Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Thực vật đóng vai trò thiết yếu trong hệ sinh thái tự nhiên: cung cấp oxy, lương thực, nhiên liệu, dược liệu, gỗ, đồng thời giúp giảm thiểu ô nhiễm không khí và ngăn ngừa xói mòn đất. Việc nhận thức và định danh chính xác các loài thực vật là bước nền tảng để nâng cao năng suất nông nghiệp, bảo tồn đa dạng sinh học, cân bằng hệ sinh thái và giảm thiểu tác động tiêu cực của biến đổi khí hậu.

Định danh thực vật truyền thống chủ yếu do các nhà thực vật học thực hiện thông qua việc sử dụng các khóa lưỡng phân (dichotomous keys) cùng các thuật ngữ phân loại học phức tạp. Quy trình này đòi hỏi kiến thức chuyên sâu, tốn nhiều thời gian và khó tiếp cận đối với đại chúng. Sự phát triển của công nghệ xử lý ảnh, thị giác máy tính và học máy đã mở ra hướng tiếp cận nhận dạng thực vật tự động từ ảnh chụp. Mặc dù các hệ thống như Pl@ntNet, Leafsnap hay MOSIR đã đạt được những kết quả đáng ghi nhận, việc ứng dụng nhận dạng thực vật vào thực tế vẫn đối mặt với hai rào cản lớn:

  1. Số lượng loài thực vật được bao phủ trong các tập dữ liệu thực nghiệm còn hạn chế so với sự phong phú của hệ thực vật trên Trái đất.
  2. Độ chính xác nhận dạng giảm sút nghiêm trọng khi số lượng loài tăng lên do độ tương đồng lớn giữa các loài khác nhau (large inter-class similarity) và sự biến thiên hình thái lớn trong nội bộ cùng một loài (large intra-class variation).
  3. Hầu hết các công trình nghiên cứu trước đây chỉ tập trung vào ảnh chụp một cơ quan đơn lẻ (chủ yếu là lá) trong điều kiện đơn giản hóa (một lá đơn trưởng thành trên phông nền trơn - leafscan/SheetAsBackground), trong khi ảnh thực tế (NaturalBackground) luôn có phông nền phức tạp, góc chụp và điều kiện chiếu sáng thay đổi, có hiện tượng che khuất (occlusion) hoặc biến dạng mẫu vật.
  4. Việc chỉ dựa vào một cơ quan đơn lẻ không thể phản ánh đầy đủ đặc trưng phân loại của cây trong mọi giai đoạn sinh trưởng. Do đó, bài toán kết hợp đa cơ quan (multi-organ fusion) và việc xây dựng ứng dụng tra cứu thực vật dược liệu tại Việt Nam là vấn đề cấp thiết cần được giải quyết.

Mục tiêu nghiên cứu

Luận án xác định mục tiêu tổng quát là nâng cao độ chính xác của bài toán nhận dạng thực vật tự động và xây dựng ứng dụng thực tế. Ba mục tiêu cụ thể được đánh số theo văn bản luận án gồm:

  1. Phát triển một phương pháp nhận dạng thực vật dựa trên ảnh lá có khả năng nhận dạng chính xác ngay cả trên các ảnh có phông nền phức tạp (complex background images).
  2. Đề xuất một lược đồ kết hợp (fusion scheme) hiệu quả trong nhận dạng thực vật dựa trên đa cơ quan (multi-organ plant identification).
  3. Xây dựng mô-đun tìm kiếm thực vật dựa trên ảnh trong ứng dụng tra cứu thực vật dược liệu Việt Nam mang tên VnMed.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: 6 cơ quan chính của thực vật gồm lá (Leaf), hoa (Flower), quả (Fruit), cành (Branch), thân/vỏ cây (Stem) và toàn cây (Entire view).
  • Phạm vi dữ liệu và không gian: Các bộ dữ liệu chuẩn quốc tế như Flavia (32 loài), ImageCLEF 2012/2013, LifeCLEF 2014/2015/2017; tập dữ liệu 50 loài đa cơ quan; tập dữ liệu VnDataset2 (100 loài thực vật Việt Nam cho 6 cơ quan); và tập dữ liệu 596 loài thực vật dược liệu Việt Nam phục vụ ứng dụng VnMed.
  • Phạm vi giả định: Ảnh đầu vào được cung cấp dưới dạng ảnh chụp trực tiếp từ hiện trường hoặc chọn từ bộ sưu tập ảnh số của người dùng; mỗi quan sát (observation) là tập hợp các ảnh chụp một cá thể thực vật bởi cùng một người trong cùng một ngày bằng cùng một thiết bị và điều kiện chiếu sáng.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước đây

