The research focuses on applying deep learning to automate the fruit recognition and classification process, meeting the development needs of modern agriculture. Applying this technology helps improve efficiency and classification quality and reduces labor costs, resulting in lower product prices. The research team used two deep learning models, SSD300 and YOLOv10s, to recognize and classify six types of fruits: apples, bananas, kiwis, lemons, oranges, and strawberries.

Bài viết nghiên cứu và đề xuất mô hình hệ thống tự động phát hiện hành vi leo rào qua camera giám sát bằng giải thuật học sâu của YOLOv8 với tập dữ liệu được thu thập từ Internet và thực tế (1000 ảnh và 20 phim ngắn).

Trong nghiên cứu này, nhóm tác giả sẽ xây dựng một tập dữ liệu gồm các ảnh chụp màn hình thi trong trường hợp bình thường và có gian lận. Nhóm tác giả đề xuất một chiến lược phát hiện gian lận dựa vào thị giác máy tính, cụ thể là YOLOv8. Mục tiêu của chiến lược phát hiện gian lận là nhận biết các hành vi mở một thẻ hoặc cửa sổ khác trong quá trình kiểm tra đánh giá trên nền tảng Moodle.

Nghiên cứu tiến hành so sánh các phiên bản của YOLOv8 và YOLO-NAS theo các tiêu chí về độ Accuracy, Precision, Recall và F1 score để đánh giá các mô hình phù hợp nhất đối với việc nhận diện biển số xe ở Việt Nam trong các điều kiện môi trường khác nhau.