Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp kỹ sư ngành Mạng máy tính và Truyền thông dữ liệu của tác giả Nguyễn Văn Hiếu và Lê Bùi Quang Hợp (Trường Đại học Công nghệ Thông tin, Đại học Quốc gia TP. Hồ Chí Minh, năm 2023), dưới sự hướng dẫn của ThS. Thái Huy Tân và ThS. Trần Thị Dung, tập trung giải quyết bài toán chẩn đoán sớm bệnh thực vật thông qua xử lý ảnh trên các thiết bị di động có cấu hình hạn chế.

Về bối cảnh thực tiễn, nhóm nghiên cứu dẫn chứng số liệu thống kê toàn cầu giai đoạn 2000–2020 cho thấy tổng giá trị gia tăng của ngành nông nghiệp, lâm nghiệp và thủy sản đã tăng 78% (đạt 3,6 nghìn tỷ USD vào năm 2020), trong đó châu Á chiếm 64%. Cùng thời kỳ, diện tích đất trang bị tưới tiêu toàn cầu tăng 20% (đạt 349 triệu ha, với 70% thuộc châu Á). Tuy nhiên, dịch bệnh trên cây trồng (như bệnh khô vằn, đạo ôn, cháy lá do vi khuẩn trên lúa; bệnh than đen, đốm lá xám, cháy lá trên ngô) gây thiệt hại lớn về sản lượng và chất lượng nông sản. Việc phát hiện các triệu chứng bệnh bằng mắt thường gặp nhiều khó khăn và thiếu tính kịp thời.

Về mặt kỹ thuật, các mô hình học sâu truyền thống như mạng nơ-ron tích chập (CNN) đã đạt được nhiều kết quả nhưng còn hạn chế trong việc mô hình hóa các mối quan hệ ngữ cảnh toàn cục. Ngược lại, kiến trúc Vision Transformer (ViT) được Google giới thiệu năm 2020 cho thấy khả năng trích xuất đặc trưng toàn diện nhờ cơ chế tự chú ý (self-attention), vượt trội hơn CNN ở nhiều tác vụ thị giác máy tính. Dù vậy, ViT nguyên bản đòi hỏi tài nguyên tính toán lớn, bộ nhớ cao và khó huấn luyện trên tập dữ liệu nhỏ hoặc triển khai trên phần cứng hạn chế. Do đó, yêu cầu đặt ra là nghiên cứu các kiến trúc Transformer dạng nhẹ (Lightweight-ViT) và lượng tử hóa để có thể vận hành trực tiếp trên thiết bị di động của nông dân.

Mục tiêu nghiên cứu của đề tài gồm:

  1. Xây dựng cơ chế phát hiện bệnh trên lá cây sử dụng các mô hình học sâu dựa trên kiến trúc Transformer.
  2. Đánh giá khả năng hoạt động và hiệu năng của các mô hình này trên các thiết bị có phần cứng hạn chế (Raspberry Pi, Jetson Nano, điện thoại di động Android), hỗ trợ nhận dạng trong điều kiện kết nối internet hạn chế.
  3. Xây dựng một ứng dụng di động cho phép người dùng chụp ảnh lá cây, tải lên hệ thống để nhận diện bệnh và cung cấp thông tin chi tiết về tên bệnh, triệu chứng cùng giải pháp điều trị.

