CHẨN ĐOÁN BỆNH TRÊN LÁ,ĐẾM VÀ PHÂN LOẠI QUẢ CÀ CHUA CHÍN

Abstract

Đề tài này xây dựng một hệ thống máy học ứng dụng trong quản lý và giám sát quá trình sản xuất cà chua, với hai tính năng chính là: (1) dự đoán độ chín và đếm số lượng quả, (2) dự đoán bệnh trên lá cà chua. Hệ thống sử dụng các mô hình học sâu để xử lý hình ảnh thu thập từ vườn cà chua, giúp nông dân tối ưu hóa sản lượng và chất lượng thu hoạch. Dự đoán độ chín và đếm số lượng quả: Hệ thống dựa trên thuật toán YOLOv8 và SAHI để phát hiện và đếm số lượng quả cà chua ở các giai đoạn khác nhau (chín hoàn toàn, chín một nửa, và còn xanh). Dữ liệu hình ảnh sau khi được chia nhỏ bởi SAHI sẽ giúp cải thiện độ chính xác của mô hình trong việc nhận diện quả từ xa hoặc bị che khuất. Thông qua việc phân loại và theo dõi, hệ thống có thể dự đoán sản lượng cũng như thời điểm thu hoạch tối ưu. Dự đoán bệnh trên lá cà chua: Mô hình YOLOv10, kết hợp với kỹ thuật CLAHE (Contrast Limited Adaptive Histogram Equalization), được sử dụng để phát hiện và phân loại 8 loại bệnh phổ biến trên lá cà chua, bao gồm Early Blight, Late Blight, Mosaic Virus, và Septoria Leaf Spot. Việc xử lý ảnh bằng CLAHE giúp tăng cường độ tương phản, làmnổi bật các khu vực bị bệnh, giúp hệ thống dự đoán chính xác hơn. Kết quả nghiên cứu cho thấy mô hình này đạt độ chính xác cao với các chỉ số precision và recall ấn tượng, đặc biệt khi áp dụng CLAHE để cải thiện chất lượng ảnh. Kết quả của hệ thống được hiển thị trên giao diện người dùng, giúp cung cấp thông tin chi tiết về số lượng quả chín, dự báo thu hoạch, cũng như tình trạng sức khỏe của cây trồng, từ đó hỗ trợ người nông dân quản lý tốt hơn quá trình sản xuất.