Phân loại bệnh phấn trắng và bệnh sương mai trên cây dưa chuột với mô hình ResNet kết hợp

Bài viết Phân loại bệnh phấn trắng và bệnh sương mai trên cây dưa chuột với mô hình ResNet kết hợp tập trung xây dựng một bộ dữ liệu của hai loại bệnh phổ biển trên cây dưa chuột là bệnh phấn trắng, bệnh sương mai và bình thường của cây dưa chuột trồng trong môi trường tự nhiên có nền nhiễu đa dạng, có nhiều nhiễu ánh sáng từ yếu đến mạnh và triệu chứng bệnh từ ít đến nhiều, từ đó đề xuất một mô hình kết hợp để đạt được một mô hình tốt nhằm ứng dụng cho thực tế trong sản xuất cây trồng này.
Nội dung trích xuất từ tài liệu:
Phân loại bệnh phấn trắng và bệnh sương mai trên cây dưa chuột với mô hình ResNet kết hợp 62 Ngô Quang Ước, Ngô Trí Dương, Bùi Đăng Thảnh PHÂN LOẠI BỆNH PHẤN TRẮNG VÀ BỆNH SƯƠNG MAI TRÊN CÂY DƯA CHUỘT VỚI MÔ HÌNH RESNET KẾT HỢP CLASSIFICATION OF POWDERY MILDEW AND DOWNY MILDEW ON CUCUMBER BY COMBINING RESNET MODEL Ngô Quang Ước1,2, Ngô Trí Dương2, Bùi Đăng Thảnh1* 1 Trường Đại học Bách khoa Hà Nội 2 Học viện Nông nghiệp Việt Nam *Tác giả liên hệ: thanh.buidang@hust.edu.vn (Nhận bài: 08/12/2021; Chấp nhận đăng: 24/3/2022) Tóm tắt - Dịch bệnh trên cây trồng ảnh hưởng lớn đến năng suất Abstract - Diseases on crops will greatly affect the yield and và chất lượng sản phẩm. Việc phát hiện bệnh kịp thời và chính quality of products. Timely and accurate detection of diseases will xác sẽ giúp sử dụng thuốc bảo vệ thực vật một cách khoa học và help to achieve scientific and rational use of pesticides, improve hợp lý, nâng cao năng suất cây trồng và bảo vệ môi trường. Tuy crop yields and protect the environment. However, detecting the nhiên, việc phát hiện bệnh trong môi trường thực tế gặp nhiều khó disease in the real environment is difficult due to background and khăn do nhiễu của nền và ánh sáng. Bài viết này nhóm tác giả đã light noise. In this article, we used the combined ResNet 50 and sử dụng mô hình kết hợp ResNet 50 và ResNet 152 để phân loại ResNet 152 model to classify diseases on cucumber plants with bệnh trên cây dưa chuột với bộ dữ liệu nhiều nhiễu. Kết quả cho complex datasets similar to the real environment. The results show thấy, mô hình đề xuất kết hợp ResNet 50 và ResNet 152 có độ that the proposed model combining ResNet 50 and ResNet 152 has chính xác là 98% cao hơn từ 0,83% đến 6,08% so với các mô hình an accuracy of 98%, which is higher from 0.83% to 6.08% than khác được đề cập trong bài viết. Với kết quả đạt được mô hình sẽ other models mentioned in the article. With the achieved results, được áp dụng cho hệ thống phân loại bệnh trên cây dưa chuột the model will be applied to the disease classification system on trong môi trường thực. cucumber plants in the real environment. Từ khóa - CNN; ResNet; bệnh phấn trắng; bệnh sương mai; bệnh Key words - CNN; ResNet; powdery mildew; downy mildew; trên cây dưa chuột. cucumber diseases. 1. Đặt vấn đề Một điểm nhận thấy là đa số các công trình này có bộ dữ liệu Dưa chuột (Cucumis sativus L.) là một loại rau phổ biến đào tạo, xác thực và kiểm tra đều ít nhiễu, hoặc đã xử lý hết trên thế giới và nó rất dễ canh tác trong môi trường nhà lưới nhiễu. Như trong công trình [13] có độ chính xác cao [1, 2]. Dưa chuột cũng là loại cây có giá trị kinh tế cao và có (98,08%) nhưng nhiễu trong tập dữ liệu lại ít, điều này sẽ nhiều lợi ích cho con người [3]. Sâu bệnh là một trong những khó áp dụng được vào môi trường thực tế khi có nhiều nhiễu nguyên nhân làm giảm năng suất của cây trồng [4, 5]. Để nền và ánh sáng. Trong bài viết này, nhóm tác giả tập trung giảm tác hại của sâu bệnh thì thuốc bảo vệ thực vật được sử xây dựng một bộ dữ liệu của hai loại bệnh phổ biển trên cây dụng dẫn đến sự lo ngại về an toàn thực phẩm [6, 7]. Ở cây dưa chuột là bệnh phấn trắng, bệnh sương mai và bình dưa chuột, bệnh phấn trắng và bệnh sương mai là hai bệnh thường của cây dưa chuột trồng trong môi trường tự nhiên phổ biển trên loại cây này [8-10], phát hiện sớm và chính xác có nền nhiễu đa dạng, có nhiều nhiễu ánh sáng từ yếu đến để cảnh báo nhằm có những giải pháp xử lý sớm sẽ làm giảm mạnh và triệu chứng bệnh từ ít đến nhiều, từ đó đề xuất một lượng thuốc bảo vệ thực vật và tăng năng suất là điều hết sức mô hình kết hợp để đạt được một mô hình tốt nhằm ứng dụng cần thiết. Đã có nhiều tác giả sử dụng các thuật toán khác cho thực tế trong sản xuất cây trồng này. nhau để phân vùng và phân loại các loại bệnh trên cây này 2. Kết quả nghiên cứu và thảo luận với độ chính xác tương đối cao. Trong công trình nghiên cứu [11], các tác giả sử dụng các kỹ thuật xử lý ảnh kết hợp với 2.1. Mô hình ResNet thuật toán Support Vector Machines (SVM) để phân loại Năm 2016, He và cộng sự [19] đã đề xuất một mạng học bệnh trên cây dưa chuột cho độ chính xác đạt 91,48%. Hay sâu, được gọi là ResNet. Ở thuật toán này, lớp đầu tiên được là sự kết hợp hai mô hình DeepLabV3 và U-Net để phân sử dụng là lớp tích chập 7x7, các lớp sau là các khối residual vùng và phân loại bệnh trên cây này của Wang và cộng sự xếp chồng lên nhau của các lớp tích chập 3x3, số lượng bộ lọc cũng đạt được độ chính xác tương ứng là 93,27% và 92,85% được tăng gấp đôi và sử dụng bước nhảy (stride) là 2. Các mô [12]. Đặc biệt, kể đến mô hình của Khan và cộng sự đã kết hình của ResNet không có các lớp kết nối đầy đủ ở cuối. Chúng hợp xử lý ảnh, mô hình VGG và SVM để phân loại bệnh trên có các độ sâu khác nhau là 34, 50, 101 và 152. Đối với cấu trúc c ...