Để hoàn thành mục tiêu, khóa luận xác định 3 nội dung nghiên cứu chính:

  • Nội dung 1: Thu thập và tổ chức dữ liệu: Thu thập hơn 30 tập dữ liệu hình ảnh bệnh lá cây với tổng dung lượng ước tính hơn 100 GB từ các nguồn mở (Google Scholar, Kaggle, Mendeley Data, Repositório Digipathos); phân loại, gán nhãn dữ liệu theo cấu trúc tệp train.csv (gồm 2 cột image_id và label), tệp JSON thông tin nhãn và thư mục train_images; lưu trữ trên máy chủ LongVan SSD Cloud và quản lý API xử lý dữ liệu bằng NodeJS/ExpressJS.
  • Nội dung 2: Xây dựng cơ chế phát hiện bệnh trên lá cây dựa trên kiến trúc Transformer: Khảo sát lý thuyết ViT cho bài toán phân loại ảnh (Image Classification) và 5 biến thể nhẹ: LeViT, CrossViT, MobileViT, SimpleViT, DeepViT; thực hiện huấn luyện mô hình bằng Google Colab; đánh giá mô hình qua các chỉ số độ chính xác (accuracy), độ mất mát (loss) và tốc độ khung hình (FPS).
  • Nội dung 3: Triển khai, đánh giá các mô hình đã huấn luyện trên các thiết bị hạn chế phần cứng: Lượng tử hóa mô hình (quantization); hiện thực và triển khai hệ thống trên Raspberry Pi 4 Model B, Jetson Nano và các dòng điện thoại thông minh Android; đánh giá quá trình suy luận (inference) qua thời gian phản hồi trung bình, FPS, độ chính xác nhận diện; đo kiểm mức độ sử dụng tài nguyên (RAM, CPU), nhiệt độ và tính ổn định khi vận hành lâu dài.

Đối tượng nghiên cứu là các loại bệnh trên lá cây (tập trung vào 4 nhóm trạng thái của cây ngô: đốm lá xám, gỉ sắt, cháy lá và khỏe mạnh) cùng các kiến trúc Lightweight Vision Transformer. Phạm vi thử nghiệm phần cứng tập trung vào môi trường huấn luyện đám mây và các thiết bị di động thông minh chạy hệ điều hành Android.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng nền tảng lý thuyết thông qua việc tổng hợp hệ thống các công trình nghiên cứu tiền nhiệm trong lĩnh vực chẩn đoán bệnh cây trồng bằng thị giác máy tính:

  • Các mô hình học máy cơ bản: Nghiên cứu các phương pháp Naive Bayes (MNB), K-Nearest Neighbor (KNN), Decision Tree (DT), Support Vector Machine (SVM), Random Forest (RF) kết hợp với các kỹ thuật trích xuất đặc trưng hình ảnh như HOG, SFTA, LTP, PCA, Otsu, Bag of Features.
  • Các mô hình mạng nơ-ron nhân tạo (ANN): Khảo sát các kiến trúc kết hợp trích xuất đặc trưng tích chập và phân loại bằng ANN (như Inception-v3, CNN-ANN).
  • Các mô hình mạng nơ-ron tích chập (CNN): Khảo sát các mạng LeNet, GoogLeNet, VGGNet-19, ResNet-50, DenseNet, MobileNetV2, EfficientNet, EANet, Y-Net, DFCANet, SKPSNet-50 kết hợp tối ưu hóa phần cứng nhúng (Intel Movidius Neural Compute Stick, Nvidia Jetson TX1).

Về kiến trúc mô hình học sâu, đề tài tập trung nghiên cứu 5 mô hình Vision Transformer:

  1. LeViT: Kết hợp các tầng tích chập giảm độ phân giải (tương tự 2 giai đoạn đầu của ResNet) với cơ chế Attention, sử dụng kích thước embedding nhỏ hơn, ít attention heads hơn và giảm hệ số mở rộng MLP từ 4 xuống 2 để cân bằng giữa độ chính xác và tốc độ tính toán trên ảnh đầu vào kích thước $224 \times 224$.
  2. SimpleViT: Biến thể tinh gọn từ ViT-S/16, áp dụng kích thước batch nhỏ, global average-pooling, nhúng vị trí sin-cos 2D cố định cùng kỹ thuật tăng cường dữ liệu RandAugment và Mixup.
  3. DeepViT: Giới thiệu cơ chế Re-attention thay thế self-attention tiêu chuẩn, cho phép tăng độ sâu mô hình lên đến 32 khối transformer mà không bị bão hòa hiệu suất hoặc tăng chi phí tính toán.
  4. CrossViT: Kiến trúc hai nhánh đa tỉ lệ (Nhánh L với patch lớn và Nhánh S với patch nhỏ) kết hợp cơ chế Cross-Attention để học các đặc trưng không gian ở nhiều độ phân giải khác nhau.
  5. MobileViT: Tích hợp Transformer như các khối tích chập (Transformer as Convolutions) nhằm nắm bắt thông tin toàn cục với số lượng tham số rất thấp, kết hợp chính quy hóa L2.

