TRONG NHẬN DẠNG VÀ PHÂN LOẠI NÔNG SẢN (MACHINE LEARNING

Abstract

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.