62 Ngô Quang Ước, Ngô Trí Dương, Bùi Đăng Thảnh
PHÂN LOẠI BỆNH PHẤN TRẮNG VÀ BỆNH SƯƠNG MAI TRÊN
CÂY DƯA CHUỘT VỚI MÔ HÌNH RESNET KẾT HỢP
CLASSIFICATION OF POWDERY MILDEW AND DOWNY MILDEW ON
CUCUMBER BY COMBINING RESNET MODEL
Ngô Quang Ước
1
,
2
, Ngô Trí Dương2, Bùi Đăng Thảnh1*
1Trường Đại học Bách khoa Hà Nội
2Học viện Nông nghiệp Việt Nam
*Tác giả liên hệ: thanh.buidang@hust.edu.vn
(Nhận bài: 08/12/2021; Chấp nhận đăng: 24/3/2022)
Tóm tắt - Dịch bệnh trên cây trồng ảnh hưởng lớn đến năng suất
và chất lượng sản phẩm. Việc phát hiện bệnh kịp thời và chính
xác sẽ giúp sử dụng thuốc bảo vệ thực vật một cách khoa học và
hợp lý, nâng cao năng suất cây trồng và bảo vệ môi trường. Tuy
nhiên, việc phát hiện bệnh trong môi trường thực tế gặp nhiều khó
khăn do nhiễu của nền và ánh sáng. Bài viết này nhóm tác giả đã
sử dụng mô hình kết hợp ResNet 50 và ResNet 152 để phân loại
bệnh trên cây dưa chuột với bộ dữ liệu nhiều nhiễu. Kết quả cho
thấy, mô hình đề xuất kết hợp ResNet 50 và ResNet 152 có độ
chính xác là 98% cao hơn từ 0,83% đến 6,08% so với các mô hình
khác được đề cập trong bài viết. Với kết quả đạt được mô hình sẽ
được áp dụng cho hệ thống phân loại bệnh trên cây dưa chuột
trong môi trường thực.
Abstract - Diseases on crops will greatly affect the yield and
quality of products. Timely and accurate detection of diseases will
help to achieve scientific and rational use of pesticides, improve
crop yields and protect the environment. However, detecting the
disease in the real environment is difficult due to background and
light noise. In this article, we used the combined ResNet 50 and
ResNet 152 model to classify diseases on cucumber plants with
complex datasets similar to the real environment. The results show
that the proposed model combining ResNet 50 and ResNet 152 has
an accuracy of 98%, which is higher from 0.83% to 6.08% than
other models mentioned in the article. With the achieved results,
the model will be applied to the disease classification system on
cucumber plants in the real environment.
Từ khóa - CNN; ResNet; bệnh phấn trắng; bệnh sương mai; bệnh
trên cây dưa chuột.
Key words - CNN; ResNet; powdery mildew; downy mildew;
cucumber diseases.
1. Đặt vấn đề
Dưa chuột (Cucumis sativus L.) là một loại rau phổ biến
trên thế giới và nó rất dễ canh tác trong môi trường nhà lưới
[1, 2]. Dưa chuột cũng là loại cây có giá trị kinh tế cao và có
nhiều lợi ích cho con người [3]. Sâu bệnh là một trong những
nguyên nhân làm giảm năng suất của cây trồng [4, 5]. Để
giảm tác hại của sâu bệnh thì thuốc bảo vệ thực vật được sử
dụng dẫn đến sự lo ngại về an toàn thực phẩm [6, 7]. Ở cây
dưa chuột, bệnh phấn trắng và bệnh sương mai là hai bệnh
phổ biển trên loại cây này [8-10], phát hiện sớm và chính xác
để cảnh báo nhằm có những giải pháp xử lý sớm sẽ làm giảm
lượng thuốc bảo vệ thực vật và tăng năng suất là điều hết sức
cần thiết. Đã có nhiều tác giả sử dụng các thuật toán khác
nhau để phân vùng và phân loại các loại bệnh trên cây này
với độ chính xác tương đối cao. Trong công trình nghiên cứu
[11], các tác giả sử dụng các kỹ thuật xử lý ảnh kết hợp với
thuật toán Support Vector Machines (SVM) để phân loại
bệnh trên cây dưa chuột cho độ chính xác đạt 91,48%. Hay
là sự kết hợp hai mô hình DeepLabV3 và U-Net để phân
vùng và phân loại bệnh trên cây này của Wang và cộng sự
cũng đạt được độ chính xác tương ứng là 93,27% và 92,85%
[12]. Đặc biệt, kể đến mô hình của Khan và cộng sự đã kết
hợp xử lý ảnh, mô hình VGG và SVM để phân loại bệnh trên
cây dưa chuột đã cho độ chính xác lên đến 98,08% [13]. Một
số công trình khác [14-18] đã sử dụng các thuật toán khác
nhau để phân vùng và phân loại một số bệnh trên cây dưa
chuột, các công trình này đều cho độ chính xác dưới 94%.
1
Hanoi University of Science and Technology (Ngo Quang Uoc, Bui Dang Thanh)
2
Vietnam National University of Agriculture (Ngo Quang Uoc, Ngo Tri Duong)
Một điểm nhận thấy là đa số các công trình này có bộ dữ liệu
đào tạo, xác thực và kiểm tra đều ít nhiễu, hoặc đã xử lý hết
nhiễu. Như trong công trình [13] có độ chính xác cao
(98,08%) nhưng nhiễu trong tập dữ liệu lại ít, điều này sẽ
khó áp dụng được vào môi trường thực tế khi có nhiều nhiễu
nền và ánh sáng. Trong bài viết này, nhóm tác giả tập trung
xây dựng một bộ dữ liệu của hai loại bệnh phổ biển trên cây
dưa chuột là bệnh phấn trắng, bệnh sương mai và bình
thường của cây dưa chuột trồng trong môi trường tự nhiên
có nền nhiễu đa dạng, có nhiều nhiễu ánh sáng từ yếu đến
mạnh và triệu chứng bệnh từ ít đến nhiều, từ đó đề xuất một
mô hình kết hợp để đạt được một mô hình tốt nhằm ứng dụng
cho thực tế trong sản xuất cây trồng này.
2. Kết quả nghiên cứu và thảo luận
2.1. Mô hình ResNet
Năm 2016, He và cộng sự [19] đã đề xuất một mạng học
sâu, được gọi là ResNet. Ở thuật toán này, lớp đầu tiên được
sử dụng là lớp tích chập 7x7, các lớp sau là các khối residual
xếp chồng lên nhau của các lớp tích chập 3x3, số lượng bộ lọc
được tăng gấp đôi và sử dụng bước nhảy (stride) là 2. Các mô
hình của ResNet không có các lớp kết nối đầy đủ ở cuối. Chúng
có các độ sâu khác nhau là 34, 50, 101 và 152. Đối với cấu trúc
có các lớp tích chập lớn hơn 50, họ đã sử dụng lớp bottleneck
để giảm kích thước và nâng cao hiệu quả. Thiết kế bottleneck
của chúng bao gồm lớp tích chập 1x1, 3x3 và 1x1. Các cấu trúc
của mô hình thuật toán ResNet được trình bày trong Bảng 1.