Phương pháp nghiên cứu thực nghiệm được tiến hành theo quy trình:

  • Tiền xử lý và phân chia dữ liệu: Đưa ảnh về kích thước chuẩn $224 \times 224$; áp dụng phương pháp kiểm chứng chéo $k$-fold cross-validation với $k = 5$ trên tập dữ liệu, trong đó tỷ lệ chia giữa tập huấn luyện (training) và tập xác thực (validation) là $4:1$.
  • Độ đo đánh giá hiệu năng: Sử dụng điểm F1-score (trung bình điều hòa giữa Precision và Recall) làm chỉ số đánh giá chính cho bài toán phân loại đa nhãn: $$\text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}}, \quad \text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}, \quad \text{F1} = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$$
  • Kỹ thuật lượng tử hóa và đo kiểm phần cứng: Sử dụng PyTorch để huấn luyện và lượng tử hóa mô hình; sử dụng bộ công cụ Android Profiler (trong Android Studio) để đo tốc độ khung hình (FPS), dung lượng RAM, tỷ lệ sử dụng CPU; sử dụng phần mềm CPU-Z để ghi nhận nhiệt độ phần cứng khi suy luận trên thiết bị di động.

Nguồn dữ liệu thực nghiệm chính của khóa luận là bộ dữ liệu hình ảnh bệnh lá ngô thu thập từ Kaggle với tổng số 9.145 ảnh phân bố trên 4 nhãn phân loại.

Thiết kế và triển khai

Hệ thống phát hiện bệnh trên lá cây được thiết kế theo mô hình phân tán kết hợp giữa điện toán đám mây và thiết bị cận biên, vận hành theo quy trình 6 bước:

  1. Xây dựng và lưu trữ dữ liệu: Dữ liệu hình ảnh sau khi thu thập và tiền xử lý được lưu trữ tập trung trên máy chủ LongVan SSD Cloud.
  2. Huấn luyện mô hình: Google Colab thực hiện gọi API để lấy dữ liệu từ LongVan SSD Cloud, tiến hành huấn luyện các mô hình Vision Transformer theo phương pháp 5-fold cross-validation.
  3. Tối ưu hóa mô hình: Thực hiện lượng tử hóa (quantization) và tối ưu hóa trọng số mô hình đã huấn luyện để phù hợp với tài nguyên vi xử lý của thiết bị di động.
  4. Lưu trữ mô hình và dịch vụ Backend: Tải các tệp mô hình đã tối ưu lên máy chủ VPS Vultr. Hệ thống Backend được xây dựng bằng NodeJS và framework ExpressJS trên nền tảng JavaScript, chịu trách nhiệm xử lý các yêu cầu API, lưu trữ và đồng bộ thông tin cây trồng, người dùng vào cơ sở dữ liệu phi quan hệ MongoDB (MongoDB Atlas).
  5. Đồng bộ về thiết bị di động: Thiết bị di động gửi yêu cầu qua API đến VPS Vultr và MongoDB để tải mô hình học sâu và thông tin dữ liệu về ứng dụng.
  6. Suy luận cục bộ và hiển thị: Ứng dụng di động sử dụng camera chụp ảnh lá cây, đưa qua mô hình Lightweight-ViT chạy suy luận trực tiếp trên thiết bị (on-device inference), hiển thị kết quả chẩn đoán cho người dùng và gửi thông tin kết quả về lưu trữ trên MongoDB qua API.

