Nghiên cứu ứng dụng mô hình học sâu vào phát hiện bệnh cây lúa bằng ảnh đa phổ UAV

Đồ án ứng dụng học sâu phát hiện bệnh cây lúa bằng ảnh đa phổ UAV - ĐH Sư phạm Kỹ thuật TP.HCM

• Tác giả: Phan Phú Quý
• Người hướng dẫn: PGS. Võ Minh Huân
• Trường học: Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Máy tính
• Đề tài: Nghiên cứu ứng dụng mô hình học sâu vào phát hiện bệnh cây lúa bằng ảnh đa phổ UAV
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2026
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan học sâu phát hiện bệnh cây lúa bằng ảnh đa phổ UAV

Nông nghiệp thông minh đang chuyển dịch mạnh mẽ sang tự động hóa. Cây lúa là nguồn lương thực chủ lực tại Việt Nam. Dịch bệnh trên lúa đe dọa trực tiếp đến sản lượng thu hoạch. Việc phát hiện mầm bệnh truyền thống tốn nhiều thời gian và công sức. Công nghệ máy bay không người lái mang lại giải pháp đột phá. Thiết bị UAV gắn camera đa phổ có thể quét toàn diện ruộng lúa rộng lớn. Thiết bị bay ghi lại bức xạ phản xạ ở các bước sóng chuyên biệt. Mắt người không thể nhìn thấy những biến đổi quang học ban đầu này. Dữ liệu hình ảnh sau đó được đưa vào mô hình học sâu. Trí tuệ nhân tạo phân tích các cấu trúc điểm ảnh phức tạp. Mô hình tự động khoanh vùng khu vực lá lúa bị tổn thương. Nghiên cứu tại Trường Đại học Sư phạm Kỹ thuật TP.HCM mở ra hướng đi mới. Giải pháp này giúp người canh tác kiểm soát dịch hại kịp thời. Quy trình giám sát đồng ruộng trở nên nhanh chóng và chuẩn xác hơn. Ứng dụng này giảm thiểu việc phun thuốc bảo vệ thực vật. Môi trường sinh thái nhờ đó được bảo tồn tốt hơn.

1.1. Vai trò của thiết bị UAV và cảm biến đa phổ

Thiết bị bay không người lái mang lại tầm nhìn bao quát toàn bộ nông trại. Cảm biến đa phổ tích hợp thu nhận nhiều dải sóng phản xạ. Các bước sóng quan trọng gồm ánh sáng đỏ, xanh lá và cận hồng ngoại. Cây lúa khỏe mạnh hấp thụ ánh sáng đỏ và phản xạ mạnh dải cận hồng ngoại. Ngược lại, cây nhiễm bệnh mất dần sắc tố diệp lục. Khả năng phản xạ phổ của lá lúa bị thay đổi rõ rệt. Cảm biến quang học ghi nhận sự sai lệch này ngay lập tức. Quá trình thu thập diễn ra nhanh trên phạm vi hàng chục hecta. Dữ liệu ảnh đa phổ có độ phân giải không gian cao vượt trội. Công nghệ này khắc phục triệt để nhược điểm của ảnh vệ tinh thông thường.

1.2. Xu hướng ứng dụng học sâu trong bảo vệ thực vật

Học sâu là nhánh kỹ thuật đột phá của trí tuệ nhân tạo. Kỹ thuật này sử dụng mạng nơ-ron sâu để trích xuất đặc trưng hình ảnh. Các thuật toán truyền thống thường đòi hỏi trích xuất thủ công phức tạp. Mô hình học sâu tự học các biểu diễn phân cấp trực tiếp từ dữ liệu. Nhờ đó, hệ thống nhận diện các ổ bệnh với độ chính xác cao. Xu hướng ứng dụng thị giác máy tính vào nông nghiệp phát triển rất nhanh. Trí tuệ nhân tạo hỗ trợ phân loại tổn thương do nấm và vi khuẩn gây ra. Tốc độ xử lý dữ liệu lớn được cải thiện đáng kể. Nông dân có thể đưa ra quyết định khoanh vùng dịch bệnh chính xác. Nền nông nghiệp kỹ thuật số ngày càng được hoàn thiện mạnh mẽ.

II. Thách thức nhận diện bệnh cây lúa bằng ảnh đa phổ UAV hiện nay

Các phương pháp phát hiện bệnh lúa truyền thống bộc lộ nhiều hạn chế. Người nông dân thường kiểm tra đồng ruộng bằng mắt thường. Cách tiếp cận này tốn nhiều công sức và mang tính chủ quan. Khi dịch bệnh lan rộng, việc phát hiện bằng mắt thường đã quá muộn. Thiệt hại về năng suất lúc này là không thể cứu vãn. Mặt khác, việc ứng dụng thiết bị bay cũng đối mặt với nhiều thử thách. Ruộng lúa ngoài thực địa có điều kiện chiếu sáng liên tục thay đổi. Bóng mây và gió làm biến dạng bề mặt tán cây. Độ phân giải phổ đôi khi bị nhiễu do bụi bẩn và độ ẩm không khí. Sự đan xen giữa các tán lá khỏe và lá bệnh gây khó khăn cho việc phân loại. Kích thước vết bệnh ở giai đoạn đầu thường rất nhỏ. Việc gắn nhãn dữ liệu huấn luyện đòi hỏi chuyên môn nông học sâu. Nếu thuật toán không đủ mạnh, mô hình rất dễ nhận diện sai lệch. Hiện tượng quá khớp cũng dễ xảy ra khi tập dữ liệu bị mất cân bằng. Đây là rào cản kỹ thuật lớn cần phải vượt qua bằng các kiến trúc mạng hiện đại.

2.1. Hạn chế của phương pháp giám sát nông nghiệp truyền thống

Kiểm tra thủ công trên cánh đồng đòi hỏi nguồn nhân lực khổng lồ. Diện tích canh tác lúa tại Việt Nam thường trải rộng hàng ngàn hécta. Chuyên gia nông nghiệp không thể kiểm tra từng bụi lúa hàng ngày. Việc chẩn đoán dựa trên kinh nghiệm cá nhân thường dẫn đến sai số. Triệu chứng bệnh ban đầu rất khó phân biệt bằng mắt thường. Khi lá lúa đổi màu rõ rệt, nấm bệnh đã xâm nhập sâu vào mô thực vật. Hậu quả là người trồng lúa phun thuốc tràn lan để dập dịch. Thói quen này làm tăng chi phí sản xuất và làm đất thoái hóa nghiêm trọng. Dư lượng hóa chất còn gây hại cho hệ sinh thái tự nhiên. Nền nông nghiệp đòi hỏi một giải pháp giám sát tự động và chính xác.

2.2. Nhiễu môi trường và độ phức tạp của dữ liệu đa phổ

Ảnh chụp từ thiết bị bay chịu ảnh hưởng nặng từ yếu tố tự nhiên. Ánh sáng mặt trời biến động liên tục qua các thời điểm trong ngày. Góc chiếu sáng không ổn định tạo ra nhiều vùng bóng râm trên tán lúa. Hiện tượng phản chiếu mặt nước trên ruộng cũng làm méo tín hiệu quang học. Cảm biến đa phổ ghi nhận nhiều kênh dữ liệu đồng thời. Kích thước dữ liệu ảnh lớn đòi hỏi tài nguyên tính toán mạnh mẽ. Sự tương đồng phổ giữa cây lúa thiếu dinh dưỡng và cây bị bệnh gây nhầm lẫn lớn. Vết đốm bệnh thường phân tán rời rạc và kích thước rất nhỏ. Xử lý thành công các tín hiệu này đòi hỏi giải thuật học sâu chuyên sâu.

