lật, xoay và cắt ngẫu nhiên. Để huấn luyện mô hình tương tự nhằm mục đích dự đoán khối lượng của trái, tôi xây dựng thêm một phần mã để tiến hành tính toán và giả định khối lượng trái cây trong bộ dữ liệu làm dữ liệu mẫu để huấn luyện. Sau khi có được dữ liệu mẫu và bộ dữ liệu, tôi tiến hành thiết kế thêm mã để huấn luyện một mô hình có thể dự đoán khối lượng trái cây được phát hiện trong ảnh của riêng mình. Thuật toán được sử dụng là hồi quy regression để dự đoán đầu ra, cụ thể là tổng khối lượng của trái cây dựa trên dữ liệu đầu vào. Sau khi có hai mô hình dự phát hiện trái cây và dự đoán khối lượng, tôi tiến hành xây dựng thêm mã để sử dụng chúng. Song song đó, tôi sử dụng thêm một trang web đơn giản cho phép người dùng upload ảnh cần dự đoán lên và sẽ sử dụng hai mô hình của tôi để cho ra một kết quả cuối cùng. Số lượng trái cây trong hình ảnh được tải lên và tổng khối lượng của chúng sẽ được viết đè lên ảnh gốc và trả về cho người dùng. Dù gặp phải những thách thức về độ chính xác và chất lượng dữ liệu cũng như áp lực giới hạn về tài nguyên huấn luyện nhưng nghiên cứu đạt mAP 85% với mô hình dự đoán khi kết hợp với YOLOv8 để phát hiện vật thể. Thực nghiệm cho thấy khả năng chấp nhận được trong việc nhận diện và đếm cũng như dự đoán sản lượng trên các loại cây ăn trái trong bộ dữ liệu.
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 CÔNG CỤ PHIÊN DỊCH VIDEO
- XÂY DỰNG HỆ THỐNG MẠNG XÃ HỘI DÀNH CHO NÔNG NGHIỆP
- XÂY DỰNG WEBSITE QUẢN LÝ BÁN HÀNG
- WEBSITE KINH DOANH TOUR DU LỊCH TẠI ĐỒNG BẰNG SÔNG CỬU LONG CÓ TÍCH HỢP TÍNH NĂNG CHATBOT TƯ VẤN CHO NGƯỜI DÙNG
- ỨNG DỤNG MÔ HÌNH CNN NHẬN DẠNG THUỐC VIÊN
- HỆ THỐNG CHẤM ĐIỂM RÈN LUYỆN SINH VIÊN
- XÂY DỰNG WEBSITE BÁN PHỤ TÙNG TRANG TRÍ XE MÁY
- HỆ THỐNG TƯỚI NHỎ GIỌT LUỐNG TRONG NHÀ MÀNG
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.