Luận án đã hệ thống hóa và phân tích các hướng tiếp cận định danh thực vật trong y văn học thuật:

                                  ĐỊNH DANH THỰC VẬT
   Nhận dạng thủ công             Nhận dạng bán tự động             Nhận dạng tự động
   (Manual Identification)        (Graphic tools / Icons)          (Automated Image-based)
   - Khóa lưỡng phân              - Hệ thống IDAO                  - Đơn cơ quan (Single-organ)
   - Thuật ngữ phân loại học      - Chọn biểu tượng hình ảnh       - Đa cơ quan (Multi-organ)
  1. Nhận dạng thủ công (Manual approach): Sử dụng khóa lưỡng phân dựa trên các câu hỏi loại trừ dần về thuộc tính hình thái (ví dụ: lá kim phân nhánh thành Pine hoặc Spruce; lá đơn phân nhánh theo mép lá nhẵn như Magnolia, xẻ thùy như White Oak, răng cưa nhỏ như Elm, mép gai lớn như Holly; lá kép phân nhánh theo điểm đính cuống như Chestnut hoặc Walnut). Phương pháp này tốn thời gian, không chấp nhận sai số trung gian và khó tiếp cận với người không chuyên.
  2. Nhận dạng bán tự động qua giao diện đồ họa (Graphic tools): Tiêu biểu là hệ thống IDAO, biểu diễn các thuật ngữ sinh học bằng các biểu tượng (icons). Tuy trực quan hơn nhưng phương pháp này mất nhiều thời gian lựa chọn icon và số lượng biểu tượng bị giới hạn, không bao quát hết các loài.
  3. Nhận dạng tự động dựa trên ảnh một cơ quan đơn lẻ:
    • Đặc trưng cơ quan: Lá là cơ quan được nghiên cứu nhiều nhất (107/120 công trình khảo sát), dễ thu thập và có dạng phẳng; hoa có tính phân biệt cao nhưng tồn tại ngắn ngày; thân cây chứa đặc trưng kết cấu bề mặt nhưng thay đổi theo độ tuổi; cành và toàn cây thường có góc nhìn rộng và nhiễu nền.
    • Phân đoạn ảnh: Phân đoạn tự động sử dụng watershed dựa trên dấu đánh dấu tự động kết hợp ngưỡng Otsu và phép co xói [23], phương pháp phổ - không gian [22], phân cụm màu k-means [11, 21, 24]; Phân đoạn bán tự động/tương tác sử dụng GrabCut [21, 26, 27, 31], active contour theo vùng [28, 29, 30], marker-controlled watershed [22, 33]. Kết quả tại ImageCLEF 2012 chứng minh phân đoạn tương tác đạt độ chính xác vượt trội trên nền phức tạp.
    • Đặc trưng thủ công (Hand-designed features): Kết hợp hình dạng, màu sắc, kết cấu và đặc trưng riêng của cơ quan (gân lá, răng cưa). Các công trình tiêu biểu gồm Hu moments và Zernike moments [23, 36], Contour-based shape descriptor [44], Fourier descriptor và thuộc tính hình thái [41], Kernel Descriptor (KDES) của Bo et al. [46] và Le et al. [47] trên tập Flavia (97,3%) và ImageCLEF 2013 (48,7%).
Công trình / Năm Cơ quan Phương pháp phân đoạn Đặc trưng trích xuất Bộ phân lớp
[23], 2008 Lá Tự động (Marker-controlled watershed) Hu geometric moments, Zernike moments Moving center hypersphere
[28], 2012 Lá Phân đoạn lá dựa trên mô hình Shape Random Forest
[44], 2012 Lá Không phân đoạn Contour-based shape descriptor Nearest Neighbor
[26], 2012 Lá Tương tác (GrabCut) Mạng phức hợp, răng cưa, hình thái Random Forest
[22], 2014 Lá Tương tác (Watershed) Shape, texture, color Support Vector Machine
[41], 2015 Lá Ngưỡng toàn cục Morphological features, shape defining, Fourier descriptor Artificial Neural Network
[56], 2016 Lá Vùng quan tâm (ROI) Haralick texture, Gabor, shape, color, ma trận đồng xuất hiện Fuzzy Relevance Vector Machine
[31], 2017 Lá Tương tác (GrabCut) Trích xuất đặc trưng với mạng tích chập CNN Support Vector Machine
[58], 2008 Hoa Graph cut Màu sắc, lược đồ hướng gradient, SIFT Support Vector Machine
[19], 2012 Quả Thuật toán Split-and-merge Lược đồ màu sắc, texture, shape Support Vector Machine
[60], 2006 Thân Không phân đoạn Màu sắc, texture RBF probabilistic network, SVM
  1. Đặc trưng học sâu (Deeply-learned features): Sử dụng mạng CNN (Convolutional, ReLU, Pooling, Fully Connected) và học chuyển giao (Transfer Learning) từ các mạng tiền huấn luyện trên ImageNet (AlexNet, VGG, GoogLeNet, ResNet). Tại LifeCLEF 2015, phương pháp học sâu đạt điểm số [0,652] so với [0,300] của phương pháp trích xuất đặc trưng thủ công.
  2. Nhận dạng dựa trên đa cơ quan (Multi-organ fusion):
    • Kết hợp sớm (Early fusion): Kết hợp ở mức đặc trưng trước khi phân loại (như mạng đa cột MCDCNN [79] nối tại tầng FC8; phương pháp trong [77] nối đặc trưng miền chung $\phi_{GCNN}$ và đặc trưng riêng $\phi_{SCNN}$). Nhược điểm: làm tăng số chiều vector đặc trưng và khó tương thích giữa các kiểu dữ liệu khác nhau.
    • Kết hợp muộn (Late fusion): Kết hợp ở mức thứ hạng (Borda count, Borda-fuse, BordaMNZ) hoặc mức điểm tin cậy (transformation-based như luật tích, luật tổng, luật cực đại, bình quân trọng số trong Pl@ntNet; classification-based; density-based).