III. Giải pháp học sâu phát hiện bệnh cây lúa bằng ảnh đa phổ UAV

Đề tài tốt nghiệp tại Trường ĐH Sư phạm Kỹ thuật TP.HCM đề xuất giải pháp đột phá. Nhóm nghiên cứu xây dựng mô hình phân đoạn ngữ nghĩa theo kiến trúc Encoder-Decoder hiện đại. Nhánh Encoder giảm dần kích thước không gian của ảnh đa phổ. Đồng thời, số lượng kênh đặc trưng được gia tăng liên tục qua các lớp tích chập. Quá trình này giúp mô hình mở rộng vùng tiếp nhận và nắm bắt thông tin ngữ cảnh toàn cục. Tại khối Bottleneck, dữ liệu được nén về kích thước nhỏ nhất để trích xuất các đặc trưng trừu tượng cốt lõi. Sau đó, nhánh Decoder khôi phục độ phân giải không gian bằng các phép up-sampling. Cơ chế Skip Connections kết nối trực tiếp đặc trưng từ Encoder sang Decoder. Nhờ vậy, ranh giới tổn thương của lá lúa được tái tạo sắc nét từng điểm ảnh. Mô hình đạt độ chính xác Accuracy xấp xỉ 0.99 trên tập kiểm thử. Điểm F1-Score duy trì ổn định ở mức xấp xỉ 0.96. Chỉ số Recall đạt mức rất cao, chứng minh khả năng tổng quát hóa dữ liệu mới xuất sắc. Giải pháp giải quyết triệt để bài toán định vị mầm bệnh trên đồng ruộng.

3.1. Kiến trúc Encoder Decoder và cơ chế Skip Connections

Mô hình sử dụng mạng nơ-ron phân đoạn hình ảnh với cấu trúc đối xứng. Encoder thực hiện trích xuất đặc trưng sâu qua chuỗi tích chập và giảm mẫu. Khối Bottleneck tổng hợp ngữ cảnh toàn cục và hiểu rõ mối quan hệ không gian. Nhánh Decoder tiến hành tăng dần kích thước không gian để khôi phục ảnh gốc. Điểm nhấn kỹ thuật nằm ở các đường dẫn tắt Skip Connections. Cơ chế này truyền trực tiếp bản đồ đặc trưng chi tiết từ Encoder sang Decoder. Decoder kết hợp hài hòa giữa đặc trưng ranh giới cục bộ và thông tin ngữ cảnh. Nhờ đó, ranh giới giữa mô lá khỏe và vùng bệnh được phân định rành mạch. Độ chính xác phân đoạn đạt mức tối ưu trên từng pixel.

3.2. Đánh giá hiệu năng với Accuracy 0.99 và F1 Score 0.96

Quá trình huấn luyện mô hình thể hiện sự hội tụ nhanh chóng qua từng epoch. Độ chính xác Accuracy trên cả tập huấn luyện và validation đạt xấp xỉ 0.99. Đường cong huấn luyện và kiểm thử bám sát nhau, loại bỏ hoàn toàn nguy cơ quá khớp. Điểm F1-Score duy trì ổn định quanh mức 0.96 sau những vòng lặp đầu tiên. Kết quả này phản ánh sự cân bằng hoàn hảo giữa hai đại lượng Precision và Recall. Chỉ số Recall đạt mức rất cao khẳng định mô hình không bỏ sót các ổ bệnh lúa. Khả năng phát hiện bệnh đạt độ tin cậy vượt trội trong môi trường thực địa. Nghiên cứu chứng minh tính khả thi cao khi ứng dụng vào sản xuất thực tiễn.

IV. Triển vọng học sâu phát hiện bệnh cây lúa bằng ảnh đa phổ UAV

Đề tài từ Trường Đại học Sư phạm Kỹ thuật TP.HCM mang giá trị ứng dụng to lớn. Kết quả nghiên cứu mở ra kỷ nguyên mới cho canh tác lúa thông minh. Việc tích hợp mô hình lên máy bay không người lái cho phép lập bản đồ dịch bệnh tự động. Người quản lý nông trại có thể quan sát tình trạng đồng ruộng qua bản đồ trực quan. Thay vì phun thuốc bảo vệ thực vật trên toàn cánh đồng, vòi phun chỉ kích hoạt tại các vị trí nhiễm bệnh. Phương pháp phun điểm chuẩn xác này tiết kiệm đáng kể chi phí hóa chất nông nghiệp. Môi trường đất và nguồn nước được bảo vệ khỏi nguy cơ ô nhiễm nặng nề. Năng suất lúa được đảm bảo nhờ ngăn chặn dịch bệnh từ giai đoạn khởi phát. Đề tài khẳng định năng lực nghiên cứu xuất sắc của sinh viên ngành Công nghệ Kỹ thuật Máy tính. Hướng phát triển tiếp theo là tối ưu hóa thuật toán để chạy trực tiếp trên các vi xử lý nhúng của UAV. Hệ thống hứa hẹn trở thành công cụ đắc lực cho ngành nông nghiệp Việt Nam trong thời đại chuyển đổi số.

4.1. Tối ưu hóa chi phí và giảm thiểu thuốc bảo vệ thực vật

Bản đồ phân vùng dịch bệnh cung cấp tọa độ địa lý chính xác của từng ổ dịch. Thiết bị bay nông nghiệp có thể tự động nạp lộ trình bay để phun thuốc khoanh vùng. Nông dân không còn phải phun thuốc đại trà trên toàn bộ ruộng lúa. Lượng thuốc bảo vệ thực vật tiêu thụ có thể giảm từ 40% đến 60%. Điều này giúp cắt giảm chi phí sản xuất trực tiếp cho mỗi vụ mùa. Hơn nữa, việc hạn chế hóa chất giúp bảo tồn hệ vi sinh vật có lợi trong đất. Chất lượng hạt gạo thành phẩm đạt tiêu chuẩn an toàn vệ sinh thực phẩm cao hơn. Sức khỏe của người lao động trực tiếp cũng được bảo vệ tối đa. Nông sản Việt Nam nhờ đó gia tăng sức cạnh tranh trên thị trường xuất khẩu.

4.2. Triển vọng tích hợp mô hình trên thiết bị nhúng thời gian thực

Tương lai của hệ thống hướng tới việc xử lý dữ liệu thời gian thực ngay trên UAV. Các mô hình học sâu có thể được nén qua kỹ thuật lượng tử hóa và cắt tỉa trọng số. Nhờ vậy, thuật toán vận hành mượt mà trên các máy tính nhúng nhỏ gọn như Jetson Nano hoặc Xavier. UAV vừa bay khảo sát vừa tự động khoanh vùng và lập tức đưa ra cảnh báo. Độ trễ phát hiện được rút ngắn xuống mức mili-giây, giúp tăng tốc quy trình xử lý dịch hại. Sự kết hợp giữa Internet vạn vật và trí tuệ nhân tạo sẽ định hình nền nông nghiệp số. Nghiên cứu từ ĐH Sư phạm Kỹ thuật TP.HCM đặt nền móng vững chắc cho bước tiến này.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong sản xuất nông nghiệp hiện đại, việc theo dõi sức khỏe cây trồng và kiểm soát dịch bệnh đóng vai trò thiết yếu nhằm duy trì năng suất và tính bền vững. Cây lúa là cây lương thực chủ lực, thường xuyên chịu tác động tiêu cực từ nhiều loại mầm bệnh, trong đó bệnh bạc lá do vi khuẩn (Bacterial Leaf Blight - BLB) là một trong những nguyên nhân gây thiệt hại kinh tế nghiêm trọng nhất. Nếu không được phát hiện và xử lý kịp thời, bệnh bạc lá có thể lây lan nhanh chóng trên diện rộng và làm suy giảm mạnh sản lượng thu hoạch. Phương pháp giám sát thủ công truyền thống chủ yếu dựa vào việc quan sát trực tiếp bằng mắt thường của nông dân hoặc cán bộ bảo vệ thực vật. Cách tiếp cận này bộc lộ nhiều điểm hạn chế: tiêu tốn nhiều thời gian và nhân lực, mang tính chủ quan cao, khó áp dụng đồng bộ và thiếu tính chính xác khi mở rộng ra quy mô cánh đồng lớn.

