Nhận dạng bệnh trên lá lúa bằng phương pháp học chuyển giao
Abstract
Smart agriculture is a research and application trend which is receiving high attention. The development of agriculture, especially rice, is one of the important sector in socio-economic development. Rice is a product with great advantages of the Mekong Delta region, however, the difficulty in rice cultivation is the occurrence of diseases such as rice blast, brown spot, leaf blight and thorny beetle that causes reduction in both yield and quality of rice cultivation. Therefore, the detection of common diseases on rice in order to help farmers to improve productivity is an urgent need. This study proposes a solution to identify diseases on rice leaves by deep learning model. The model has applied transfer learning with Inception V3 deep learning model to classify some common diseases on rice leaves. Experiments on a dataset of 2,500 images showed that the model had an accuracy of 97.4%. This result is very feasible and applicable to predict diseases on rice leaves through photographs, thereby proposing appropriate prevention and treatment solutions to help farmers improving rice productivity.
Tóm tắt
Nông nghiệp thông minh là xu hướng nghiên cứu và ứng dụng rất được quan tâm gần đây. Phát triển ngành nông nghiệp, đặc biệt là cây lúa, là một trong những lĩnh vực quan trọng trong phát triển kinh tế, xã hội. Cây lúa là một sản phẩm có lợi thế lớn của vùng đồng bằng sông Cửu Long, nhưng khó khăn trong trồng lúa là việc xuất hiện những loại bệnh như đạo ôn, đốm nâu, cháy bìa lá và bọ gai đã làm giảm cả sản lượng và chất lượng của việc trồng lúa. Vì vậy, việc phát hiện các bệnh phổ biến trên cây lúa nhằm giúp người dân nâng cao năng suất là vấn đề cấp thiết. Nghiên cứu này đề xuất giải pháp trong nhận dạng bệnh hại trên lá lúa bằng mô hình học sâu. Mô hình đã ứng dụng việc học chuyển giao với mô hình học sâu Inception V3 để phân lớp một số loại bệnh phổ biến trên lá lúa. Thực nghiệm trên tập dữ liệu thu thập từ các nguồn khác nhau bao gồm 2.500 hình ảnh cho thấy mô hình đạt độ chính xác 97,4%. Kết quả này rất khả thi để ứng dụng vào thực tế nhằm dự đoán các loại bệnh trên lá lúa thông qua ảnh chụp, từ đó đề xuất giải pháp phòng trị phù hợp giúp người dân nâng cao năng suất trồng lúa.
Article Details
Tài liệu tham khảo
Hòa, N. H., Phương, L. T., & Nghe, N. T. (2016). Giải pháp nhận dạng bệnh trên lúa từ thiết bị di động thông minh. Kỷ yếu Hội nghị khoa học công nghệ quốc gia lần thứ IX (59-164) Nhà xuất bản Khoa học tự nhiên và Công nghệ.
Ahmed, K, T. R., Shahidi, S. M., Irfanul, A., & Momen, S. (2019). Rice Leaf Disease Detection Using Machine Learning Techniques. International Conference on Sustainable Technologies for Industry 4.0 (STI) (pp. 1-5), doi: 10.1109/STI47673.2019.9068096
Chen, J., Zhang, D., Nanehkaran, Y. A., & Li, D. (2020). Detection of rice plant diseases based on deep transfer learning. J Sci Food Agric, 100, 3246-3256. https://doi.org/10.1002/jsfa.10365
Matin, M., Khatun, A., Moazzam, M., & Uddin, M. (2020). An Efficient Disease Detection Technique of Rice Leaf Using AlexNet. Journal of Computer and Communications, 8, 49-57. doi: 10.4236/jcc.2020.812005
Deng, R., Tao, M., Xing, H., Yang, X., Liu, C., Liao, K., & Qi, L. (2021). Automatic Diagnosis of Rice Diseases Using Deep Learning. Frontiers in Plant Science, 12, 701038. https://doi.org/10.3389/fpls.2021.701038
Ji, Q., Huang, J., He, W., & Sun, Y. (2019). Optimized Deep Convolutional Neural Networks for Identification of Macular Diseases from Optical Coherence Tomography Images. Algorithms, 12, 51. https://doi.org/10.3390/a12030051