Khoảng trống luận án lựa chọn giải quyết

  • Phương pháp KDES trước đây bị giới hạn ở ảnh nền đơn giản, thiếu tính bất biến với tỉ lệ và góc xoay. Luận án giải quyết bằng cách tích hợp phân đoạn tương tác, chuẩn hóa hình học và đề xuất mô tả nhân thích nghi kích thước (adaptive patch/cell pyramid).
  • Các kỹ thuật kết hợp muộn hiện có chủ yếu dựa trên biến đổi điểm số cố định (như luật nhân hoặc luật cộng trung bình), chưa khai thác mô hình học máy để phân loại trên không gian điểm tin cậy của từng loài. Luận án giải quyết bằng cách đề xuất lược đồ Robust Hybrid Fusion (RHF).
  • Thiếu một khung hệ thống hoàn chỉnh từ khâu lọc nhiễu, phát hiện cơ quan đến nhận dạng ứng dụng cho hệ thực vật dược liệu Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

  1. Mô hình trích xuất đặc trưng Kernel Descriptors (KDES): KDES chuyển đổi các thuộc tính mức điểm ảnh thành biểu diễn mức vùng thông qua việc tích hợp các hàm nhân. Độ lớn gradient $m(z)$ và hướng gradient $\theta(z)$ tại điểm ảnh $z = (x, y)$ được chuẩn hóa thành vector gradient $\tilde{\theta}(z) = [\sin(\theta(z)), \cos(\theta(z))]$ và độ lớn chuẩn hóa $\tilde{m}(z) = m(z) / \sqrt{\sum_{z \in P} m(z)^2 + \epsilon}$. Hàm nhân kết hợp giữa hai patch ảnh $P$ và $Q$ được định nghĩa: $$F_{grad}(P, Q) = \sum_{z \in P} \sum_{z' \in Q} \tilde{m}(z) \tilde{m}(z') k_o(\tilde{\theta}(z), \tilde{\theta}(z')) k_p(z, z')$$ Trong đó $k_o$ là nhân hướng gradient, $k_p$ là nhân vị trí không gian dạng hàm Gauss: $k_p(z, z') = \exp(-\gamma_p |z - z'|^2)$.