Về mặt công nghệ và công cụ thực hiện:

  • Môi trường huấn luyện AI: PyTorch 1.x, Python 3.x trên Google Colaboratory (cấu hình Intel Xeon CPU @ 2.20GHz, RAM 12 GB, GPU hỗ trợ GDDR5 VRAM).
  • Nền tảng máy chủ & cơ sở dữ liệu: VPS Vultr, LongVan SSD Cloud, NodeJS, ExpressJS, MongoDB.
  • Thiết bị di động thử nghiệm:
    • Samsung Galaxy A31: Hệ điều hành Android 12, CPU MediaTek MT6768 (Helio P65), GPU Mali-G52 MC2, RAM 6 GB.
    • POCO X3 Pro: Hệ điều hành Android 13, CPU Qualcomm Snapdragon 860, GPU Adreno 640, RAM 6 GB.
    • Xiaomi K30 Pro: Hệ điều hành Android 13, CPU Qualcomm Snapdragon 865, GPU Adreno 650, RAM 8 GB.

Hệ thống phần mềm di động được triển khai hoàn chỉnh với 13 giao diện chức năng: Màn hình SplashScreen, Màn hình chào mừng, Màn hình đăng nhập, Màn hình đăng ký, Màn hình chính, Màn hình tìm kiếm cây trồng và các loại bệnh, Màn hình lựa chọn mô hình quét bệnh, Màn hình trang cá nhân, Màn hình nhận dạng bệnh trên cây và hiển thị thông tin, Màn hình vườn cây của tôi, Màn hình thêm vườn cây mới, Màn hình hiển thị tất cả cây trong vườn, Màn hình thêm cây mới và cập nhật tình trạng cây.

Nội dung chính theo từng chương

Chương 1: Mở đầu

Chương 1 thiết lập tính cấp thiết của đề tài dựa trên vai trò của nông nghiệp toàn cầu và thách thức do dịch bệnh thực vật gây ra. Tác giả trình bày các triệu chứng bệnh điển hình trên cây lúa và cây ngô; phân tích sự phát triển từ học máy truyền thống, mạng nơ-ron tích chập (CNN) đến mô hình Vision Transformer (ViT). Chương này xác định rõ mục tiêu, đối tượng nghiên cứu, phương pháp luận nghiên cứu chia theo 3 nội dung chính và cấu trúc 5 chương của khóa luận.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp bức tranh tổng quan về các công trình liên quan đến nhận dạng bệnh cây trồng, phân loại thành 3 nhóm hướng tiếp cận: các mô hình học máy cơ bản (MNB, KNN, RF, SVM...), các mô hình mạng nơ-ron nhân tạo (ANN) và các kiến trúc mạng nơ-ron tích chập (CNN cùng các biến thể mở rộng). Bên cạnh đó, chương phân tích chi tiết các công nghệ nền tảng được sử dụng trong hệ thống gồm: môi trường thực thi NodeJS (xử lý I/O bất đồng bộ, mở rộng đa chiều), hệ quản trị cơ sở dữ liệu NoSQL MongoDB (mô hình dữ liệu tài liệu JSON/BSON, MongoDB Atlas) và thư viện học sâu PyTorch.

