Khoa công nghệ thông tin tổ chức nghiệm thu đề tài KHCN cấp Học viện: “Nghiên cứu thuật toán học sâu mạng noron tích chập và ứng dụng trong nhận dạng hình ảnh ong mật mang phấn.”
Ngày 14/8/2023, Khoa Công nghệ thông tin – Học viện Nông nghiệp Việt Nam tổ chức Họp hội đồng đánh giá, nghiệm thu đề tài nghiên cứu khoa học cấp Học viện năm 2022: “Nghiên cứu thuật toán học sâu mạng noron tích chập và ứng dụng trong nhận dạng hình ảnh ong mật mang phấn” – Mã số T2022-10-39 do ThS. Lê Thị Minh Thùy làm chủ nhiệm đề tài.
Hình 1: Hội đồng đánh giá, nghiệm thu đề tài
Hội đồng nghiệm thu đề tài gồm 5 thành viên, TS. Nguyễn Công Tiệp là chủ tịch Hội đồng. Tại buổi báo cáo, thay mặt nhóm nghiên cứu, ThS. Lê Thị Minh Thùy đã trình bày báo cáo tóm tắt kết quả nghiên cứu của đề tài.
Trong những năm gần đây, lĩnh vực Thị giác máy tính (Computer Vision) đã có những tiến bộ vượt bậc. Nhờ việc ứng dụng các công nghệ IoT (Internet of Things), một số hệ thống giám sát đàn ong tự động đã được triển khai. Các hệ thống này sử dụng các camera giám sát để ghi lại các hoạt động của ong mật ở lối vào tổ ong, sau đó sử dụng các kỹ thuật khác nhau để trích xuất và phân tích thông tin từ các hình ảnh được ghi lại. Tuy nhiên, trong các mô hình học máy, các tính năng quan trọng thường được chọn từ các đầu vào theo cách thủ công và mang tính chủ quan. Điều này có thể ảnh hưởng lớn đến hiệu suất của mô hình khi các yếu tố chính không được xem xét. Để khắc phục nhược điểm này, các nghiên cứu mới nhất đề xuất sử dụng các mô hình dựa trên học sâu, cụ thể hơn là các kiến trúc CNN khác nhau. Mạng nơron tích chập (CNN – Convolutional Neural Network) là một trong những phương pháp học sâu được đề xuất để nhận dạng hình ảnh và đã đem lại kết quả khả quan trong một số ứng dụng cụ thể như: chẩn đoán bệnh ung thư phổi; xác định nhiễm sắc thể trong tế bào ung thư máu; nhận dạng hình ảnh khuôn mặt bị che khuất; phân loại hình ảnh mô bệnh học để phát hiện sớm các bệnh ung thư; …. Trong nhận dạng ong mang phấn hoa từ ảnh/video, CNN đã được sử dụng và đem lại hiệu suất cao; Vì vậy, nghiên cứu này đã xây dựng được modul nhận dạng hình ảnh ong mật mang phấn sử dụng ngôn ngữ lập trình Python; chạy thử nghiệm với bộ dữ liệu ảnh ong đã có sẵn và đánh giá kết quả nghiên cứu.
Kết quả nghiên cứu đã đề xuất một mô hình mạng nơron tích chập mới để phân loại ảnh ong mật mang phấn hoa và không mang phấn hoa. Thay vì sử dụng các mô hình CNN phức tạp và được huấn luyện trước, nhóm nghiên cứu đã thiết kế một kiến trúc CNN cơ bản với một vài lớp, dẫn đến một mô hình nhẹ hơn và cũng hiệu quả hơn. Nhóm cũng đã sửa một số mẫu bị gán nhãn sai từ bộ dữ liệu được sử dụng rộng rãi trong tài liệu. Hiệu suất của mô hình CNN được đề xuất đã được nghiên cứu và so sánh với các mô hình khác dựa trên tập dữ liệu đã chỉnh sửa này. Các kết quả thu được đã chỉ ra rằng phương pháp của nhóm nghiên cứu dẫn đến hiệu suất tốt nhất về cả độ chính xác và thời gian thực hiện. Đặc biệt, nó có thể xác định chính xác 100% tất cả các ảnh ong mật mang phấn hoa và không mang phấn hoa từ bộ dữ liệu trong thời gian ngắn nhất. Kiểm tra độ chính xác của kiến trúc CNN được đề xuất trên các bộ dữ liệu khác để xác minh hiệu suất của nó sẽ là một định hướng tiếp theo để phát triển đề tài trong tương lai.
Trên cơ sở tổng hợp các ý kiến nhận xét của thành viên Hội đồng nghiệm thu, TS. Nguyễn Công Tiệp – Chủ tịch Hội đồng kết luận: Đây là một đề tài khoa học công nghệ được ứng dụng vào thực tiễn cao. Đề tài đã xây dựng được modul nhận dạng hình ảnh ong mật mang phấn sử dụng ngôn ngữ lập trình Python. Đề nghị nhóm thực hiện đề tài tiếp tục mở rộng nghiên cứu trên nhiều đối tượng khác nhau để phục vụ ứng dụng trong nông nghiệp và phát triển thành đề tài khoa học công nghệ ở cấp cao hơn.
Đề tài được Hội đồng nhất trí nghiệm thu và xếp loại Khá./.
Khoa Công nghệ thông tin