  2. Mô hình phân lớp Support Vector Machine (SVM): Dựa trên nguyên lý cực đại hóa khoảng cách lề $2/|w|$ của siêu phẳng phân cách $w \cdot x + b = 0$. Bài toán tối ưu hóa biên mềm có dạng: $$\min_{w, b, \xi} \frac{1}{2} |w|^2 + C \sum_{i=1}^n \xi_i \quad \text{với điều kiện} \quad y_i(w \cdot x_i + b) \ge 1 - \xi_i, \quad \xi_i \ge 0$$ Với bài toán phi tuyến, hàm ánh xạ $\Phi: \mathbb{R}^d \to \mathcal{F}$ được áp dụng kết hợp cùng hàm nhân RBF: $K(x_i, x_j) = \exp(-\gamma |x_i - x_j|^2)$.

  3. Mạng nơ-ron tích chập (CNN) và Học chuyển giao: Sử dụng các kiến trúc mạng AlexNet, GoogLeNet và ResNet50. Chiến lược học chuyển giao được áp dụng bằng cách tinh chỉnh trọng số (fine-tuning) từ mô hình tiền huấn luyện trên tập dữ liệu ImageNet (1,2 triệu ảnh, 1.000 lớp) cho bài toán phát hiện cơ quan và phân loại thực vật.

Phương pháp thực nghiệm và quy trình xử lý

  1. Nhận dạng lá trên nền phức tạp:

    • Bước 1 - Phân đoạn tương tác: Người dùng cung cấp nét vẽ chỉ định vùng lá quan tâm và vùng nền; áp dụng thuật toán Watershed dựa trên dấu đánh dấu (marker-controlled watershed) để tách lá.
    • Bước 2 - Tiền xử lý hình học: Chuyển đổi nhị phân, xác định đường biên bằng bộ lọc Canny, chuẩn hóa hướng lá (đỉnh lá hướng lên trên, cuống lá hướng xuống dưới dựa trên moment không gian $m_{pq} = \sum_x \sum_y x^p y^q I(x, y)$) và loại bỏ cuống lá.
    • Bước 3 - Trích xuất đặc trưng KDES thích nghi: Thay vì chia lưới cố định (uniform patch), kích thước patch và cell được điều chỉnh thích nghi theo kích thước vùng lá và xây dựng kim tự tháp không gian (pyramid hand structure).
    • Bước 4 - Phân loại: Phân loại vector đặc trưng bằng bộ phân lớp SVM-RBF.
  2. Lược đồ kết hợp đa cơ quan RHF (Robust Hybrid Fusion):

    • Với một truy vấn gồm ảnh từ hai cơ quan (ví dụ: lá $I_{Le}$ và hoa $I_{Fl}$), mô hình phân lớp đơn cơ quan trả về các vector điểm tin cậy $S(I_{Le}) = [s_1(I_{Le}), \dots, s_C(I_{Le})]$ và $S(I_{Fl}) = [s_1(I_{Fl}), \dots, s_C(I_{Fl})]$.
    • Điểm số luật nhân kết hợp sơ bộ: $s_i^{prod} = s_i(I_{Le}) \times s_i(I_{Fl})$.
    • Với mỗi loài $i$, xây dựng một bộ phân lớp SVM nhị phân riêng dựa trên cặp điểm tin cậy $[s_i(I_{Le}), s_i(I_{Fl})]$. Tập mẫu dương được sinh từ các cặp ảnh cùng loài, mẫu âm sinh từ các cặp ảnh khác loài.
    • Xác suất phân lớp dương từ SVM loài $i$ ký hiệu là $p_i^{SVM}$.
    • Điểm tin cậy cuối cùng của loài $i$ được xác định theo công thức lai: $$Score_i = s_i^{prod} \times p_i^{SVM}$$
    • Lớp dự đoán cho truy vấn $q$: $$c = \arg\max_{i \in {1, \dots, C}} Score_i$$
                         KHUNG LƯỢC ĐỒ KẾT HỢP RHF
    Ảnh cơ quan 1 (Lá)                                    Ảnh cơ quan 2 (Hoa)
   Mô hình CNN Đơn cơ quan                               Mô hình CNN Đơn cơ quan
   Vector điểm tin cậy: S(I_Le)                         Vector điểm tin cậy: S(I_Fl)
             Luật nhân (Product)               SVM phân lớp nhị phân
               s_i^prod = s_i(Le) * s_i(Fl)      cho từng loài: p_i^SVM
                     Điểm kết hợp: Score_i = s_i^prod * p_i^SVM
                         Lớp dự đoán: c = argmax(Score_i)