Sự phát triển của công nghệ viễn thám tầm thấp bằng thiết bị bay không người lái (UAV) kết hợp với các thuật toán học sâu (Deep Learning) mang lại hướng đi mới trong việc quản trị nông nghiệp chính xác. Ảnh đa phổ thu nhận từ UAV có độ phân giải không gian cao, khả năng bay chụp linh hoạt theo chu kỳ sinh trưởng của cây trồng và ghi nhận được các dải phổ nằm ngoài vùng ánh sáng nhìn thấy. Khi tích hợp dữ liệu đa phổ với các mô hình phân đoạn ngữ nghĩa (semantic segmentation), hệ thống có khả năng nhận diện, phân loại và khoanh vùng chính xác các khu vực nhiễm bệnh bạc lá đến từng điểm ảnh (pixel), tạo tiền đề cho việc tự động hóa giám sát dịch bệnh trên đồng ruộng.

Mục tiêu nghiên cứu của đề tài được tác giả xác định cụ thể gồm hai nhiệm vụ:

1. Xây dựng hệ thống nhận diện bệnh chính xác và có khả năng đáp ứng thời gian thực: Phát triển mô hình học sâu dựa trên kiến trúc U-Net nhằm phân đoạn và xác định chính xác các vùng cây lúa bị nhiễm bệnh bạc lá, đồng thời tối ưu mô hình để đảm bảo tốc độ xử lý và độ tin cậy khi triển khai trong điều kiện thực tế.
2. Thúc đẩy ứng dụng công nghệ vào thực tiễn sản xuất nông nghiệp: Đề xuất các giải pháp ứng dụng dựa trên kết quả nghiên cứu nhằm hỗ trợ giám sát dịch bệnh, quản lý đồng ruộng và nâng cao hiệu quả canh tác, từ đó góp phần cải thiện chất lượng và năng suất sản xuất lúa tại Việt Nam, đồng thời hướng tới khả năng ứng dụng và mở rộng trong bối cảnh quốc tế.

Đối tượng và phạm vi nghiên cứu của đồ án bao gồm:

• Đối tượng sinh vật: Cây lúa, phân tách thành hai trạng thái là vùng lá bị nhiễm bệnh bạc lá do vi khuẩn (BLB) và vùng lá khỏe mạnh nhằm định lượng mức độ tổn thương mô lá.
• Đối tượng dữ liệu: Tập ảnh đa phổ (multispectral images) thu thập từ thiết bị bay không người lái (UAV) trên cánh đồng lúa, gồm các kênh: Đỏ (Red - R), Lục (Green - G), Lam (Blue - B), Cận đỏ biên (Red-edge - RE) và Cận hồng ngoại (Near-Infrared - NIR), kết hợp với các chỉ số thực vật trích xuất như NDVI và NDRE.
• Đối tượng phương pháp và mô hình: Bài toán phân đoạn ảnh ngữ nghĩa mức điểm ảnh sử dụng mô hình học sâu U-Net++ kết hợp mạng trích xuất đặc trưng (encoder) EfficientNet-B3.
• Phạm vi không gian và thực nghiệm: Nghiên cứu giới hạn ở quy mô ruộng lúa thực tế với các kịch bản biến thiên về mức độ nhiễm bệnh, góc chụp, ánh sáng và điều kiện môi trường. Đề tài tập trung tối ưu hóa các chỉ số Accuracy, Mean IoU, Precision, Recall, F1-score, độ phức tạp tính toán GFLOPs và thời gian suy luận. Các bài toán điều khiển bay tự động cho UAV, tối ưu hóa phần cứng nhúng hay mô hình dự báo sản lượng lúa không thuộc phạm vi nghiên cứu này.

Về giới hạn kỹ thuật và ứng dụng:

• Độ chính xác của hệ thống phụ thuộc vào chất lượng ảnh, độ phân giải không gian, góc chụp và các điều kiện thời tiết thực địa (mây che, gió, độ ẩm, cường độ ánh sáng không ổn định).
• Hệ thống gặp khó khăn khi phân đoạn ở giai đoạn bệnh quá sớm, tổn thương không đồng đều hoặc vùng bệnh bị che khuất bởi cỏ dại và tán lá chồng lấn.
• Hệ thống đóng vai trò công cụ hỗ trợ ra quyết định cho nhà nông và chuyên gia, không thay thế hoàn toàn các phương pháp giám sát chuyên môn truyền thống; việc vận hành đòi hỏi người dùng có kiến thức cơ bản về UAV và xử lý ảnh số.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của nghiên cứu được xây dựng dựa trên đặc tính quang phổ thực vật và các kỹ thuật thị giác máy tính hiện đại:

• Đặc tính quang phổ của tán lá: Ở điều kiện sinh trưởng bình thường, thảm thực vật khỏe mạnh hấp thụ mạnh ánh sáng ở dải đỏ (R) để phục vụ quang hợp và phản xạ mạnh ở dải cận hồng ngoại (NIR) do cấu trúc tế bào mô lá xốp. Khi cây lúa bị vi khuẩn tấn công gây bệnh bạc lá, hàm lượng diệp lục suy giảm và cấu trúc mô lá bị phá hủy, dẫn đến tăng phản xạ ở dải đỏ và giảm mạnh phản xạ ở dải NIR. Dải cận đỏ biên (Red-edge) nằm giữa dải đỏ và cận hồng ngoại là vùng chuyển tiếp quang phổ đặc biệt nhạy cảm với sự biến động nồng độ diệp lục, đóng vai trò chỉ báo sớm tình trạng stress sinh học của cây lúa.
• Các chỉ số thực vật: Để khuếch đại sự khác biệt quang phổ giữa vùng lá khỏe mạnh và vùng lá bị bệnh, hai chỉ số thực vật chuẩn hóa được tính toán theo công thức: $$\text{NDVI} = \frac{\text{NIR} - \text{R}}{\text{NIR} + \text{R}}$$ $$\text{NDRE} = \frac{\text{NIR} - \text{RE}}{\text{NIR} + \text{RE}}$$
• Phân đoạn ngữ nghĩa (Semantic Segmentation): Khác với bài toán phân loại ảnh toàn cục hay phát hiện đối tượng bằng khung bao, phân đoạn ngữ nghĩa thực hiện gán nhãn lớp cho từng điểm ảnh riêng biệt. Nền tảng của phương pháp là mạng tích chập hoàn toàn (Fully Convolutional Networks - FCN), loại bỏ các tầng kết nối dày đặc truyền thống để duy trì bản đồ không gian xuyên suốt mạng.
• Kiến trúc mạng U-Net và lịch sử phát triển: Được giới thiệu bởi Olaf Ronneberger và cộng sự năm 2015 cho ảnh y sinh, U-Net có cấu trúc đối xứng hình chữ U gồm nhánh co rút (Encoder/Contracting path) để nén đặc trưng ngữ nghĩa và nhánh mở rộng (Decoder/Expanding path) để khôi phục độ phân giải không gian. Cầu nối tắt (skip connections) truyền trực tiếp bản đồ đặc trưng chi tiết từ encoder sang decoder tại cùng mức phân giải nhằm khắc phục hiện tượng mất mát thông tin biên. Văn bản hệ thống hóa các mốc phát triển chính của kiến trúc này: 3D U-Net (2016), U-Net++ (2018), Attention U-Net (2018), nnU-Net (2020), và TransUNet/Swin-Unet (2021).
• Kiến trúc cải tiến U-Net++: Giải quyết khoảng cách ngữ nghĩa (semantic gap) giữa bản đồ đặc trưng nông ở encoder và bản đồ đặc trưng sâu ở decoder bằng cách thiết kế các đường dẫn kết nối tắt lồng nhau dày đặc (nested dense skip connections) tích hợp các khối tích chập trung gian. Thiết kế này hỗ trợ cơ chế giám sát sâu (deep supervision), cho phép kết hợp các đặc trưng đa quy mô và tối ưu hóa quá trình lan truyền gradient.
• Bộ mã hóa EfficientNet-B3: Là mô hình CNN được phát triển dựa trên nguyên lý mở rộng đồng thời (compound scaling) cả ba chiều: chiều sâu (depth), chiều rộng kênh (width) và độ phân giải ảnh (resolution). Mạng sử dụng các khối MBConv (Mobile Inverted Bottleneck Convolution) kết hợp tích chập tách biệt theo chiều sâu (depthwise separable convolution), giúp giảm số lượng tham số và số phép tính dấu phẩy động mà vẫn duy trì khả năng trích xuất đặc trưng mạnh mẽ từ ảnh đa phổ.

