Phát Hiện Loại Trái Cây Bằng Mô Hình YOLOv8

Chuyên khảo phân tích Phát hiện loại trái cây cam táo lê đào, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Nguyễn Tuấn Hùng
• Người hướng dẫn: TS. Hứa Thị Hằng Thắm
• Trường học: Trường Đại Học Quản Lý và Công Nghệ Hải Phòng
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Phát Hiện Loại Trái Cây
• Loại tài liệu: đề tài tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Hải Phòng

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIẢI THIẾU TỔNG QUAN
• 1.1. Phát hiện đối tượng
• 1.2. Cách phát hiện đối tượng
• 1.2.1. Kỹ thuật xử lý ảnh truyền thống
• 1.2.2. Mạng học sâu hiện đại
• 1.3. Các phương pháp phát hiện phổ biến hiện nay
• 1.3.1. Phương pháp mô tả đặc trưng (HOG)
• 1.3.2. Mạng nơ-ron tích chập theo vùng (R-CNN)
• 1.3.2.1. Faster R-CNN
• 1.3.2.2. Mạng đề xuất vùng (RPN)
• 1.3.3. YOLO
• 2. CHƯƠNG 2: MÔ HÌNH HỆ THỐNG PHÂN LOẠI TRÁI CÂY
• 2.1. Giới thiệu một số loại trái cây
• 2.2. Sự hoạt động của mô hình hệ thống phát hiện trái cây
• 2.2.1. Quá trình huấn luyện
• 2.2.2. Chuẩn bị ảnh
• 2.2.3. Quá trình đánh nhãn cho các đối tượng
• 2.2.4. Phát hiện loại trái cây bằng YOLO
• 3. CHƯƠNG 3: CÀI ĐẶT, THỬ NGHIỆM VÀ ĐÁNH GIÁ
• 3.1. Môi trường thử nghiệm
• 3.2. Ngôn ngữ lập trình Python
• 3.3. Môi trường phát triển tích hợp Pycharm
• 3.4. Các đặc trưng
• 3.4.1. Công cụ trực tuyến Google Collab
• 3.4.2. Những đặc trưng chính trong Google Colab
• 3.5. Tạo bộ dữ liệu học để huấn luyện
• 3.6. Đào tạo mô hình phát hiện loại trái cây
• 3.7. Giá trị các biểu đồ
• 3.8. Giao diện ứng dụng phát hiện loại trái cây
• 3.9. Kết quả thử nghiệm trên mô hình đã huấn luyện
• 3.10. Đánh giá mô hình sau khi thử nghiệm
• 3.11. Kết quả huấn luyện
• 3.11.1. Thời gian huấn luyện
• 3.11.2. Ưu điểm của mô hình
• 3.11.3. Nhược điểm của mô hình
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Phát Hiện Loại Trái Cây Bằng Mô Hình YOLOv8

Phát hiện loại trái cây là một trong những ứng dụng quan trọng của công nghệ AI trong nông nghiệp. Mô hình YOLOv8 (You Only Look Once version 8) đã trở thành một công cụ mạnh mẽ trong việc nhận diện và phân loại trái cây. Với khả năng xử lý hình ảnh nhanh chóng và chính xác, YOLOv8 giúp nâng cao hiệu quả trong việc phân loại trái cây, từ đó cải thiện chất lượng sản phẩm và tăng giá trị kinh tế cho nông dân.

1.1. Khái niệm về Phát Hiện Đối Tượng trong Thị Giác Máy Tính

Phát hiện đối tượng là một lĩnh vực quan trọng trong thị giác máy tính, liên quan đến việc xác định và phân loại các đối tượng trong hình ảnh. Mô hình YOLOv8 sử dụng mạng nơ-ron tích chập để thực hiện nhiệm vụ này một cách hiệu quả.

1.2. Lợi ích của Việc Phát Hiện Loại Trái Cây

Việc phát hiện loại trái cây giúp giảm thiểu thời gian và công sức trong quá trình phân loại. Nó cũng đảm bảo chất lượng sản phẩm, giúp người tiêu dùng an tâm hơn về nguồn gốc và chất lượng trái cây.