Hệ thống chỉ số đánh giá

  • Độ chính xác tại thứ hạng $k$ ($Acc_{rank\ k}$): $Acc_{rank\ k}(%) = \frac{T_k}{N} \times 100%$ (với $T_k$ là số truy vấn đúng nằm trong $k$ kết quả đầu tiên; $N$ là tổng số truy vấn).
  • Precision, Recall và F-measure: Tính từ ma trận nhầm lẫn qua các đại lượng $TP, TN, FP, FN$: $$Precision = \frac{TP}{TP + FP}, \quad Recall = \frac{TP}{TP + FN}, \quad F\text{-}measure = \frac{2 \times Precision \times Recall}{Precision + Recall}$$
  • Điểm số mức ảnh ($S$): Đánh giá theo chuẩn LifeCLEF nhằm bù trừ hiệu ứng phân phối đuôi dài của dữ liệu thu thập từ cộng đồng: $$S = \frac{1}{U} \sum_{u=1}^U \frac{1}{P_u} \sum_{p=1}^{P_u} \frac{1}{N_{u,p}} \sum_{n=1}^{N_{u,p}} \frac{1}{r_{u,p,n}}$$ (với $U$ là số người dùng, $P_u$ là số cây của người dùng $u$, $N_{u,p}$ là số ảnh của cây $p$, $r_{u,p,n}$ là thứ hạng của loài đúng).

Nội dung chính theo từng chương

Chapter 1: Literature Review

Chương 1 tổng quan toàn diện ba nhóm phương pháp nhận dạng thực vật: thủ công, bán tự động qua biểu tượng đồ họa và tự động dựa trên ảnh. Phân tích chi tiết mô hình nhận dạng ảnh chuẩn gồm ba khâu (tiền xử lý, trích xuất đặc trưng, huấn luyện/phân loại). Khảo sát vai trò phân loại và độ phân biệt của 6 cơ quan thực vật. Đánh giá ưu nhược điểm của các kỹ thuật phân đoạn tự động và bán tự động, các bộ mô tả đặc trưng thủ công (màu sắc, hình dạng, texture, KDES) so với mạng tích chập sâu (AlexNet, VGG, GoogLeNet, ResNet). Đồng thời, chương này phân loại các kỹ thuật kết hợp đa cơ quan thành kết hợp sớm (early fusion) và kết hợp muộn (late fusion), chỉ rõ sự suy giảm độ chính xác khi số lượng loài mở rộng và phân tích các hệ sinh thái thu thập dữ liệu cộng đồng.

Chapter 2: Leaf-Based Plant Identification Method Based on Kernel Descriptor

Chương 2 tập trung giải quyết bài toán nhận dạng thực vật từ ảnh lá có phông nền phức tạp.

  • Đề xuất quy trình hoàn chỉnh gồm: Phân đoạn tương tác dựa trên marker-controlled watershed phát triển tối ưu cho thiết bị di động; Chuẩn hóa hình học hướng lá qua moment không gian và loại bỏ cuống lá; Cải tiến bộ mô tả nhân KDES bằng cách chia ô lưới thích nghi (adaptive patch and cell structure) theo kích thước mẫu vật và ghép nối theo cấu trúc kim tự tháp không gian.
  • Kết quả thực nghiệm:
    • Trên tập dữ liệu Flavia (32 loài): Phương pháp KDES cải tiến kết hợp SVM đạt độ chính xác 98,44%, vượt trội so với các công trình dùng đặc trưng thủ công trước đó.
    • Trên tập dữ liệu ImageCLEF 2013 (126 loài): Đạt độ chính xác nhận dạng vượt trội so với KDES nguyên bản trên cả ảnh lá nền phức tạp (NaturalBackground) và ảnh trơn (leafscan).
Phương pháp so sánh trên tập Flavia Đặc trưng trích xuất Độ chính xác (%)
Aakif et al. (2015) [41] Morphological + Fourier + Shape 96,00
Munisami et al. (2015) [51] Shape + Color + Texture 87,30
Le et al. (2014) [47] KDES nguyên bản + SVM 97,30
Phương pháp đề xuất của luận án KDES thích nghi + SVM (Phân đoạn tương tác) 98,44

Chapter 3: Fusion Schemes for Multi-Organ Based Plant Identification

Chương 3 giải quyết bài toán nhận dạng dựa trên ảnh đa cơ quan thông qua việc đề xuất lược đồ kết hợp lai Robust Hybrid Fusion (RHF).

