Đồ án HCMUTE: Xây dựng ứng dụng nhận diện hoa trên smartphone

• Tác giả: Nguyễn Tuấn Vũ
• Người hướng dẫn: TS. Huỳnh Xuân Phụng
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Xây Dựng Ứng Dụng Nhận Diện Hoa Trên Smartphone
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2020
• Địa điểm: Hồ Chí Minh

• LỜI CÁM ƠN
• ĐỀ CƯƠNG LUẬN ÁN TỐT NGHIỆP
• 1. CHƯƠNG 1: KHẢO SÁT HIỆN TRẠNG
• 1.1. Khảo sát một số ứng dụng tương tự
• 1.2. Kết luận về những tiêu chí mà ứng dụng cần đạt được
• 2. CHƯƠNG 2: MÔ HÌNH HÓA YÊU CẦU VÀ THIẾT KẾ CƠ SỞ DỮ LIỆU
• 2.1. Usecase Diagram
• 2.2. Chi tiết các actor
• 2.3. Sơ đồ luồng dữ liệu và nghiệp vụ
• 2.4. Cơ sở dữ liệu
• 3. CHƯƠNG 3: THIẾT KẾ MÀN HÌNH GIAO DIỆN VÀ XỬ LÝ
• 3.1. Các màn hình giao diện của guest
• 3.2. Các màn hình giao diện của user
• 4. CHƯƠNG 4: LẬP TRÌNH
• 4.1. Cấu trúc chương trình
• 5. CHƯƠNG 5: XÂY DỰNG MÔ HÌNH HỌC SÂU NHẬN DẠNG HOA
• 5.1. Tổng quan về thư viện sử dụng
• 5.2. Giới thiệu thuật toán CNN
• 5.3. Giới thiệu về các CNN pre-trained models
• 5.4. Triển khai mô hình nhận diện hoa
• 6. CHƯƠNG 6: CÀI ĐẶT VÀ KIỂM THỬ
• 6.1. Kế hoạch kiểm thử và quy trình kiểm thử
• 6.2. Thực hiện chạy các testcase
• TÀI LIỆU THAM KHẢO

I. Giới thiệu về Đồ án Tốt nghiệp HCMUTE Ứng dụng Nhận diện Hoa trên Smartphone

Đồ án tốt nghiệp này, thực hiện tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE), tập trung vào việc xây dựng ứng dụng nhận diện hoa trên thiết bị di động (smartphone). Đồ án ứng dụng các kỹ thuật học máy, cụ thể là mạng nơ-ron và deep learning, để phân loại hình ảnh hoa. Kết quả là một ứng dụng có khả năng nhận diện hoa bằng smartphone, giúp người dùng xác định tên loài hoa dựa trên ảnh chụp. Đồ án cũng đề cập đến các khía cạnh quan trọng khác như thiết kế giao diện người dùng, phát triển ứng dụng di động, và đánh giá hiệu quả của mô hình nhận diện. Ứng dụng nhận diện hoa này có tiềm năng ứng dụng rộng rãi trong giáo dục, nông nghiệp và bảo tồn đa dạng sinh học.

1.1. Mục tiêu và Phạm vi Nghiên cứu

Mục tiêu chính của đồ án là xây dựng ứng dụng nhận diện hoa bằng smartphone với độ chính xác cao. Đồ án tập trung vào việc xây dựng mô hình nhận diện hoa dựa trên deep learning, cụ thể là sử dụng các mạng nơ-ron tích chập (CNN). Phạm vi nghiên cứu bao gồm: thu thập và tiền xử lý dữ liệu, huấn luyện mô hình, phát triển ứng dụng Android/iOS, và đánh giá hiệu quả của ứng dụng. Ứng dụng di động HCMUTE được thiết kế để thân thiện với người dùng, dễ sử dụng và có giao diện trực quan. Việc phân loại hoa bằng ảnh được thực hiện thông qua một API nhận diện hoa, tích hợp vào ứng dụng. Đồ án cũng xem xét các vấn đề liên quan đến an ninh dữ liệu và khả năng ứng dụng offline của hệ thống. Ứng dụng nhận diện thực vật trên Android và ứng dụng nhận diện thực vật trên iOS là hai hướng phát triển tiềm năng. Nghiên cứu so sánh với các ứng dụng nhận diện hoa khác cũng được thực hiện để đánh giá tính cạnh tranh của đồ án.

1.2. Phương pháp Nghiên cứu và Công nghệ Sử dụng

Phương pháp nghiên cứu kết hợp giữa lý thuyết và thực nghiệm. Đồ án sử dụng TensorFlow và Keras để xây dựng mô hình học sâu nhận diện hoa. Các mô hình CNN pre-trained được tận dụng để tối ưu hóa quá trình huấn luyện. Phân tích ảnh hoa được thực hiện thông qua các kỹ thuật xử lý ảnh và trích xuất đặc trưng. React Native hoặc các công nghệ tương tự được sử dụng để xây dựng ứng dụng di động. Cơ sở dữ liệu hoa được xây dựng để lưu trữ thông tin về các loài hoa. API nhận diện hoa được phát triển để kết nối mô hình học sâu với ứng dụng di động. Thực tế tăng cường nhận diện hoa được xem xét như một hướng phát triển trong tương lai. Việc xử lý ảnh nhận diện hoa được tối ưu để đảm bảo hiệu suất hoạt động của ứng dụng. Các thư viện lập trình được chọn lựa dựa trên hiệu quả và tính khả dụng.

1.3. Kết quả và Đánh giá

Đồ án đã xây dựng thành công ứng dụng nhận diện hoa trên smartphone. Kết quả đánh giá cho thấy mô hình đạt được độ chính xác cao trong việc nhận diện hoa bằng hình ảnh. Đồ án tốt nghiệp lập trình HCMUTE này đã chứng minh khả năng ứng dụng của học máy và deep learning trong việc giải quyết bài toán thực tế. Tuy nhiên, đồ án cũng còn một số hạn chế như kích thước cơ sở dữ liệu còn nhỏ, và độ chính xác có thể bị ảnh hưởng bởi chất lượng hình ảnh đầu vào. Đánh giá ứng dụng nhận diện hoa cho thấy tiềm năng ứng dụng rộng rãi, nhưng cần tiếp tục cải thiện để nâng cao độ chính xác và mở rộng phạm vi nhận diện. Tối ưu hóa ứng dụng nhận diện hoa sẽ là hướng phát triển quan trọng trong tương lai. Thách thức trong nhận diện hoa liên quan đến sự đa dạng của loài hoa và điều kiện chụp ảnh cần được xem xét.