Chương 3: Phân tích và thiết kế hệ thống

Chương 3 mô tả kiến trúc tổng quan của hệ thống phát hiện bệnh trên thiết bị di động và cơ chế tương tác dữ liệu 6 bước giữa thiết bị cận biên, Google Colab, LongVan SSD Cloud, VPS Vultr và MongoDB. Trọng tâm của chương là phân tích chi tiết cấu trúc toán học và sơ đồ khối của 5 kiến trúc Transformer dạng nhẹ:

  • LeViT: Kiến trúc LeViT-256 (18,12M tham số), sử dụng 4 tầng tích chập $3 \times 3$ giảm phân giải và hệ số mở rộng MLP bằng 2.
  • SimpleViT: Kiến trúc SimpleViT-256 (22M tham số, 4,2G FLOPs), áp dụng cơ chế nhúng vị trí sin-cos 2D cố định.
  • DeepViT: Cơ chế Re-attention giúp duy trì tính đa dạng của ma trận attention khi tăng chiều sâu mạng.
  • CrossViT: Bộ mã hóa hai nhánh đa tỉ lệ kết hợp token CLS và patch token của ảnh kích thước $224 \times 224$.
  • MobileViT: Kiến trúc MobileViT-XS (2,7M tham số), kết hợp đặc trưng cục bộ của tích chập và biểu diễn toàn cục của transformer.

Chương 4: Kết quả thực hiện

Chương 4 trình bày chi tiết về tập dữ liệu 9.145 ảnh ngô, thiết lập môi trường thử nghiệm trên Google Colab và 3 thiết bị di động thực tế. Tác giả công bố các đường cong huấn luyện/xác thực về độ chính xác (accuracy) và độ mất mát (loss) qua 200 epochs. Kết quả cho thấy LeViT đạt hiệu năng cao nhất với độ chính xác 98% và loss ổn định ở mức 0,15–0,2. Ngoài ra, chương minh họa chi tiết 13 màn hình giao diện của ứng dụng Android từ khâu đăng nhập, chọn mô hình, quét ảnh nhận dạng đến quản lý danh mục vườn cây.

Chương 5: Tổng kết

Chương 5 đúc kết lại các đóng góp của khóa luận trong việc xây dựng cơ chế phát hiện bệnh cây trồng bằng Lightweight Vision Transformer trên thiết bị di động. Tác giả đánh giá khách quan các ưu điểm về độ chính xác và khả năng chạy độc lập trên phần cứng hạn chế, đồng thời chỉ rõ các nhược điểm còn tồn tại và đề xuất hướng phát triển mở rộng hệ thống trong tương lai.

Kết quả và đóng góp

1. Kết quả thực nghiệm

Khóa luận đã tiến hành phân chia tập dữ liệu 9.145 ảnh lá ngô theo phương pháp 5-fold cross-validation với tỷ lệ huấn luyện/xác thực $4:1$:

Nhãn Tên bệnh Tập ảnh huấn luyện Tập ảnh xác thực Tổng số ảnh
0 Bệnh đốm lá xám 1.908 476 2.384
1 Bệnh gỉ sắt 1.641 411 2.052
2 Bệnh cháy lá 1.908 477 2.385
3 Khỏe mạnh 1.859 465 2.324
Tổng cộng 7.316 1.829 9.145

Về hiệu năng của các mô hình học sâu qua 200 epochs huấn luyện trên Google Colab:

  • LeViT: Đạt độ chính xác cao nhất lên tới 98% (độ chính xác xác thực tăng từ 77% lên 98%), giá trị mất mát (loss) duy trì ổn định và thấp nhất trong khoảng 0,15 – 0,20.
  • SimpleViT: Đạt độ chính xác xấp xỉ 95%.
  • DeepViT, CrossViT và MobileViT: Cùng đạt mức độ chính xác khoảng 90%, giá trị mất mát dao động trong khoảng 0,20 – 0,30.
Mô hình Kích thước cấu hình Số tham số (Params) FLOPs Độ chính xác đạt được Mức độ mất mát (Loss)
LeViT LeViT-256 18,12 M — ~98% 0,15 – 0,20
SimpleViT SimpleViT-256 22,00 M 4,2 G ~95% 0,20 – 0,30
MobileViT MobileViT-XS 2,70 M — ~90% 0,20 – 0,30
CrossViT — — — ~90% 0,20 – 0,30
DeepViT — — — ~90% 0,20 – 0,30

2. Giải pháp và kiến nghị

Nhóm tác giả đề xuất giải pháp tích hợp mô hình LeViT đã qua lượng tử hóa vào ứng dụng di động Android độc lập. Giải pháp này cho phép chẩn đoán bệnh cục bộ không phụ thuộc hoàn toàn vào đường truyền internet, đồng thời kết nối linh hoạt với cơ sở dữ liệu đám mây (MongoDB Atlas qua REST API) để quản lý lịch sử cây trồng và cung cấp các biện pháp điều trị nông nghiệp kịp thời cho người nông dân.

