Ngày nhận bài: 06-01-2023
Ngày duyệt đăng: 27-01-2023
DOI:
Lượt xem
Download
Cách trích dẫn:
ỨNG DỤNG THỊ GIÁC MÁY TÍNH TỰ ĐỘNG ĐÁNH GIÁ CHẤT LƯỢNG CỦ KHOAI TÂY GIỐNG
,
Nguyễn Thị Duyên
1
,
Ngô Trí Dương
1
,
Nguyễn Văn Điều
1
Từ khóa
Củ khoai tây giống, mầm khoai, bệnh vảy bạc, bệnh ghẻ củ, YOLO-v4
Tóm tắt
Nghiên cứu này nhằm mục tiêu thiết kế mô hình đánh giá tự động chất lượng củ khoai tây giống ứng dụng thị giác máy tính. Trong nghiên cứu, một số yếu tố được lựa chọn để đánh giá chất lượng củ khoai tây giống trước khi đem gieo trồng bao gồm: số lượng mầm, bệnh ghẻ củ và bệnh vảy bạc. Bằng việc sử dụng camera Pi 2/3 để chụp ảnh đối tượng và gửi tới máy tính nhúng Raspberry Pi 4B để xử lý ảnh nhận được với thuật toán YOLO-v4, bước đầu mô hình đã đưa ra được kết luận về chất lượng củ thông qua xác định số mầm và nhận diện hai loại bệnh trên củ (bệnh ghẻ củ, bệnh vảy bạc) với thời gian xử lý trung bình là 0,147 giây. Tỷ lệ nhận diện chính xác bệnh trên mẫu củ nhiễm bệnh là 93,33% với bệnh ghẻ củ, 94,74% với bệnh vảy bạc, tỷ lệ đếm đúng số mầm trên củ là 95,56% số mẫu thử nghiệm. Mô hình đánh giá này có thể ứng dụng cho hệ thống tự động phân loại củ giống trước khi đem gieo trồng.
Tài liệu tham khảo
Dai G., Hu L., Fan J., Yan S. & Li R. (2022). A deep learning - based object detection scheme by improving YOLOv5 for sprouted potatoes datasets. IEEE Access. 10: 85416-85428.
Dor O.,Yael E.& Guy S.(2017). Detecting tomato flowers in greenhouses using computer vision. International science index, computer and information engineering.11(1): 104-109.
Du Y., Hu Y., San L. &Tian J. (2019). Research on potato appearance quality detection based on computer vision.5thInternational Conference on Control, Automation and Robotics (ICCAR), Beijing, China.pp. 286-289.
Gittaly Dhingra, Vinay Kumar& Hem Dutt Joshi (2019). A novel computer vision based neutrosophic approach for leaf disease identification and classification. Measurement. 135: 782-794.
Jing Jin, Jinwei Li, Guiping Liao, Xiaojuan Yu&Leo Christopher C. Viray (2009).Methodology for potatoes defects detection with computer vision. International symposiumon information processing (ISIP’09) Huangshan.P.R. China, August 21-23. pp. 346-351.
JingX., ZhiliangH., LinyueT.&Juntao X.(2018). Research of potato qualitydetection technology based on computer vision.Comput. Eng. Appl. 54(5):165-169.
KurichetiG. &SupriyaP. (2019). Computer vision based turmeric leaf disease detection and classification: A step to smart agriculture. 3rd International Conference on Trends in Electronics and Informatics (ICOEI).pp. 545-549.
Noor Fatima, Raza Imam, Mohd Belal, Preeti Verma & Ghufran Ullah (2022). A computer vision - based quality analysis of potatoes. Sustainability and Resilience Conference: Design Innovation (SRC). pp. 109-113.
Nguyễn Minh Triết, Trương Quốc Bảo & Trương Quốc Định (2017). Tự động nhận dạng một số loại sâu bệnh trên lá bưởi sử dụng công nghệ ảnh. Tạp chí Khoa học Trường Đại học Cần Thơ,Số chuyên đề: Công nghệ thông tin, tr. 88-95.
Nguyễn Thị Thuỷ, Vũ Hải, Nguyễn Thị Huyền & Phạm Thị Lan Anh (2015).Tự động hóa phát hiện búp chè dựa trên thị giác máy tính. Tạp chí Khoa học và Phát triển.13(6):968-975.
Phan Thị Thu Hồng, Đoàn Thị Thu Hà & Nguyễn Thị Thủy (2013). Ứng dụng phân lớp ảnh chụp lá cây bằng phương pháp máy vecto hỗ trợ. Tạp chí Khoa học và Phát triển.11(7):1045-1052.
Peng Wan, Arash Toudeshki, Hequn Tan & Reza Ehsani (2018). A methodology for fresh tomatomaturity detection using computer vision. Computers and Electronics in Agriculture.146:43-50.
Siddhant Kumar, Gourav Chowdhary, Venkanna Udutalapally, Debanjan Das& Saraju Mohanty P. (2019). gCrop: Internet-of-Leaf-Things (IoLT) for monitoring of the growth ofcrops in smart agriculture. IEEE International Symposium on Smart Electronic Systems(iSES) (Formerly iNiS).