II. Thách Thức Trong Phát Hiện Loại Trái Cây Bằng YOLOv8

Mặc dù mô hình YOLOv8 mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức trong việc phát hiện loại trái cây. Các yếu tố như điều kiện ánh sáng, độ phân giải hình ảnh và sự che khuất của trái cây có thể ảnh hưởng đến độ chính xác của mô hình. Ngoài ra, việc thu thập và gán nhãn dữ liệu cũng là một thách thức lớn.

2.1. Ảnh Hưởng của Điều Kiện Ánh Sáng

Điều kiện ánh sáng không đồng nhất có thể làm giảm độ chính xác của mô hình YOLOv8. Việc phát hiện trái cây trong môi trường ánh sáng yếu hoặc quá sáng có thể dẫn đến sai sót trong nhận diện.

2.2. Vấn Đề Che Khuất và Độ Phân Giải

Sự che khuất giữa các trái cây hoặc giữa trái cây với các đối tượng khác có thể gây khó khăn cho mô hình trong việc nhận diện chính xác. Độ phân giải hình ảnh thấp cũng có thể làm giảm khả năng phát hiện.

III. Phương Pháp Cài Đặt Mô Hình YOLOv8 Để Phát Hiện Trái Cây

Cài đặt mô hình YOLOv8 để phát hiện trái cây bao gồm nhiều bước quan trọng. Đầu tiên, cần thu thập dữ liệu hình ảnh trái cây và gán nhãn cho chúng. Sau đó, mô hình sẽ được huấn luyện trên tập dữ liệu này để cải thiện độ chính xác trong việc nhận diện.

3.1. Thu Thập và Gán Nhãn Dữ Liệu Hình Ảnh

Quá trình thu thập dữ liệu hình ảnh trái cây là rất quan trọng. Các hình ảnh cần được gán nhãn chính xác để mô hình có thể học hỏi và nhận diện đúng loại trái cây.

3.2. Huấn Luyện Mô Hình YOLOv8

Sau khi thu thập dữ liệu, mô hình YOLOv8 sẽ được huấn luyện. Quá trình này bao gồm việc điều chỉnh các tham số để tối ưu hóa độ chính xác của mô hình trong việc phát hiện trái cây.

IV. Ứng Dụng Thực Tiễn Của Mô Hình YOLOv8 Trong Nông Nghiệp

Mô hình YOLOv8 đã được áp dụng rộng rãi trong nông nghiệp để phát hiện và phân loại trái cây. Các ứng dụng này không chỉ giúp nâng cao hiệu quả sản xuất mà còn cải thiện chất lượng sản phẩm. Nhiều nông trại đã áp dụng công nghệ này để tự động hóa quy trình phân loại trái cây.

4.1. Tự Động Hóa Quy Trình Phân Loại

Việc áp dụng YOLOv8 giúp tự động hóa quy trình phân loại trái cây, giảm thiểu thời gian và công sức của công nhân. Điều này giúp tăng năng suất và giảm chi phí sản xuất.

4.2. Cải Thiện Chất Lượng Sản Phẩm

Mô hình YOLOv8 giúp phát hiện nhanh chóng các trái cây không đạt tiêu chuẩn, từ đó nâng cao chất lượng sản phẩm và đảm bảo sự hài lòng của người tiêu dùng.

V. Kết Luận và Tương Lai Của Phát Hiện Loại Trái Cây Bằng YOLOv8

Phát hiện loại trái cây bằng mô hình YOLOv8 không chỉ là một bước tiến trong công nghệ mà còn mở ra nhiều cơ hội cho ngành nông nghiệp. Tương lai của công nghệ này hứa hẹn sẽ mang lại nhiều cải tiến hơn nữa trong việc nâng cao chất lượng và hiệu quả sản xuất.

5.1. Tiềm Năng Phát Triển Công Nghệ

Công nghệ phát hiện trái cây bằng YOLOv8 có tiềm năng phát triển mạnh mẽ trong tương lai. Các nghiên cứu và cải tiến liên tục sẽ giúp nâng cao độ chính xác và khả năng ứng dụng của mô hình.