  • Khảo sát hai lược đồ huấn luyện mạng tích chập sâu cho từng cơ quan đơn lẻ:
    • Scheme 1: Mỗi cơ quan sử dụng một mạng CNN độc lập.
    • Scheme 2: Một mạng CNN duy nhất huấn luyện chung cho toàn bộ các cơ quan.
  • Đánh giá trên ba kiến trúc mạng tích chập: AlexNet, ResNet50 và GoogLeNet trên tập dữ liệu 50 loài với 4 cơ quan (lá, hoa, quả, cành/thân).
  • Lược đồ RHF kết hợp giữa luật nhân $s_i^{prod}$ và mô hình SVM phân loại trên không gian điểm tin cậy $p_i^{SVM}$ cho từng loài.
  • Kết quả thực nghiệm:
    • Nhận dạng kết hợp hai cơ quan luôn cho độ chính xác cao hơn nhận dạng trên một cơ quan đơn lẻ.
    • Cặp kết hợp Lá + Hoa mang lại độ chính xác cao nhất (đạt trên 95% ở Rank-1 khi dùng ResNet50).
    • Lược đồ RHF đạt độ chính xác Rank-1 và Rank-5 cao hơn các kỹ thuật kết hợp muộn truyền thống (Sum rule, Product rule, Max rule) và vượt trội so với mô hình kết hợp sớm đa cột MCDCNN [79].
    • Giảm thiểu đáng kể số hạng $k$ cần thiết để đạt ngưỡng chính xác tích lũy 99% trên đường cong CMC (Cumulative Match Characteristic).
Mô hình mạng Lược đồ kết hợp Rank-1 Acc (%) (Lá + Hoa) Rank-5 Acc (%) (Lá + Hoa)
AlexNet MCDCNN (Early fusion) [79] 78,50 92,10
AlexNet Product Rule (Late fusion) 82,40 94,80
AlexNet Sum Rule (Late fusion) 81,90 94,30
AlexNet RHF (Phương pháp đề xuất) 86,20 96,50
ResNet50 Product Rule 91,20 98,10
ResNet50 Sum Rule 90,80 97,90
ResNet50 RHF (Phương pháp đề xuất) 95,40 99,20

Chapter 4: Towards Building an Automatic Plant Retrieval Based on Plant Identification

Chương 4 thiết kế và triển khai khung kiến trúc hệ thống tìm kiếm, tra cứu thực vật tự động hoàn chỉnh phục vụ bài toán thực tiễn tại Việt Nam.

  • Đề xuất khung hệ thống tích hợp 4 giai đoạn: (1) Thu thập dữ liệu qua crowdsourcing; (2) Phát hiện và phân loại cơ quan thực vật từ ảnh để lọc bỏ ảnh không phải thực vật và gắn nhãn cơ quan; (3) Nhận dạng ở mức ảnh đơn cơ quan bằng CNN; (4) Kết hợp đa cơ quan theo lược đồ RHF.
  • Phát hiện cơ quan thực vật: Sử dụng mạng GoogLeNet với học chuyển giao để phân loại 6 loại cơ quan. Đạt độ chính xác cao trên tập LifeCLEF 2015 và đạt kết quả vững chắc trên bộ dữ liệu 100 loài thực vật Việt Nam (VnDataset2).
  • Ứng dụng VnMed: Triển khai thử nghiệm mô-đun tìm kiếm dựa trên ảnh cho hệ thống tra cứu thực vật dược liệu Việt Nam (VnMed) với cơ sở dữ liệu gồm 596 loài cây thuốc. Hệ thống cho phép tra cứu theo nhóm bệnh, xem chi tiết thuộc tính thực vật học và nhận dạng trực tiếp từ ảnh chụp thực địa trả về danh sách top-5 loài tiềm năng nhất.

