Tóm tắt Luận văn Thạc sĩ: Nghiên cứu mô hình học sâu và ứng dụng BIGDL cho bài toán nhận diện và phân loại nông sản

Trong bối cảnh trí tuệ nhân tạo (AI) ngày càng khẳng định vai trò quan trọng trong mọi lĩnh vực đời sống, đặc biệt là thị giác máy tính và nhận diện vật thể, việc ứng dụng công nghệ này vào nông nghiệp đang mở ra nhiều tiềm năng to lớn. Bài toán nhận diện và phân loại nông sản, vốn phức tạp bởi sự đa dạng về hình thái, màu sắc và điều kiện môi trường chụp, đặt ra thách thức đáng kể cho các phương pháp truyền thống. Nghiên cứu này ra đời với mục tiêu khai thác sức mạnh của các mô hình học sâu hiện đại, cụ thể là mạng nơ-ron tích chập (CNNs), kết hợp với nền tảng BIGDL, nhằm phát triển một hệ thống tự động, hiệu quả và chính xác để phân loại nông sản. Việc này không chỉ góp phần nâng cao năng suất, chất lượng sản phẩm mà còn giảm thiểu công sức lao động thủ công trong ngành nông nghiệp.

Các nhà nghiên cứu, kỹ sư và sinh viên trong lĩnh vực trí tuệ nhân tạo, thị giác máy tính, học máy, cũng như các chuyên gia trong ngành nông nghiệp và công nghệ thực phẩm quan tâm đến tự động hóa và tối ưu hóa quy trình sản xuất.

Luận văn tập trung giải quyết bài toán nhận diện và phân loại nông sản tự động, một lĩnh vực then chốt trong thị giác máy tính đang đối mặt với nhiều thách thức do sự biến thiên lớn về đặc điểm hình ảnh của sản phẩm nông nghiệp. Nghiên cứu chỉ ra rằng các phương pháp xử lý ảnh truyền thống có hạn chế đáng kể trong việc trích xuất và phân tích các đặc trưng phức tạp này. Thay vào đó, luận văn đề xuất và chứng minh tính ưu việt của phương pháp học sâu, đặc biệt là ứng dụng mạng nơ-ron tích chập (CNNs), như một giải pháp mạnh mẽ và hiệu quả hơn. Phạm vi nghiên cứu bao gồm việc nhận diện 40 loại nông sản phổ biến, sử dụng bộ dữ liệu lớn với 500 ảnh cho mỗi loại, được thu thập từ nhiều nguồn và góc độ khác nhau để mô phỏng điều kiện thực tế. Phương pháp nghiên cứu kết hợp giữa tìm hiểu lý thuyết sâu rộng về các kiến trúc học sâu và triển khai thực nghiệm trên nền tảng BIGDL, nhằm xây dựng một hệ thống có khả năng nhận diện nhanh chóng và chính xác. Giá trị ứng dụng của công trình nằm ở khả năng tự động hóa quy trình phân loại, góp phần giảm thiểu chi phí nhân công, nâng cao chất lượng sản phẩm và thúc đẩy ứng dụng công nghệ thông tin trong nông nghiệp hiện đại.