5.2. Hướng Đi Mới Trong Nông Nghiệp Thông Minh

Việc áp dụng công nghệ AI trong nông nghiệp sẽ mở ra hướng đi mới cho ngành này. Các mô hình như YOLOv8 sẽ trở thành công cụ không thể thiếu trong việc nâng cao hiệu quả sản xuất và chất lượng sản phẩm.

Trích đoạn nội dung tài liệu

Bà GIÁO DĀC VÀ ĐÀO T¾O TR¯äNG Đ¾I HàC QUÀN LÝ VÀ CÔNG NGHâ HÀI PHÒNG ------------------------------- Đà ÁN TÞT NGHIâP NGÀNH : CÔNG NGHâ THÔNG TIN Sinh viên: NGUYàN TUÂN HÙNG GiÁng viên h°ãng d¿n: TS. Hà THk H¯¡NG TH¡M HÀI PHÒNG - 2024 Bà GIÁO DĀC VÀ ĐÀO T¾O TR¯äNG Đ¾I HàC QUÀN LÝ VÀ CÔNG NGHâ HÀI PHÒNG ------------------------------- ĐË TÀI : PHÁT HIâN LO¾I TRÁI CÂY (CAM, TÁO, LÊ, ĐÀO, .) Đà ÁN TÞT NGHIâP Đ¾I HàC Hâ CHÍNH QUY NGÀNH : CÔNG NGHâ THÔNG TIN Sinh viên: NGUYàN TUÂN HÙNG GiÁng viên h°ãng d¿n: TS. Hà THk H¯¡NG TH¡M HÀI PHÒNG, THÁNG 5 - 2024 Bà GIÁO DĀC VÀ ĐÀO T¾O TR¯äNG Đ¾I HàC QUÀN LÝ VÀ CÔNG NGHâ HÀI PHÒNG ---------------------------------------------- NHIâM VĀ ĐË TÀI TÞT NGHIâP Sinh viên : Nguyễn TuÃn Hùng - MSV : 1912111009 Lãp : CT2301M Ngành : Công Nghệ Thông Tin Tên đß tài : Phát hiện lo¿i trái cây NHIâM VĀ ĐË TÀI ❖ Nái dung và các yêu cầu cần giÁi quy¿t trong nhiãm vā đß tài tßt nghiãp a) Mô tÁ tóm tÃt đß tài Tìm hiểu về mô hình phát hiện đối t°ÿng bằng YOLOv8 cho bài toán phát hiện lo¿i trái cây, thiết kế xây dựng ch°¡ng trình phát hiện lo¿i trái cây. b) Nái dung h°ãng d¿n - Tìm hiểu về bài toán phát hiện đối t°ÿng nói chung và phát hiện phát hiện đối t°ÿng bằng YOLOv8.

- Phân tích, thu thập dữ liệu hình Ánh trái cây để huÃn luyện phát hiện đối t°ÿng. - Cài đặt mô hình phát hiện đối t°ÿng bằng YOLOv8 - Thử nghiệm mô hình trên hình Ánh và video để phát hiện trái cáy. - Nhận xét đánh giá, kết luận và đ°a ra khuyến nghị khi āng dāng. c) K¿t quÁ cần đ¿t đ°ÿc - Đã xây dựng đ°ÿc mô hình phát hiện đối t°ÿng trái cây bằng YOLOv8.

- Xây dựng đ°ÿc āng dāng phát hiện lo¿i trái cây trên hình Ánh và video. - Viết báo cáo đß án tốt nghiệp. ❖ Các tài liãu, sß liãu cần thi¿t - Tài liệu tham khÁo lập trình ngôn ngữ Python. - Tài liệu về ph°¡ng pháp nhận diện đối t°ÿng bằng YOLO.