Hệ thống chỉ số đánh giá thực nghiệm được chuẩn hóa qua các công thức:

• IoU (Intersection over Union): $$\text{IoU} = \frac{\text{TP}}{\text{TP} + \text{FP} + \text{FN}}$$
• Dice Coefficient: $$\text{Dice} = \frac{2\text{TP}}{2\text{TP} + \text{FP} + \text{FN}}$$
• Recall: $$\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}$$
• Độ phức tạp tính toán GFLOPs: $$\text{FLOPs} = H \times W \times C_{in} \times C_{out} \times k^2 \times 2$$ $$\text{GFLOPs} = \frac{\text{FLOPs}}{10^9}$$
• Thời gian suy luận trung bình (Inference Time): $$\text{Inference time}{avg} = \frac{1}{N} \sum{i=1}^{N} t_i$$ (Trong đó TP, FP, FN lần lượt là số lượng pixel dự đoán đúng, dự đoán dương tính giả và dự đoán âm tính giả; $H, W$ là kích thước không gian; $C_{in}, C_{out}$ là số kênh vào/ra; $k$ là kích thước kernel; $N$ là tổng số mẫu kiểm thử).

Phương pháp nghiên cứu thực tế gồm 5 giai đoạn:

1. Tổng quan các công trình khoa học đã công bố về bệnh bạc lá lúa và ứng dụng học sâu trong nông nghiệp.
2. Thu thập tập ảnh đa phổ UAV trên đồng ruộng thực tế ở các ô ruộng nhiễm bệnh và khỏe mạnh.
3. Tiền xử lý dữ liệu viễn thám, tính toán kênh chỉ số thực vật, cắt mảnh (patching) và tạo mặt nạ nhãn.
4. Huấn luyện thực nghiệm các mô hình phân đoạn ngữ nghĩa với nhiều kiến trúc encoder khác nhau để đo đạc tham số, GFLOPs, IoU, Dice và thời gian suy luận.
5. Tinh chỉnh cấu hình U-Net++ kết hợp EfficientNet-B3, đánh giá toàn diện trên tập kiểm tra độc lập và xuất bản đồ phân vùng bệnh.

Nguồn dữ liệu sử dụng là tệp ảnh số đa băng định dạng GeoTIFF thu nhận từ cảm biến gắn trên UAV, kết hợp thư viện địa không gian GDAL để đọc và xử lý các mảng dữ liệu raster.

---

Thiết kế và triển khai

Hệ thống phát hiện bệnh bạc lá lúa được thiết kế theo cấu trúc module hóa gồm 4 khối chức năng chính:

1. Khối thu thập dữ liệu UAV: Tiếp nhận ảnh trực giao (orthomosaic) đa phổ độ phân giải cao thu thập từ UAV, bao gồm 5 kênh phổ phản xạ cơ bản: Blue (B), Green (G), Red (R), Red Edge (RE) và Near-Infrared (NIR). Từ dữ liệu phổ gốc, hệ thống tính toán bổ sung một kênh chỉ số thực vật (NDVI hoặc NDRE) và ghép nối thành tệp raster 6 kênh đầu vào đồng nhất.
2. Khối tiền xử lý và xây dựng tập dữ liệu:
   • Đọc dữ liệu raster đa băng bằng thư viện GDAL nhằm bảo toàn giá trị bức xạ và thông tin không gian, chuyển cấu trúc mảng từ dạng kênh trước $(C, H, W)$ sang dạng kênh sau $(H, W, C)$ để tương thích với thư viện biến đổi ảnh Albumentations.
   • Dữ liệu nhãn phân đoạn được chuyển từ dạng chỉ số số học sang mã màu RGB trực quan, sau đó mã hóa thành biểu diễn one-hot kích thước $(H, W, N_{class})$ với 5 lớp phân loại.
   • Cắt ảnh gốc và ảnh nhãn thành các mảnh nhỏ kích thước cố định $256 \times 256$ pixel.
   • Áp dụng kỹ thuật tăng cường dữ liệu (data augmentation) đồng bộ trên cả ảnh đa kênh và nhãn mặt nạ: cắt ngẫu nhiên (Random Crop), lật ngang (Horizontal Flip), lật dọc (Vertical Flip) và xoay ngẫu nhiên các góc bội số của 90°.
   • Chuyển định dạng mảng trở lại $(C, H, W)$, chia tỷ lệ giá trị pixel và chuẩn hóa phân phối theo giá trị trung bình (mean) và độ lệch chuẩn (std) của ImageNet được mở rộng cho dữ liệu 6 kênh.
   • Đóng gói toàn bộ pipeline trong lớp RiceDiseaseDataset để tương thích trực tiếp với DataLoader của PyTorch, định hình cấu trúc dữ liệu đầu vào chuẩn: $\text{Batch} \times 6 \times 256 \times 256$.
3. Khối mô hình học sâu: Xây dựng kiến trúc U-Net++ kết hợp bộ mã hóa EfficientNet-B3 được khởi tạo trọng số tiền huấn luyện từ tập ImageNet. Mạng tiếp nhận đầu vào 6 kênh, trích xuất đặc trưng đa tầng qua các khối MBConv và tái tạo bản đồ phân đoạn qua các nút kết nối lồng dày đặc.
4. Khối suy luận, đánh giá và xuất kết quả: Nạp mô hình tối ưu đã lưu để dự đoán trên tập kiểm tra độc lập; tính toán ma trận nhầm lẫn (confusion matrix), báo cáo phân loại chi tiết và xuất kết quả ra các tệp raster GeoTIFF 1 kênh lưu trữ thông tin địa lý cùng tệp ảnh màu PNG trực quan hóa.

Tên lớp (Class)	R	G	B	Giá trị Raster (Rasterval)	Ý nghĩa đối tượng
Unlabeled	0	0	0	0	Vùng không gán nhãn hoặc ngoài phạm vi khảo sát
Others	204	204	204	1	Nền đất, nước, bờ ruộng, cỏ dại và thực thể khác
Low-severity	255	255	0	2	Vùng cây lúa bị nhiễm bệnh bạc lá ở mức độ nhẹ
High-severity	255	0	0	3	Vùng cây lúa bị nhiễm bệnh bạc lá ở mức độ nặng
Healthy	85	255	0	4	Vùng cây lúa khỏe mạnh

Cấu hình siêu tham số huấn luyện mô hình được quy định trong thiết kế hệ thống như sau:

Tham số cấu hình (Parameter)	Giá trị thiết lập (Value)
Kiến trúc mô hình (Model)	U-Net++
Số lượng lớp đầu ra (Number of classes)	5
Bộ mã hóa trích xuất đặc trưng (Encoder)	EfficientNet-B3
Trọng số khởi tạo encoder (Encoder weights)	ImageNet
Số kênh ảnh đầu vào (Input channels)	6 (Blue, Green, Red, Red Edge, NIR, NDVI)
Hàm kích hoạt đầu ra (Activation function)	Sigmoid
Kích thước patch ảnh (Input patch size)	$256 \times 256$ pixel
Kích thước lô huấn luyện (Batch size)	16
Số chu kỳ huấn luyện (Epochs)	50
Thuật toán tối ưu hóa (Optimizer)	Adam
Tốc độ học (Learning rate)	0.001
Hàm mất mát (Loss function)	Cross-Entropy Loss
Tiêu chí lưu mô hình tốt nhất (Checkpoint)	Giá trị IoU cao nhất trên tập xác thực (validation)

---

Nội dung chính theo từng chương

Chương 1 Giới thiệu

Chương mở đầu trình bày tính cấp thiết của việc phát hiện sớm bệnh bạc lá (BLB) hại lúa trong nông nghiệp chính xác. Tác giả phân tích các hạn chế của phương pháp giám sát thủ công, từ đó đề xuất giải pháp ứng dụng ảnh đa phổ UAV kết hợp mô hình học sâu phân đoạn ảnh U-Net. Chương 1 xác định rõ hai mục tiêu cụ thể của đề tài, các giới hạn kỹ thuật (chất lượng ảnh, nhiễu môi trường, độ che khuất tán lá) và giới hạn ứng dụng (hệ thống đóng vai trò hỗ trợ, yêu cầu kỹ năng vận hành UAV). Đồng thời, chương này xác định đối tượng nghiên cứu (cây lúa khỏe/bệnh, dữ liệu ảnh đa phổ 6 kênh, mô hình U-Net++ và EfficientNet-B3), phạm vi không gian đồng ruộng và phác thảo cấu trúc tổng quát của 5 chương trong báo cáo.

