- Nghiên cứu xác
định mô hình học sâu phù hợp nhận dạng hình ảnh giải quyết bài toán nhận biết
thời kỳ trái dứa chín.- Nghiên cứu các
mô hình học sâu: CNN, YOLOv3, YOLOv4, YOLO-tiny; R-CNN, Fast R-CNN, Faster
R-CNN, Mask R-CNN.- Nghiên cứu các
framework: COCO dataset, Keras, Tensorflow,
TFLite.- Qua quá trình
phân tích các ưu và nhược của các mô hình học sâu đề xuất chọn mô hình học sâu
phù hợp nhận dạng hình ảnh giải quyết bài toán nhận biết thời kỳ trái Dứa chín. - - Ngoài ra, chúng tôi tìm hiểu các công đoạn xử lý nhận dạng hình ảnh Webcam, Camera
thực.- Nghiên cứu các
giống dứa phổ biến khu vực Quảng Nam - Đà Nẵng và các đặc điểm sinh hóa của
trái dứa thời kỳ chín.* Nghiên cứu áp
dụng các giải pháp kỹ thuật, độ chính xác của mô hình nhận dạng phụ thuộc vào
đề xuất giải pháp phù hợp với đặc điểm của đề tài. Do đó, áp dụng các kỹ thuật
mạng nơ-ron tích chập như YOLO; Faster R-CNN đưa vào cài đặt, thực nghiệm so
sánh đánh giá. Trong đó, các mô hình có độ phức tạp tăng dần theo thứ tự như
sau:- Mô hình 1: Áp
dụng bộ lọc Gauss 3 chiều để giữ lại điểm ảnh có màu lân cận với màu của thời
kỳ trái chín để nhận dạng. Thực hiện phép đếm các đối tượng còn lại trên ảnh- Mô hình 2: Lọc
tách các điểm ảnh có màu đặc trưng của trái dứa dựa trên mạng nơ-ron (Neural
networks) truyền thẳng. Thực hiện phép đếm các đối tượng còn lại trên ảnh.
- Mô hình 3: Áp dụng phương pháp phân loại đối
tượng bằng Support Vector Machine (SVM) để lọc màu. Thực hiện phép đếm các đối
tượng còn lại trên ảnh.
Sản phẩm khoa học: Công bố 02
bài báo đăng trên tạp chí thuộc danh mục SCIE, 02 bài báo đăng trên tạp chí
thuộc danh mục Scopus, 01 bài đăng trên
tạp chí KH&CN Đại học Đà Nẵng và 01 bài đăng kỷ yếu hội thảo quốc tế (thuộc
danh mục Springer), 01 bài đăng kỷ yếu hội thảo quốc gia @ chủ đề Trí tuệ nhân
tạo trong chuyển đổi số cụ thể:
+ Bài báo SCIE (Q2): Cuong,
Nguyen Ha Huy et al. ‘Improved YOLO Object Detection Algorithm to Detect Ripe
Pineapple Phase’. 1 Jan. 2022 : 1365 – 1381.
+ Bài báo SCIE (Q2): Nguyen
Ha Huy Cuong, Trinh Trung Hai and Vijender Kumar Solanki, “Faster R-CNN and
YOLO-v5 complex to detect ripe pineapples in the database collected in Vietnam”,
(được chấp nhận đăng trong số đặc biệt của tạp chí Journal of Intelligent and
Fuzzy Systems).
+ Bài báo Scopus (Q2): H. H.
C. Nguyen, B. T. Khiet, and T. T. Nguyen, “An effective method for
clustering-based web service recommendation,” International Journal of
Electrical & Computer Engineering, vol. 12, no. 2, pp. 1571–8708, 2022.
+ Bài báo Scopus (Q2): N. H.
H. Cuong, T. H. Trinh, D.-H. Nguyen, T. K. Bui, T. A. Kiet, P. H. Ho, et al.,
"An approach based on deep learning that recommends fertilizers and
pesticides for agriculture recommendation", Int. J. Electr.
Comput. Eng., vol. 12, no. 5, pp. 5580-5588, Oct. 2022.
+ Bài báo đăng tạp chí
KH&CN ĐHĐN: Trịnh Trung Hải, Nguyễn Hà Huy Cường, Ninh Khánh Duy, 2022, Mô
hình Fast R-CNN cải tiến cho giải pháp nhận dạng, phát hiện trái dứa thời kỳ
chín, vol. 20, no. 7, 2022.
+ Bài báo kỷ yếu Hội nghị
quốc tế (thuộc danh mục Springer): Nguyen, H.H.C., Luong, A.T., Trinh, T.H.,
Ho, P.H., Meesad, P., Nguyen, T.T. (2021). Intelligent Fruit Recognition System
Using Deep Learning. In: Meesad, P., Sodsee, D.S., Jitsakul, W., Tangwannawit,
S. (eds) Recent Advances in Information and Communication Technology 2021.
IC2IT 2021. Lecture Notes in Networks and Systems, vol 251. Springer, Cham. https://doi.org/10.1007/978-3-030-79757-7_2
+ Bài báo kỷ yếu Hội thảo
quốc gia @ lần thứ XXIV Một số vấn đề chọn lọc công nghệ thông tin và truyền
thông, Chủ đề: Trí tuệ nhân tạo trong chuyển đổi số: Nguyễn Hà Huy Cường, Đoàn
Văn Thắng, Trịnh Trung Hải, Bùi Văn Chuyên, Nguyễn Ngọc Dung. “Hệ thống nhận dạng trái cây thông minh tiếp
cận phương pháp Deep Learning”, trang 160 – 165, năm 2021.
- Sản phẩm đào tạo:
+ Hỗ trợ đào tạo 01 nghiên
cứu sinh công bố các bài báo liên quan đến hướng nghiên cứu của đề tài.
+ Đào tạo 01 thạc sĩ bảo vệ
thành công đề tài.
- Sản phẩm ứng dụng:
+ 01 Bộ CSDL hình ảnh các
loại thời kỳ chín của quả dứa 50.000
+ 01 Hồ sơ kết kế hệ thống
nhận dạng thời kỳ Dứa chín sử dụng mô hình học sâu.
+ 01 Báo cáo thử nghiệm Hệ
thống thời kỳ trái dứa chín. Hệ thống có thể tiếp tục huấn luyện mở rộng để nhận biết dứa chín. Triển
khải thử nghiệm tại các vùng canh tác dứa tại huyện Đại Lộc – tỉnh Quảng Nam;
huyện Hoà Vang – thành phố Đà Nẵng.
6. Phương thức chuyển giao,
địa chỉ ứng dụng và lợi ích mang lại của kết quả nghiên cứu:
Kết
quả nghiên cứu của đề tài sẽ chuyển giao cho Trung tâm Phát triển Phần mềm,
ĐHĐN để ứng dụng xây dựng giải pháp ứng dụng phát hiện trái dứa chín tại Việt
Nam. Ngoài ra, các kết quả là nguồn tài liệu nghiên cứu cho sinh viên, học viên
sau đại học các ngành Công nghệ Thông tin, Khoa học máy tính, Trí tuệ nhân tạo
và Khoa học Dữ liệu