❖ Đßa đißm thực tÁp tßt nghiãp - Công Ty TNHH Đào T¿o và Tích Hÿp Công Nghệ e-Teck 2 CÁC CÁN Bà H¯âNG D¾N ĐË TÀI TÞT NGHIâP Há và tên : Hß Thị H°¡ng Th¡m Hác hàm, hác vß : Tiến sĩ C¢ quan công tác : Tr°ßng Đ¿i Học Hàng HÁi Việt Nam Nái dung h°ãng d¿n : - Tìm hiểu về bài toán phát hiện đối t°ÿng nói chung và phát hiện phát hiện đối t°ÿng bằng YOLOv8. - Phân tích, thu thập dữ liệu hình Ánh trái cây để huÃn luyện phát hiện đối t°ÿng. - Cài đặt mô hình phát hiện đối t°ÿng bằng YOLOv8 - Thử nghiệm mô hình trên hình Ánh và video để phát hiện trái cáy. - Nhận xét đánh giá, kết luận và đ°a ra khuyến nghị khi āng dāng.

K¿t quÁ cần đ¿t đ°ÿc: - Đã xây dựng đ°ÿc mô hình phát hiện đối t°ÿng trái cây bằng YOLOv8. - Xây dựng đ°ÿc āng dāng phát hiện lo¿i trái cây trên hình Ánh và video. - Viết báo cáo đß án tốt nghiệp. Đề tài tốt nghiệp đ°ÿc giao ngày &.

tháng 05 năm 2024 Yêu cầu phÁi hoàn thành xong tr°ớc ngày. Tháng 05 năm 2024 Đã nhận nhiệm vā ĐTTN Đã giao nhiệm vā ĐTTN Sinh viên Gi¿ng viên hướng dẫn Nguyễn TuÃn Hùng TS. Hß Thị H°¡ng Th¡m H¿i Phòng, ngày 25 tháng 05 năm 2024 TR¯æNG KHOA 3 Cáng Hòa Xã Hái Chă Nghĩa Viãt Nam Đác lÁp - Tự do - H¿nh phúc PHI¾U NHÀN XÉT CĂA GIÀNG VIÊN H¯âNG D¾N TÞT NGHIâP Há và tên giÁng viên: Hß Thị H°¡ng Th¡m Đ¢n vß công tác : Tr°ßng Đ¿i Học Hàng HÁi Há và tên sinh viên : Nguyễn TuÃn Hùng Chuyên ngành : Công Nghệ Thông Tin 1. Tinh thần thái đá căa sinh viên trong quá trình làm đß tài tßt nghiãp.

Đánh giá chÃt l°ÿng căa đá án/khóa luÁn (so vãi nái dung yêu cầu đã đß ra trong nhiãm vā Đ.N, trên các m¿t lý luÁn, thực tián, tính toán sß liãu. Ý ki¿n căa giÁng viên h°ãng d¿n tßt nghiãp Đ°ÿc bÁo vệ Không đ°ÿc bÁo vệ Điểm h°ớng dẫn H¿i Phòng, ngày.năm 2024 GiÁng viên h°ãng d¿n ( ký và ghi rõ họ tên) 4 Cáng hòa xã hái chă nghĩa Viãt Nam Đác lÁp - Tự do - H¿nh phúc PHI¾U NHÀN XÉT CĂA GIÀNG VIÊN CHÂM PHÀN BIâN Há và tên giÁng viên: Phùng Anh TuÃn Đ¢n vß công tác: Tr°ßng QuÁn Lý Và Công Nghệ HÁi Phòng Há và tên sinh viên: Nguyễn TuÃn Hùng - Chuyên ngành: Công Nghệ Thông Tin Đß tài tßt nghiãp: Phát Hiện Lo¿i Trái Cây 1. Phần nhÁn xét căa giÁng viên chÃm phÁn biãn. Ý ki¿n căa giÁng viên chÃm phÁn biãn Đ°ÿc bÁo vệ Không đ°ÿc bÁo vệ Điểm phÁn biện H¿i Phòng, ngày.năm 2024 GiÁng viên chÃm phÁn biãn (ký và ghi rõ họ tên) 5 Låi cÁm ¢n Đß án tốt nghiệp đ°ÿc hoàn thành t¿i Tr°ßng Đ¿i Học QuÁn Lý và Công Nghệ HÁi Phòng.