Chương 2 Cơ sở lý thuyết

Chương 2 thiết lập khung lý thuyết hoàn chỉnh cho đề tài. Nội dung tập trung phân tích bản chất quang phổ của thảm thực vật lúa qua các dải sóng R, G, B, Red-edge và NIR, cùng cơ sở tính toán hai chỉ số sinh học NDVI và NDRE. Chương này làm rõ nguyên lý của bài toán semantic segmentation dựa trên mạng tích chập hoàn toàn (FCN); mô tả cấu trúc encoder-bottleneck-decoder và skip connections của mạng U-Net gốc kèm lược sử phát triển qua các phiên bản (3D U-Net, U-Net++, Attention U-Net, nnU-Net, TransUNet). Tiếp đó, chương phân tích sâu cấu trúc nested dense skip connections và cơ chế deep supervision của mạng U-Net++, kết hợp nguyên lý compound scaling và các khối MBConv của bộ mã hóa EfficientNet-B3. Cuối chương là định nghĩa toán học chi tiết của các chỉ số đánh giá: IoU, Dice, Recall, GFLOPs và Inference time.

Chương 3 Thiết kế hệ thống

Chương 3 chi tiết hóa đặc tả kỹ thuật và kiến trúc triển khai thực tế của hệ thống. Tác giả trình bày sơ đồ khối tổng thể gồm 4 khối chức năng và lưu đồ thuật toán chi tiết từ khâu tiếp nhận ảnh GeoTIFF thô, đọc dữ liệu qua GDAL, tiền xử lý và cắt patch $256 \times 256$, chuyển đổi hệ màu và mã hóa one-hot cho 5 lớp đối tượng. Chương này trình bày chi tiết kỹ thuật tăng cường dữ liệu (cắt, lật, xoay 90°) qua thư viện Albumentations, quy trình đóng gói dữ liệu trong lớp RiceDiseaseDataset và chuẩn hóa tensor 6 kênh tương thích PyTorch. Toàn bộ cấu hình siêu tham số của U-Net++ kết hợp EfficientNet-B3 (50 epochs, batch size 16, optimizer Adam lr=0.001, hàm mất mát Cross-Entropy) và cơ chế lưu checkpoint theo validation IoU được chuẩn hóa rõ ràng. Phần cuối chương thiết kế module suy luận và định dạng tệp xuất dữ liệu bản đồ GeoTIFF phục vụ GIS.

Chương 4 Kết quả

Chương 4 công bố và thảo luận các kết quả thực nghiệm đạt được. Tác giả cung cấp các biểu đồ động thái huấn luyện của mô hình U-Net++ với EfficientNet-B3 qua 50 epochs, phân tích chi tiết sự hội tụ của các thước đo Precision, Recall, Accuracy, F1-Score, Cross-Entropy Loss và IoU. Kết quả cho thấy Precision đạt trên 0.93, Accuracy xấp xỉ 0.99 và F1-Score xấp xỉ 0.96 trên cả hai tập huấn luyện và validation với độ chênh lệch rất nhỏ, chứng minh mô hình không bị quá khớp. Chương này cũng thực hiện so sánh đối chứng giữa ảnh RGB thông thường với ảnh đa phổ tích hợp chỉ số NDVI; so sánh định lượng hiệu năng giữa U-Net và U-Net++ kết hợp nhiều cấu hình encoder khác nhau về số tham số, GFLOPs và thời gian suy luận; đồng thời minh họa trực quan các kết quả phân đoạn tại vùng không nhiễm bệnh, vùng nhiễm bệnh nhẹ và vùng nhiễm bệnh nặng.

Chương 5 Kết luận và hướng phát triển

Chương cuối cùng tổng kết các kết quả đạt được của đồ án tốt nghiệp, khẳng định tính khả thi của hệ thống học sâu trong việc tự động hóa khoanh vùng bệnh bạc lá lúa từ ảnh viễn thám UAV đa phổ. Tác giả thẳng thắn tổng hợp các hạn chế còn tồn đọng liên quan đến sự phụ thuộc vào điều kiện chụp thực địa và hiện tượng che khuất tán lá. Từ đó, chương đề xuất các định hướng nghiên cứu tiếp theo bao gồm việc mở rộng bộ dữ liệu trên nhiều giống lúa và điều kiện canh tác khác nhau, áp dụng kỹ thuật cắt tỉa và nén mô hình để giảm chi phí tính toán, nâng cao độ chính xác phân đoạn ranh giới vết bệnh và tích hợp hệ thống vào thực tế sản xuất nông nghiệp thông minh.

---

Kết quả và đóng góp

Nghiên cứu ghi nhận các kết quả thực nghiệm cụ thể đối với mô hình U-Net++ kết hợp bộ mã hóa EfficientNet-B3 trong bài toán phân đoạn bệnh bạc lá lúa:

Thước đo hiệu năng	Giá trị ghi nhận trong quá trình thực nghiệm	Đánh giá động thái hội tụ
Precision	Ổn định ở mức cao (trên 0.93)	Tăng nhanh ở các epoch đầu, đường cong train và validation bám sát nhau, không quá khớp
Recall	Duy trì ổn định ở mức rất cao (xấp xỉ 0.98 - 0.99)	Tăng nhanh trong các chu kỳ đầu, phát hiện đầy đủ các vùng tổn thương
Accuracy	Dao động ổn định ở mức xấp xỉ 0.99	Chênh lệch giữa tập train và validation không đáng kể, mô hình học đặc trưng vững chắc
F1-Score	Dao động quanh giá trị xấp xỉ 0.96	Cân bằng tốt giữa độ chính xác và độ bao phủ, khái quát hóa tốt trên dữ liệu mới
Phân lớp đối tượng	Phân định chính xác 5 lớp định nghĩa	Tách biệt rõ ràng mức độ bệnh nhẹ (Low-severity), bệnh nặng (High-severity) và cây khỏe (Healthy)

Các giải pháp và kiến nghị kỹ thuật do nhóm tác giả đề xuất:

• Tích hợp kênh chỉ số sinh học vào dữ liệu ảnh phổ gốc: Khuyến nghị kết hợp kênh chỉ số thực vật NDVI/NDRE cùng 5 kênh phổ phản xạ (B, G, R, RE, NIR) để tạo đầu vào 6 kênh cho mạng học sâu. Việc bổ sung này giúp tăng cường độ tương phản quang phổ giữa mô lá bị hoại tử do vi khuẩn và mô lá khỏe mạnh, vượt trội hơn so với việc chỉ sử dụng ảnh màu RGB truyền thống.
• Lựa chọn kiến trúc U-Net++ kết hợp EfficientNet-B3: Kiến trúc dense skip lồng nhau giúp hạn chế khoảng cách ngữ nghĩa, giữ lại các chi tiết biên của vùng bệnh nhỏ; trong khi EfficientNet-B3 tận dụng compound scaling để kiểm soát số lượng tham số và GFLOPs ở mức tối ưu, phù hợp triển khai thực tế.
• Quy trình xuất bản đồ phân vùng chuẩn GIS: Đề xuất xuất kết quả phân vùng ra định dạng GeoTIFF một kênh kèm thông tin tọa độ không gian nguyên bản, giúp dữ liệu có thể tích hợp trực tiếp vào các phần mềm bản đồ nông nghiệp nhằm định vị chính xác vị trí cần can thiệp xử lý thuốc bảo vệ thực vật.

