PHÂN LOẠI CHẤT LƯỢNG TRÁI CÂY QUA HÌNH ẢNH SỬ DỤNG MÁY HỌC

Abstract

Việc phát hiện trái cây tươi và thối trở nên có ý nghĩa quan trọng trong ngành nông nghiệp. Thông thường, việc phân loại trái cây tươi và thối do con người thực hiện không mang lại hiệu quả cao cho người trồng trái cây. Con người sẽ cảm thấy mệt mỏi sau khi làm cùng một công việc nhiều lần, nhưng máy móc thì không. Vì vậy, đề tài này đề xuất một cách tiếp cận nhằm giảm bớt nỗ lực của con người, giảm thiểu chi phí và thời gian sản xuất bằng cách xác định các khuyết tật của quả trong nông nghiệp ngành công nghiệp. Nếu con người không phát hiện ra những khuyết tật đó thì những trái cây bị khuyết tật đó có thể làm lây lan hàng loạt trái cây. Từ đây, đề tài này đề xuất một số mô hình để tránh tình trạng thối rữa lây lan. Mô hình đề xuất phân loại trái cây tươi và trái cây thối từ hình ảnh trái cây đầu vào. Trong công việc này, đề tài có sử dụng ba loại trái cây như táo, chuối và cam. Mạng nơ-ron tích chập (CNN) được sử dụng để trích xuất các tính năng từ hình ảnh trái cây đầu vào và Softmax là dùng để phân loại hình ảnh thành trái cây tươi và trái cây thối. Hiệu suất của đề xuất các mô hình được đánh giá trên tập dữ liệu được tải xuống từ Kaggle, tạo ra độ chính xác các mô hình CNN, mô hình ResNet50 và mô hình MobileNet V3 lần lượt là 89.83%, 99.71%, 98.74%. Kết quả cho thấy các mô hình đề xuất có thể phân loại hiệu quả các trái cây tươi và trái cây thối. Trong công việc đề xuất, đề tài đã kiểm tra việc học chuyển giao phương pháp phân loại quả tươi và quả thối. Hiệu suất của đề xuất Mô hình ResNet50 vượt trội hơn mô hình CNN cơ bản và mô hình MobileNet V3. MobileNet V3 và ResNet50 đều phù hợp cho các tác vụ phân loại hình ảnh có độ chính xác cao, trong đó MobileNet V3 tiết kiệm tài nguyên hơn.