Trong thßi gian học tập và làm đề tài đß án < Phân hiện lo¿i trái cây (cam, táo, lê, đào, .)= em đã nhận đ°ÿc rÃt nhiều sự h°ớng dẫn chỉ bÁo để hoàn thiện đề tài. Điều đầu tiên, em xin gửi lßi cÁm ¡n trân thành đến có TS. Hß Thị H°¡ng Th¡m. Cô đã h°ớng dẫn, chỉ bÁo, truyền đ¿t kiến thāc tâm huyết để em có thể hoàn thành đề tài đß án này.

Tiếp đến em xin chân thành cÁm ¡n đến Tr°ßng Đ¿i Học QuÁn Lý và Công Nghệ HÁi Phòng n¡i em đã học tập, các học viên nhóm lớp Công Nghệ Thông Tin khóa 2019 – 2023 đã t¿o điều kiện, giúp đỡ, cá vũ về tinh thần cho em trong suốt quá trình học tập, hoàn thiện đß án. Trân trọng HÁi Phòng, ngày 15 tháng 5 năm 2024 Sinh Viên Nguyễn TuÃn Hùng 6 LäI CAM ĐOAN Sinh viên xin cam đoan đề tài <Phát Hiện Lo¿i Trái Cây (cam, táo, lê, đào, .)= là công trình nghiên cāu đác lập d°ới sự h°ớng dẫn cÿa TS. Hß Thị H°¡ng Th¡m – GiÁng viên Khoa Công nghệ thông tin Tr°ßng Đ¿i Học Hàng HÁi Việt Nam. Đề tài là sự cố gắng, quyết tâm cÿa cá nhân sinh viên trong việc tiếp cận kiến thāc chuyên môn mới để hoàn thành đ¿t māc tiêu cÿa đề tài.

Các dữ liệu đề nghiên cāu thực nghiệm là trung thāc có ngußn gốc trích dẫn rõ ràng. Sinh viên xin hoàn toàn chịu trách nghiệm với lßi cam đoan này Ng°ßi cam đoan Nguyễn TuÃn Hùng 7 MĀC LĀC Låi Cam Đoan. 8 Danh māc hình Ánh. 11 Danh sách bÁng.

13 BÁng các tÿ khóa Vi¿t TÃt. 13 Ch°¢ng 1: Giãi thiãu tãng quan. Phát hiện đối t°ÿng. Cách phát hiện đối t°ÿng.

Các Ph°¡ng pháp phát hiện phá biến hiện nay. Ph°¡ng pháp mô tÁ đặc tr°ng (HOG). Bài toán phát hiện lo¿i trái cây. Đánh giá đá tin cậy cÿa bài toán phân lo¿i.

Precision và Recall .27 Ch°¢ng 2: mô hình hã thßng phân lo¿i trái cây. Giới thiệu mát số lo¿i trái cây. S¡ đß ho¿t đáng cÿa mô hình hệ thống phát hiện trái cây. Quá trình HuÃn Luyện.

Chuẩn bị Ánh. Quá trình đánh nhãn cho các đối t°ÿng. Phát hiện lo¿i trái cây bằng YOLO .43 Ch°¢ng 3: Cài đ¿t, thā nghiãm và đánh giá. Môi tr°ßng thử nghiệm.

Ngôn nhữ lập trình Python. Môi tr°ßng phát triển tích hÿp Pycharm. Các đặc tr°ng:. Công cā trực tuyến Google Collab.

Những đặc tr°ng chính trong Google Colab. T¿o bá dữ liệu học để huÃn luyện. Đào t¿o mô hình phát hiện lo¿i trái cây. Giá trị các biểu đß.

Giao diện āng dāng phát hiện lo¿i trái cây. Kết quÁ thử nghiệm trên mô hình đã huÃn luyện. Đánh giá mô hình sau khi thử nghiệm. Kết quÁ huÃn luyện:.

Thßi gian huÃn luyện:. ¯u điểm cÿa mô hình:. Nh°ÿc điểm cÿa mô hình:. 67 TÀI LIâU THAM KHÀO.