Kết quả và những đóng góp mới

Luận án đã đạt được ba đóng góp khoa học và thực tiễn chính:

  1. Phương pháp nhận dạng lá trên nền ảnh phức tạp dựa trên KDES thích nghi và phân đoạn tương tác: Đề xuất thành công quy trình kết hợp phân đoạn tương tác marker-controlled watershed tối ưu trên thiết bị di động, chuẩn hóa hướng hình học và trích xuất đặc trưng KDES đa tỉ lệ với lưới ô thích nghi kích thước (adaptive patch/cell pyramid). Phương pháp đạt độ chính xác 98,44% trên tập Flavia và cải thiện rõ rệt hiệu năng nhận dạng trên tập ImageCLEF 2013 so với các kỹ thuật dùng đặc trưng thủ công kinh điển.

  2. Lược đồ kết hợp đa cơ quan Robust Hybrid Fusion (RHF): Xây dựng mô hình kết hợp lai giữa luật nhân biến đổi điểm số và bộ phân lớp SVM huấn luyện trên không gian vector điểm tin cậy của từng loài. Lược đồ RHF khắc phục hạn chế tăng số chiều của kết hợp sớm và nâng cao độ chính xác nhận dạng Rank-1, Rank-5 so với các luật kết hợp muộn truyền thống (Sum, Product, Max) cũng như kiến trúc mạng đa cột MCDCNN.

  3. Xây dựng mô-đun nhận dạng và triển khai ứng dụng tra cứu cây thuốc Việt Nam VnMed: Đề xuất khung xử lý tự động từ phát hiện cơ quan bằng mạng tích chập sâu GoogLeNet đến nhận dạng kết hợp đa cơ quan. Triển khai tích hợp mô-đun tìm kiếm qua ảnh vào ứng dụng tra cứu thực vật dược liệu VnMed với 596 loài cây thuốc, chuyển giao tri thức thực vật học chuyên sâu thành công cụ số trực quan phục vụ cộng đồng.


Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Giai đoạn phân đoạn ảnh lá trên nền phức tạp ở Chương 2 vẫn đòi hỏi sự tương tác ban đầu của người dùng (vẽ nét chỉ định marker), chưa đạt mức tự động hóa hoàn toàn.
  • Độ phức tạp tính toán và thời gian huấn luyện của lược đồ RHF tăng theo số lượng loài trong cơ sở dữ liệu do phải duy trì một bộ phân loại SVM nhị phân riêng cho từng loài thực vật.
  • Dữ liệu thực nghiệm đa cơ quan còn phụ thuộc vào tính sẵn có đồng thời của các cặp ảnh cơ quan (lá, hoa, quả, cành) trong cùng một lượt quan sát.

Hướng nghiên cứu tiếp

  • Ứng dụng các mạng phân đoạn sâu tiên tiến (như Mask R-CNN hoặc các biến thể phân đoạn đối tượng không cần tương tác) để tự động hóa hoàn toàn khâu tách vùng quan tâm trên nền tự nhiên phức tạp.
  • Nghiên cứu mở rộng quy mô dữ liệu nhận dạng cho hàng nghìn loài thực vật dược liệu và cây rừng nhiệt đới tại Việt Nam.
  • Tối ưu hóa mô hình học sâu và thuật toán kết hợp để triển khai chạy trực tiếp thời gian thực trên các thiết bị di động cấu hình hạn chế mà không phụ thuộc hoàn toàn vào máy chủ tính toán.

Giá trị tham khảo

  • Đối với nghiên cứu sinh, học viên cao học và nhà nghiên cứu ngành Khoa học máy tính, Thị giác máy tính và Học máy: Luận án cung cấp tài liệu tham khảo chi tiết về kỹ thuật trích xuất đặc trưng KDES, kỹ thuật tinh chỉnh mạng CNN (AlexNet, GoogLeNet, ResNet50) và phương pháp luận thiết kế các lược đồ kết hợp đa phương thức (multi-modal/multi-organ fusion).
  • Đối với các nhà khoa học ngành Thực vật học, Lâm nghiệp và Dược liệu học: Cung cấp phương pháp ứng dụng công nghệ thông tin vào bảo tồn đa dạng sinh học, tự động hóa quy trình phân loại cây rừng và hệ thống hóa tri thức về cây thuốc dân gian.
  • Đối với các kỹ sư phát triển phần mềm: Cung cấp kiến trúc hệ thống thực tế từ khâu thu thập dữ liệu cộng đồng (crowdsourcing), lọc nhiễu, nhận dạng phân tán đến triển khai ứng dụng di động hoàn chỉnh (VnMed).