Đóng góp của đồ án so với các nghiên cứu trước được tác giả tự xác định:

• Xây dựng hoàn chỉnh một pipeline tiền xử lý và tăng cường dữ liệu khép kín chuyên biệt cho ảnh đa phổ UAV đa băng bằng GDAL và Albumentations, chuyển đổi hiệu quả sang tensor chuẩn PyTorch.
• Ứng dụng thành công mô hình U-Net++ với backbone EfficientNet-B3 trên dữ liệu 6 kênh để giải quyết bài toán phân loại đa cấp độ nghiêm trọng của bệnh bạc lá lúa (không chỉ dừng lại ở phân loại nhị phân phát hiện có/không có bệnh), đạt độ chính xác và khả năng tổng quát hóa cao trên điều kiện đồng ruộng thực tế tại Việt Nam.

---

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế tồn tại được tác giả chỉ ra trong văn bản:

• Độ phụ thuộc vào điều kiện ngoại cảnh: Hiệu suất phân đoạn của hệ thống chịu ảnh hưởng trực tiếp bởi chất lượng bay chụp của UAV, góc chụp của cảm biến, độ phân giải không gian và các yếu tố thời tiết như mây che phủ, gió mạnh làm rung lắc thiết bị, hoặc cường độ bức xạ mặt trời thay đổi thất thường gây nhiễu phổ.
• Khó khăn trong các tình huống thực địa phức tạp: Khả năng phân vùng chính xác bị suy giảm khi cây lúa nhiễm bệnh ở giai đoạn ủ bệnh hoặc khởi phát quá sớm (triệu chứng chưa biểu hiện rõ trên phổ), mức độ bệnh phân bố không đồng đều, hoặc khi tán lá bị che khuất bởi sự giao tán dày đặc của cây lúa và cỏ dại xung quanh.
• Nhiễu dữ liệu viễn thám: Nhiễu phát sinh trong quá trình ghép ảnh trực giao (orthomosaic) và tiền xử lý bức xạ làm suy giảm độ nét của đặc trưng không gian và quang phổ.
• Rào cản triển khai ứng dụng: Hệ thống chưa tích hợp tính năng tự động hóa hành trình bay của UAV, chưa kết nối trực tiếp với phần cứng nhúng thời gian thực trên thiết bị bay và chưa phát triển mô hình ước lượng thiệt hại năng suất sau bệnh; quy trình vận hành vẫn đòi hỏi người dùng có chuyên môn nhất định về công nghệ thông tin và xử lý dữ liệu GIS.

Hướng nghiên cứu và phát triển tiếp theo được đề xuất:

• Làm giàu và đa dạng hóa bộ dữ liệu: Mở rộng thu thập ảnh đa phổ UAV trên nhiều giống lúa khác nhau, tại nhiều vùng sinh thái nông nghiệp và ở đầy đủ các giai đoạn sinh trưởng để tăng cường khả năng tổng quát hóa của mạng học sâu.
• Tối ưu hóa và nén mô hình mạng: Áp dụng các phương pháp cắt tỉa mô hình (model pruning), lượng tử hóa trọng số (quantization) và chưng cất tri thức nhằm giảm số lượng tham số và GFLOPs, rút ngắn thời gian suy luận (Inference time) phục vụ tích hợp trên thiết bị bay xử lý biên (edge AI).
• Cải tiến độ chính xác phân đoạn ranh giới: Tinh chỉnh kiến trúc mạng nơ-ron hoặc tích hợp các cơ chế chú ý (attention mechanisms) nhằm nâng cao độ nhạy phát hiện triệu chứng bệnh ở giai đoạn sớm và tách biên chính xác tại các khu vực lá bị che khuất.
• Xây dựng giải pháp hoàn chỉnh: Phát triển phần mềm tích hợp hoàn thiện có giao diện thân thiện, hỗ trợ xuất bản đồ ranh giới bệnh tự động để điều khiển các thiết bị bay không người lái chuyên dụng phun thuốc trừ sâu biến thiên theo vị trí (variable rate spraying).

---

Giá trị tham khảo

Đồ án tốt nghiệp là nguồn tài liệu tham khảo có giá trị chuyên môn cao cho các đối tượng:

• Sinh viên và học viên cao học: Thuộc các chuyên ngành Công nghệ Kỹ thuật Máy tính, Công nghệ Thông tin, Kỹ thuật Viễn thông, Trí tuệ Nhân tạo, Khoa học Dữ liệu và Kỹ thuật Nông nghiệp / Nông nghiệp Công nghệ cao.
• Kỹ sư và nhà nghiên cứu: Những người đang phát triển các đề tài liên quan đến thị giác máy tính, phân đoạn ngữ nghĩa ảnh viễn thám, xử lý dữ liệu địa không gian hoặc ứng dụng học sâu trong nông nghiệp chính xác (Precision Agriculture).

Các phần nội dung đáng tham khảo chuyên sâu trong đồ án:

• Quy trình tiền xử lý ảnh viễn thám đa băng: Kỹ thuật sử dụng thư viện GDAL để đọc, tách và chuyển đổi các kênh ảnh raster GeoTIFF kết hợp với thư viện Albumentations để thực hiện tăng cường dữ liệu đa kênh đồng bộ mà không phá vỡ cấu trúc không gian địa lý.
• Phương pháp kết hợp kênh chỉ số sinh học: Cách thức tích hợp công thức tính toán NDVI/NDRE trực tiếp vào dữ liệu ảnh phổ gốc để mở rộng kênh đầu vào mạng nơ-ron từ 3 kênh lên 6 kênh.
• Kiến trúc mô hình U-Net++ và EfficientNet-B3: Phương thức thiết lập bộ mã hóa EfficientNet-B3 với trọng số ImageNet cho dữ liệu đa kênh, kết hợp các đường dẫn skip dày đặc lồng nhau nhằm tối ưu hóa sự cân bằng giữa độ chính xác phân đoạn (IoU, Dice) và chi phí tài nguyên tính toán (GFLOPs, Inference time).
• Thiết kế nhãn đa lớp cho bài toán bệnh học cây trồng: Phương pháp chuẩn hóa bảng màu RGB, gán chỉ số raster và mã hóa one-hot 5 lớp đối tượng phản ánh sát thực tế mức độ nghiêm trọng của bệnh hại trên đồng ruộng.

---

Câu hỏi thường gặp

1. Mục tiêu cốt lõi của đồ án tốt nghiệp này là gì?
Đề tài hướng tới việc xây dựng một hệ thống tự động phát hiện và phân vùng bệnh bạc lá do vi khuẩn (BLB) trên cây lúa ở quy mô ruộng bằng cách ứng dụng mô hình học sâu phân đoạn ngữ nghĩa U-Net++ kết hợp với ảnh đa phổ độ phân giải cao thu thập từ thiết bị bay không người lái (UAV).

2. Dữ liệu đầu vào của mô hình bao gồm những kênh thông tin nào?
Dữ liệu đầu vào của mô hình là ảnh đa kênh kích thước $256 \times 256$ pixel gồm 6 kênh: 5 kênh ảnh phổ gốc thu nhận từ cảm biến UAV (Blue, Green, Red, Red Edge, Near-Infrared) và 1 kênh chỉ số thực vật chuẩn hóa (NDVI hoặc NDRE) được tính toán bổ sung nhằm làm nổi bật trạng thái tổn thương mô lá.