3. Đóng góp khoa học và kỹ thuật

  • Khảo sát và chứng minh tính khả thi của việc ứng dụng các biến thể Vision Transformer dạng nhẹ (Lightweight-ViT) thay thế cho các mạng CNN truyền thống trong bài toán phân loại bệnh thực vật.
  • Hiện thực hóa quy trình tối ưu hóa và lượng tử hóa mô hình Transformer để triển khai thành công trên các dòng điện thoại di động có cấu hình phổ thông (Samsung Galaxy A31, POCO X3 Pro, Xiaomi K30 Pro).
  • Xây dựng hoàn chỉnh hệ thống ứng dụng di động tích hợp quản lý vườn cây và nhận diện bệnh thời gian thực.

Hạn chế và hướng nghiên cứu tiếp

Về mặt hạn chế, văn bản khóa luận chỉ ra:

  • Mô hình Vision Transformer nhìn chung vẫn đòi hỏi tài nguyên tính toán và bộ nhớ phân bố cao hơn so với mạng tích chập cổ điển, gây khó khăn nhất định khi huấn luyện nếu không có phần cứng chuyên dụng.
  • Hoạt động bên trong của các khối Transformer có tính chất "hộp đen", khó diễn giải trực quan hơn so với CNN.
  • Hiệu suất của ViT có nguy cơ suy giảm nếu kích thước tập dữ liệu huấn luyện quá nhỏ.
  • Phạm vi đánh giá thực nghiệm chính của đề tài mới tập trung sâu trên tập dữ liệu 4 nhãn của cây ngô (9.145 ảnh), chưa bao phủ toàn bộ các loại cây trồng nông nghiệp khác.

Về hướng phát triển tiếp theo, nhóm tác giả định hướng:

  • Mở rộng tập dữ liệu thu thập sang nhiều giống cây trồng và bệnh học phức tạp hơn trong điều kiện tự nhiên ngoài đồng ruộng.
  • Tiếp tục tối ưu hóa kiến trúc mạng và thuật toán lượng tử hóa để giảm thiểu hơn nữa mức tiêu thụ RAM, tải CPU và nhiệt độ thiết bị di động.
  • Nâng cao tính ổn định của hệ thống khi chạy suy luận liên tục trong thời gian dài trên các thiết bị cận biên (Edge devices).

Giá trị tham khảo

Khóa luận là tài liệu tham khảo chuyên môn phù hợp cho:

  • Sinh viên và học viên chuyên ngành Mạng máy tính, Công nghệ thông tin, Khoa học dữ liệu và Trí tuệ nhân tạo: Cung cấp tài liệu tổng quan chi tiết về hơn 30 công trình nghiên cứu thị giác máy tính trong nông nghiệp (từ Machine Learning truyền thống, ANN, CNN đến Vision Transformer).
  • Kỹ sư phát triển Edge AI và ứng dụng di động: Tham khảo kiến trúc hệ thống phân tán kết hợp Cloud (NodeJS, MongoDB, VPS Vultr, LongVan SSD Cloud) và Client di động, cùng phương pháp lượng tử hóa mô hình PyTorch để nhúng vào ứng dụng Android.
  • Nhà nghiên cứu nông nghiệp số: Cung cấp số liệu so sánh thực nghiệm cụ thể giữa 5 kiến trúc Transformer nhẹ (LeViT, SimpleViT, MobileViT, CrossViT, DeepViT) trên tập dữ liệu bệnh học thực vật.