Câu hỏi thường gặp

1. Tại sao nhận dạng thực vật từ ảnh lá trên nền tự nhiên lại cần phân đoạn tương tác thay vì phân đoạn tự động hoàn toàn?

Theo khảo sát tại ImageCLEF 2012 và phân tích trong luận án, ảnh chụp tự nhiên (NaturalBackground) chứa nhiều yếu tố gây nhiễu như bóng râm, lá đan xen, cỏ nền và ánh sáng thay đổi. Các thuật toán phân đoạn tự động (như Otsu hay k-means) thường bị lỗi khi lá có màu sắc không đồng nhất hoặc nền quá phức tạp. Phân đoạn tương tác (người dùng đánh dấu nhanh vùng quan tâm và vùng nền) cung cấp thông tin dẫn đường chính xác cho thuật toán Watershed, tạo ra ranh giới lá chuẩn xác trước khi trích xuất đặc trưng KDES.

2. Sự khác biệt cốt lõi giữa lược đồ RHF và luật nhân (Product rule) truyền thống trong kết hợp đa cơ quan là gì?

Luật nhân truyền thống chỉ đơn thuần nhân các xác suất/điểm tin cậy của cùng một loài từ các cơ quan đơn lẻ ($s_i^{prod} = s_i(I_1) \times s_i(I_2)$) mà không tính đến mối tương quan phân bố điểm số giữa các mẫu đúng và mẫu sai. Lược đồ RHF bổ sung một bộ phân lớp SVM nhị phân cho từng loài được huấn luyện trên vector điểm tin cậy $[s_i(I_1), s_i(I_2)]$, từ đó tính toán thêm xác suất $p_i^{SVM}$ để hiệu chỉnh điểm số cuối cùng ($Score_i = s_i^{prod} \times p_i^{SVM}$), giúp phân tách chính xác các loài có độ tương đồng hình thái cao.

3. Trong các cặp cơ quan kết hợp, cặp cơ quan nào mang lại hiệu năng nhận dạng cao nhất?

Kết quả thực nghiệm tại Chương 3 chỉ ra rằng cặp kết hợp Lá + Hoa (Leaf + Flower) luôn đạt độ chính xác cao nhất ở cả Rank-1 và Rank-5 (đạt trên 95% ở Rank-1 với mạng ResNet50). Điều này phù hợp với đặc tính sinh học: hoa có tính phân biệt loài rất cao về màu sắc và cấu trúc cụm hoa, trong khi lá bổ sung các đặc trưng bền vững về hình học và cấu trúc gân lá.

4. Hệ thống VnMed xử lý bài toán lọc ảnh không phải thực vật và phân loại cơ quan như thế nào?

Hệ thống VnMed tích hợp mô hình học sâu GoogLeNet đã được huấn luyện chuyển giao trên tập dữ liệu cơ quan thực vật. Khi người dùng tải ảnh lên, mô hình này tự động phân tích và phân loại ảnh vào một trong 6 loại cơ quan (lá, hoa, quả, cành, thân, toàn cây) hoặc từ chối ảnh nếu không nhận diện được cơ quan thực vật hợp lệ, đảm bảo dữ liệu đầu vào chuẩn xác trước khi chuyển tới mô-đun nhận dạng loài.


Kết luận

Luận án tiến sĩ của tác giả Nguyễn Thị Thanh Nhàn đã giải quyết trọn vẹn các thách thức cốt lõi trong bài toán nhận dạng thực vật tự động trên ảnh có phông nền phức tạp và dữ liệu đa cơ quan. Công trình đã đề xuất thành công phương pháp KDES thích nghi kết hợp phân đoạn tương tác cho ảnh lá, lược đồ kết hợp lai RHF tối ưu cho nhận dạng đa cơ quan, đồng thời xây dựng hoàn chỉnh ứng dụng tra cứu cây thuốc Việt Nam VnMed phục vụ 596 loài dược liệu. Các kết quả thực nghiệm trên các bộ dữ liệu chuẩn quốc tế và dữ liệu thực tế tại Việt Nam đã khẳng định tính đúng đắn, hiệu quả khoa học và giá trị ứng dụng thực tiễn của toàn bộ nghiên cứu.