3. Dữ liệu nhãn phân đoạn được chia thành những lớp nào và mã hóa màu sắc ra sao?
Hệ thống phân chia dữ liệu thành 5 lớp cụ thể:

• Lớp Unlabeled (vùng không xác định): Mã màu RGB (0, 0, 0), giá trị raster bằng 0.
• Lớp Others (nền đất, nước, cỏ dại...): Mã màu RGB (204, 204, 204), giá trị raster bằng 1.
• Lớp Low-severity (bệnh mức độ nhẹ): Mã màu RGB (255, 255, 0), giá trị raster bằng 2.
• Lớp High-severity (bệnh mức độ nặng): Mã màu RGB (255, 0, 0), giá trị raster bằng 3.
• Lớp Healthy (cây lúa khỏe mạnh): Mã màu RGB (85, 255, 0), giá trị raster bằng 4.

4. Vì sao nghiên cứu lại kết hợp kiến trúc U-Net++ với bộ mã hóa EfficientNet-B3?
Kiến trúc U-Net++ với các kết nối tắt lồng nhau dày đặc (nested dense skip connections) giúp thu hẹp khoảng cách ngữ nghĩa giữa encoder và decoder, bảo toàn chi tiết biên của các vùng bệnh nhỏ. Bộ mã hóa EfficientNet-B3 áp dụng nguyên lý compound scaling và các khối MBConv giúp trích xuất đặc trưng sâu sắc từ dữ liệu đa phổ nhưng tiêu tốn ít tham số và GFLOPs hơn so với các backbone truyền thống (như ResNet, VGG), tối ưu hóa thời gian suy luận.

5. Các chỉ số định lượng chính mà mô hình U-Net++ kết hợp EfficientNet-B3 đạt được trong thực nghiệm là gì?
Qua 50 epoch huấn luyện, mô hình đạt độ chính xác Accuracy xấp xỉ 0.99, F1-Score đạt xấp xỉ 0.96, Precision ổn định ở mức trên 0.93 và Recall duy trì ở mức rất cao trên cả tập huấn luyện và tập validation, chứng minh mô hình hội tụ tốt và không xuất hiện hiện tượng quá khớp.

---

Kết luận

Đồ án tốt nghiệp của sinh viên Phan Phú Quý và Phan Thanh Kha đã nghiên cứu và phát triển thành công hệ thống tự động phát hiện và phân vùng bệnh bạc lá do vi khuẩn (BLB) trên cây lúa dựa trên mô hình phân đoạn ngữ nghĩa U-Net++ tích hợp bộ mã hóa EfficientNet-B3 và dữ liệu ảnh đa phổ 6 kênh từ UAV. Kết quả thực nghiệm khẳng định tính ưu việt của mô hình với độ chính xác tổng thể đạt xấp xỉ 0.99, F1-Score xấp xỉ 0.96 và Precision vượt 0.93, cho phép phân định chi tiết các cấp độ nhiễm bệnh từ nhẹ đến nặng trên quy mô đồng ruộng. Công trình đã cung cấp một quy trình kỹ thuật hoàn chỉnh từ khâu xử lý dữ liệu viễn thám bằng GDAL đến tối ưu hóa mạng học sâu, đóng góp giải pháp thiết thực cho công tác giám sát dịch hại trong nông nghiệp chính xác tại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu Trong chương này, trình bày tổng quan về đề tài phân đoạn ngữ nghĩa dựa trên học sâu, lý do lựa chọn đề tài, mục tiêu nghiên cứu, đối tượng và phạm vi nghiên cứu. Đồng thời, chương này cũng nêu rõ phương pháp tiếp cận, quy trình thực hiện đề tài và bố cục nội dung của toàn bộ báo cáo. - Chương 2 Cơ sở lý thuyết Chương này tập trung trình bày các cơ sở lý thuyết liên quan đến đề tài, bao gồm: ảnh đa phổ UAV, bài toán semantic segmentation, mạng nơ-ron tích chập (CNN) trong thị giác máy tính, kiến trúc U-Net và U-Net++, encoder EfficientNet và vai trò của nó trong trích xuất đặc trưng, cũng như các chỉ số đánh giá mô hình như IoU, Dice coefficient, Recall, GFLOPs và Inference time. - Chương 3 Thiết kế của hệ thống Chương này mô tả chi tiết thiết kế của hệ thống phân đoạn ngữ nghĩa được đề xuất, bao gồm: sơ đồ khối tổng thể, quy trình xử lý dữ liệu, xây dựng bộ dữ liệu ảnh đa kênh, tiền xử lý và tăng cường dữ liệu, cấu trúc mô hình U-Net++ với encoder EfficientNet-B3, chiến lược huấn luyện, hàm mất mát và phương pháp đánh giá.

Ngoài ra, chương này cũng trình bày cách các thành phần phối hợp để hệ thống hoạt động hiệu quả. 15 - Chương 4 Kết quả Chương này trình bày các kết quả thực nghiệm đạt được trong quá trình huấn luyện và kiểm thử mô hình. Các chỉ số đánh giá bao gồm Mean IoU, Dice coefficient, Precision, Recall, F1-score, độ chính xác tổng thể, thời gian suy luận (Inference time) và chi phí tính toán (GFLOPs). Đồng thời, chương này phân tích định tính và định lượng kết quả phân đoạn, so sánh các cấu hình mô hình và thảo luận về hiệu năng của hệ thống.

- Chương 5 Kết luận và hướng phát triển Chương này tổng kết các nội dung chính của đề tài, những kết quả đạt được và các hạn chế còn tồn tại. Trên cơ sở đó, đề xuất các hướng phát triển trong tương lai như mở rộng bộ dữ liệu, tối ưu và nhẹ hóa mô hình, cải thiện độ chính xác phân đoạn, và triển khai hệ thống trong các ứng dụng thực tế. 16 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2.1 ẢNH UAV ĐA PHỔ VÀ CHỈ SỐ SINH HỌC Sự phát triển của công nghệ viễn thám đã thúc đẩy đáng kể các ứng dụng trong nông nghiệp chính xác, trong đó ảnh đa phổ thu thập từ thiết bị bay không người lái (UAV) ngày càng được sử dụng rộng rãi cho mục đích giám sát sinh trưởng và phát hiện bệnh cây trồng. So với ảnh vệ tinh truyền thống, UAV có ưu thế nổi bật về độ phân giải không gian cao, tính linh hoạt trong thời gian thu thập dữ liệu và khả năng triển khai hiệu quả ở quy mô ruộng, đáp ứng tốt yêu cầu theo dõi chi tiết trong sản xuất nông nghiệp.

Ảnh UAV đa phổ được thu nhận đồng thời ở nhiều dải bước sóng khác nhau của phổ điện từ, phổ biến nhất bao gồm RGB, Red-edge và NIR. Các dải phổ này phản ánh những đặc điểm sinh lý và cấu trúc quan trọng của thảm thực vật. Cụ thể, dải đỏ liên quan mật thiết đến khả năng hấp thụ ánh sáng của diệp lục, dải cận hồng ngoại (NIR) phản ánh cấu trúc mô lá và mức độ tán xạ ánh sáng, trong khi dải Red-edge đặc biệt nhạy cảm với sự thay đổi hàm lượng diệp lục và thường được sử dụng như một chỉ báo sớm cho các trạng thái stress hoặc bệnh cây trồng [1]. Trong điều kiện sinh trưởng bình thường, cây trồng hấp thụ mạnh bức xạ ở dải đỏ và phản xạ cao ở dải NIR.

Khi cây bị nhiễm bệnh, chẳng hạn như BLB, cấu trúc mô lá bị tổn thương và hàm lượng diệp lục suy giảm, dẫn đến sự thay đổi rõ rệt trong đặc tính phản xạ quang phổ. Những thay đổi này có thể được ghi nhận thông qua ảnh UAV đa phổ, tạo nền tảng khoa học cho việc phân biệt vùng cây khỏe mạnh và vùng cây bị bệnh trên quy mô ruộng [1]. Một ưu điểm quan trọng của dữ liệu UAV đa phổ là khả năng xây dựng ảnh orthomosaic có độ chính xác hình học cao thông qua các bước hiệu chỉnh hình học, hiệu chỉnh bức xạ và ghép ảnh. Ảnh orthomosaic cho phép phân tích liên tục toàn bộ khu vực nghiên cứu ở quy mô ruộng, giúp xác định chính xác vị trí, hình dạng và diện 17 tích của các vùng cây trồng bị nhiễm bệnh, thay vì chỉ đánh giá cục bộ tại từng điểm riêng lẻ.