Câu hỏi thường gặp

1. Tập dữ liệu thực nghiệm chính trong khóa luận có quy mô và cấu trúc phân loại như thế nào?
Khóa luận sử dụng tập dữ liệu gồm 9.145 hình ảnh lá ngô thu thập từ Kaggle, được đưa về kích thước chuẩn $224 \times 224$. Dữ liệu chia thành 4 nhãn: Bệnh đốm lá xám (2.384 ảnh), Bệnh gỉ sắt (2.052 ảnh), Bệnh cháy lá (2.385 ảnh) và Lá khỏe mạnh (2.324 ảnh). Thử nghiệm áp dụng phương pháp 5-fold cross-validation với 7.316 ảnh huấn luyện và 1.829 ảnh xác thực.

2. Trong 5 kiến trúc Transformer được thử nghiệm, mô hình nào đạt hiệu năng phân loại cao nhất?
Mô hình LeViT (cụ thể là LeViT-256 với 18,12 triệu tham số) đạt hiệu năng tốt nhất, với độ chính xác xác thực đạt mức 98% (tăng từ 77% lên 98% qua 200 epochs) và hàm mất mát (loss) duy trì ổn định và thấp nhất ở mức 0,15 – 0,20.

3. Cơ chế Re-attention trong mô hình DeepViT được thiết kế nhằm mục đích gì?
Cơ chế Re-attention được giới thiệu nhằm giải quyết hiện tượng bão hòa hiệu suất khi tăng độ sâu của mô hình Vision Transformer (xếp chồng nhiều khối transformer), cho phép huấn luyện thành công các mô hình ViT sâu tới 32 khối mà không làm tăng thêm chi phí tính toán hoặc dung lượng bộ nhớ.

4. Hệ thống backend và lưu trữ dữ liệu của đề tài được triển khai bằng những công nghệ nào?
Hệ thống sử dụng máy chủ LongVan SSD Cloud để lưu trữ tập dữ liệu thô; máy chủ VPS Vultr để lưu trữ tệp mô hình và API; nền tảng MongoDB Atlas (NoSQL) để lưu trữ thông tin người dùng và cây trồng; tầng API trung gian được xây dựng bằng NodeJS và framework ExpressJS trên ngôn ngữ JavaScript.

5. Ứng dụng di động được thử nghiệm đo kiểm trên những dòng thiết bị phần cứng cụ thể nào?
Ứng dụng được đo kiểm trực tiếp trên 3 dòng điện thoại Android: Samsung Galaxy A31 (chip Helio P65, GPU Mali-G52, 6GB RAM), POCO X3 Pro (chip Snapdragon 860, GPU Adreno 640, 6GB RAM) và Xiaomi K30 Pro (chip Snapdragon 865, GPU Adreno 650, 8GB RAM), cùng các thiết bị nhúng như Raspberry Pi 4 Model B và Jetson Nano.

Kết luận

Khóa luận tốt nghiệp của Nguyễn Văn Hiếu và Lê Bùi Quang Hợp đã nghiên cứu và ứng dụng thành công các mô hình học sâu dựa trên kiến trúc Lightweight Vision Transformer (tiêu biểu là LeViT với độ chính xác 98%) vào bài toán nhận dạng bệnh trên lá cây. Nhóm tác giả đã hoàn thiện quy trình từ thu thập, tổ chức dữ liệu đám mây, huấn luyện tối ưu mô hình trên Google Colab đến lượng tử hóa và triển khai ứng dụng độc lập trên hệ điều hành Android. Kết quả nghiên cứu chứng minh tính khả thi của việc đưa các kiến trúc Transformer hiện đại lên thiết bị di động có cấu hình hạn chế, phục vụ công tác quản lý dịch bệnh cây trồng trong nông nghiệp số.