68 10 DANH MĀC HÌNH ÀNH Hình 1.1: Công nhân đang phân lo¿i trái cây.2: Trái cây đ°ÿc xếp trong siêu thị.3: Phát hiện đối t°ÿng.4: Phát hiện đối t°ÿng dựa trên học sâu cho các ph°¡ng tiện.5: Kiến trúc hệ thống HOG để phát hiện đối t°ÿng.6: Mô hình R-CNN.7: Faster R-CNN – S¡ đß kiến trúc.8: M¿ng đề xuÃt vùng (RPN).9: ví dā biểu đß thể hiện P và R để tính AP .1 : Hình d¿ng quÁ cam .2 : Hình Ánh trái xoài .3: Hình Ánh trái táo .5: Hình Ánh nho .9: Mát số hình Ánh d°a hÃu khác .10 : S¡ đß ho¿t đáng cÿa mô hình phát hiện trái cây .11: Āng dāng YOLOv3 cho tÿ l¿nh thông minh trong ẩm thực và nhà hàng.12: Phát hiện đối t°ÿng nhỏ với YOLOv5 trong phân tích giao thông .13: Āng dāng hệ thống AI đ°ÿc đào t¿o để phát hiện máy bay với YOLOv7 .14: Kiến trúc YOLOv8.15: Hình dung anchor box trong YOLO .16: detection head cÿa YOLOv5 .17: detection head cÿa YOLOv8 .18: Hiệu suÃt trên Tập dữ liệu Phát hiện Đối t°ÿng MS COCO .1: đặc tr°ng tăng c°ßng hình Ánh trên Roboflow .2: Health check đ°ÿc thống kê trên Roboflow.3: cài các th° viện hß trÿ.4: Ân chọn biểu t°ÿng drive trong phần tệp .5: Đoãn mã kết nối Google Colab với Google Drive .6: đo¿n mã để bắt đầu đào t¿o .7: Biều đß thống kế sau khi đào t¿o.8: ma trận nhầm lẫn (hiệu suÃt dự đoán cÿa mô hình với epochs=100 .9: giao diện ch°¡ng trình .10: trái xoài bị nhận sai .11: chùm nho bị nhận diện sai .12: Kết quÁ phân lo¿i trái cây trên Ánh tĩnh có nhiều lo¿i quÁ .13: nhận diện bằng video .65 12 DANH SÁCH BÀNG BÁng Tên bÁng Trang 3-1 Số l°ÿng Ánh cÿa từng lo¿i 58 3-2 BÁng thử nghiệm với các epochs khác nhau 54 3-3 BÁng thử nghiệm phân lo¿i hình Ánh tĩnh 67 BÀNG CÁC Tþ KHÓA VI¾T TÂT Tÿ Vi¿t Nghĩa Ti¿ng Anh Nghĩa Ti¿ng Viãt TÃt AI Artificial Intelligence Trí tuệ nhân t¿o AP Average Precision Đá chính xác trung bình CNN Convolutional Neural Network M¿ng n¡ ron tích chập FN False Negative Âm tính giÁ FP False Positive D°¡ng tính giÁ GPU Graphics Processing Unit Đ¡n vị xử lý đß họa HOG Histogram of Oriented Gradient Biểu đß Gradient có h°ớng Integrated Development Environ- môi tr°ßng phát triển tích IDE ment hÿp IoU Intersection over Union Giao điểm qua Liên hiệp P Precision Đá chính xác R Recall Đá nhớ l¿i TN True Negative Âm tính thực TP True Positive D°¡ng tính thực TPU Tensor Processing Unit Đ¡n vị Xử lý Tensor YOLO You Only Look One B¿n chỉ nhìn mát lần 13 CH¯¡NG 1: GIâI THIâU TâNG QUAN 1. Đ¿t vÃn đß Với sự tiến bá không ngừng cÿa công nghệ và sự tăng tr°áng nhanh chóng cÿa dữ liệu thông qua m¿ng l°ới internet toàn cầu, chúng ta đã chāng kiến nhiều b°ớc tiến v°ÿt bậc trong lĩnh vực học máy, đặc biệt là thị giác máy tính.