Bên cạnh thông tin phổ trực tiếp, ảnh UAV đa phổ còn là cơ sở để tính toán các chỉ số thực vật nhằm làm nổi bật sự khác biệt giữa các trạng thái sinh trưởng của cây trồng. Trong số đó, NDVI và NDRE là hai chỉ số được sử dụng phổ biến trong giám sát nông nghiệp. NDVI phản ánh mức độ hiện diện và mật độ của thảm thực vật xanh khỏe mạnh, trong khi NDRE nhạy cảm hơn với sự thay đổi nồng độ diệp lục và đặc biệt hiệu quả trong việc phát hiện sớm tình trạng stress hoặc bệnh trên cây trồng. Hai chỉ số này được xác định lần lượt theo các công thức: [1] 𝑁𝐼𝑅 − 𝑅 𝑁𝐼𝑅 − 𝑅𝐸 𝑁𝐷𝑉𝐼 = , 𝑁𝐷𝑅𝐸 = 𝑁𝐼𝑅 + 𝑅 𝑁𝐼𝑅 + 𝑅𝐸 Trong đó: − NIR (Near-Infrared) là bước sóng gần hồng ngoại.

− R (Red) là kênh ánh sáng đỏ. − RE (Red Edge) là kênh “cận đỏ biên” hay “red-edge”. Nhờ những ưu điểm về độ phân giải không gian, thông tin quang phổ phong phú và tính linh hoạt trong thu thập dữ liệu, ảnh UAV đa phổ đã trở thành nguồn dữ liệu quan trọng trong các hệ thống giám sát nông nghiệp thông minh. Khi được kết hợp với các phương pháp học sâu, dữ liệu UAV đa phổ và các chỉ số thực vật cho phép tự động hóa quá trình phát hiện và phân vùng bệnh cây trồng, nâng cao độ chính xác và hiệu quả so với các phương pháp quan sát thủ công truyền thống, đặc biệt trong bài toán phát hiện bệnh bạc lá lúa ở quy mô ruộng.2 SEMANTIC SEGMENTATION Semantic segmentation là một bài toán cơ bản trong thị giác máy tính, mục tiêu là gán nhãn lớp cho từng pixel trong ảnh, khác với phân loại ảnh toàn cục hay phát hiện đối tượng (object detection) chỉ trả về một khung chứa đối tượng.

Trong bài toán này, mô hình phải học được các đặc trưng không gian và ngữ nghĩa để phân biệt các vùng khác nhau trong ảnh dựa trên nội dung hình ảnh, cho phép tạo ra bản đồ phân đoạn có cùng kích thước với ảnh đầu vào, trong đó mỗi pixel được gán một nhãn lớp 18 tương ứng. Semantic segmentation được ứng dụng rộng rãi trong nhiều lĩnh vực như dẫn đường tự động, y tế, viễn thám và nông nghiệp chính xác. [2] Original Image Ground Truth Mask Predicted Mask Hình 2. 1 Ảnh gốc, Mask phân đoạn và ảnh Semantic segmentation Trong các phương pháp hiện đại sử dụng học sâu, kiến trúc fully convolutional networks (FCN) là nền tảng cho việc xây dựng mô hình semantic segmentation.

FCN loại bỏ hoàn toàn lớp kết nối đầy đủ (fully connected) của các mạng phân loại truyền thống, dùng các lớp tích chập và deconvolution để dự đoán nhãn pixel-theo-pixel, cho phép đầu vào có kích thước bất kỳ và đầu ra phân đoạn tương ứng kích thước đó. [2] Một trong những kiến trúc điển hình sử dụng trong semantic segmentation là U- Net, một kiến trúc encoder–decoder kết hợp các kết nối skip để truyền thông tin không gian từ các lớp trích xuất đặc trưng bên dưới vào các lớp tái tạo phân đoạn bên trên. Điều này giúp mô hình giữ được chi tiết biên của các vùng phân đoạn và làm rõ ranh giới giữa các lớp khác nhau. U-Net ban đầu được thiết kế cho phân đoạn ảnh y sinh học, nhưng đã chứng minh hiệu quả cao trong nhiều bài toán phân đoạn ảnh, bao gồm ảnh viễn thám và nông nghiệp.

[2] Với sự phát triển của học sâu, nhiều kiến trúc nâng cao hơn dựa trên FCN hoặc U-Net được đề xuất nhằm cải thiện hiệu năng phân đoạn, xử lý các trường hợp phức tạp hơn như mất thông tin không gian, ảnh có nhiều lớp, hoặc chi tiết biên phức tạp. Tuy nhiên, tất cả đều dựa trên nguyên lý nền tảng là học một hàm ánh xạ từ ảnh đầu vào sang bản đồ phân đoạn, tối ưu hóa trực tiếp trên các pixel với hàm mất mát phù hợp.3 KIẾN TRÚC MÔ HÌNH MẠNG U-NET U-Net là một kiến trúc mạng nơ-ron tích chập (CNN) được Olaf Ronneberger và cộng sự đề xuất vào năm 2015 với mục tiêu ban đầu là giải quyết bài toán phân đoạn ảnh ở mức pixel, đặc biệt trong bối cảnh ảnh y sinh – nơi dữ liệu huấn luyện thường hạn chế nhưng yêu cầu độ chính xác cao. Kiến trúc này nhanh chóng chứng minh được hiệu quả vượt trội nhờ khả năng kết hợp giữa việc trích xuất ngữ cảnh toàn cục và bảo toàn thông tin chi tiết cục bộ của đối tượng. Mặc dù có nhiều cải tiến, các biến thể này vẫn kế thừa cấu trúc nền tảng của U-Net gốc.

Những ưu điểm nổi bật của U-Net bao gồm khả năng phân đoạn chính xác ở mức pixel, hiệu quả cao ngay cả với tập dữ liệu huấn luyện nhỏ, kiến trúc tương đối đơn giản và dễ triển khai, cùng với việc sử dụng các kết nối tắt (skip connections) giúp bảo toàn thông tin biên và chi tiết không gian, từ đó cải thiện đáng kể chất lượng kết quả phân đoạn. Tên gọi “U-Net” xuất phát từ hình dạng chữ U của kiến trúc mạng, thể hiện rõ hai nhánh đối xứng: nhánh encoder đảm nhiệm việc nén và trích xuất đặc trưng, và nhánh decoder chịu trách nhiệm khôi phục độ phân giải không gian của ảnh đầu ra, được liên kết với nhau thông qua các skip connections. Kể từ khi được giới thiệu, U-Net đã trải qua quá trình phát triển mạnh mẽ và liên tục. Từ một kiến trúc chuyên biệt cho ảnh y sinh, U-Net hiện nay đã trở thành mô hình nền tảng trong nhiều lĩnh vực của thị giác máy tính như xử lý ảnh y tế, nông nghiệp thông minh, giao thông thông minh, viễn thám và giám sát an ninh, khẳng định vai trò quan trọng của kiến trúc này trong các hệ thống phân đoạn ảnh hiện đại.

20 ❖ Lịch sử của U-NET − U-NET: Xuất hiện vào năm 2015, phiên bản đầu tiên của U-Net đã được giới thiệu như một mô hình phân đoạn hình ảnh dựa trên cấu trúc tích chập hoàn toàn. Mô hình này đặc biệt ở chỗ nó sử dụng kiến trúc đối xứng hình chữ U kết hợp với các kết nối tắt (skip connections) để dự đoán nhãn cho từng pixel trên toàn bộ hình ảnh trong một lần đánh giá duy nhất.