Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 107,317,114

 Xác định độ chín của trái Dứa hỗ trợ quá trình phân loại, bảo quản trái chín sau thu hoạch
Tác giả hoặc Nhóm tác giả: Trịnh Trung Hải, Bùi Xuân Thiện, Ninh Khánh Duy và Nguyễn Hà Huy Cường
Nơi đăng: Hội thảo khoa học quốc gia Công nghệ thông tin và ứng dụng trong các lĩnh vực - CITA2022; Số: ISSN 1859-3526;Từ->đến trang: 1-9;Năm: 2022
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Trái cây sau khi thu hoạch cần được phân loại, bảo quản đúng cách là khâu quyết định chất lượng và giá trị sản phẩm trước khi phân phối ra thị trường. Do đó cần tăng cường áp dụng giải pháp khoa học kỹ thuật vào các khâu này sẽ góp phần hỗ trợ người nông dân đạt hiệu quả kinh tế cao đối với đầu ra của trái cây Việt nói chung và trái Dứa trồng tại Việt Nam nói riêng. Trong nghiên cứu này, chúng tôi xin trình bày giải pháp xác định độ chín của trái Dứa tại các vựa Dứa sau khi thu hoạch bằng kỹ thuật nhận dạng theo mô hình YOLO-v5, đồng thời đề xuất giải pháp tăng cường dữ liệu (data augumentation). Tăng cường số lượng dữ liệu huấn luyện và tăng số lớp trên mô hình YOLO-v5; với mỗi lớp chứa bộ dữ liệu gồm 10.000 hình ảnh sẽ cải thiện độ chính xác trong nhận dạng và tăng tốc độ huấn luyện khi sử dụng mô hình YOLO-v5. Chúng tôi đã thực hiện thử nghiệm trên bộ dữ liệu gồm 50.000 hình ảnh trái Dứa chín cho kết quả phân loại có độ nhạy chính xác là 94,5%. Từ đó phát triển xây dựng hệ thống tự động xử lý phân loại trái Dứa chín sau thu hoạch
ABSTRACT
The fruits after harvesting need to be classified, stored properly which is the determination in quality and fresh before distributing to the market. Therefore, it is necessary to increase the application of scientific and technical solutions, which will contribute to supporting farmers to achieve high economic efficiency for the first part of Vietnamese fruits in general and pineapple growing in Vietnam in particular. In this study, we would like to present a solution to determine the ripeness of pineapple fruits after harvesting by identification technique according to YOLO-v5 model, and the data augumentation solutions as well. Enhance training data and increase the number of classes on the YOLO-v5 model; with each layer contains data of 10,000 images will improve the recognition accuracy and enhance training speed when using the YOLO-v5 model. We have performed a test on a dataset of 50,000 images of ripe Pineapple, which is given the accuration of 94.5%. Then, developing and building an automatic system for handling and classifying post-harvest pineapples.
[ 2023\2023m012d020_6_5_36CITA2022_Paper_29.5.2022_Sua_Phan_bien.pdf ]
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn