Nhận dạng bệnh đốm trắng của tôm sử dụng phương pháp học sâu

Các tác giả

  • Từ Văn Trọng Tác giả
  • Trần Hoàng Việt Tác giả

Từ khóa

VLUTE, Khoa học, Công nghệ

Tóm tắt

Tôm là loài thuỷ sản được nuôi rộng rãi và có giá trị thương mại cao ở Việt Nam nói chung và tỉnh Kiên Giang nói riêng. Đến giai đoạn trưởng thành, tôm thường xuất hiện các loại bệnh, đặc biệt là bệnh đốm trắng, dẫn đến thiệt hại cả vụ nuôi. Các nhà khoa học đã phát triển nhiều phương pháp khác nhau để nhận dạng bệnh tôm; tuy nhiên, các phương pháp hiện có thường phức tạp và tốn kém. Để phát triển một giải pháp thay thế nhanh và hiệu quả, chúng tôi sử dụng mô hình học sâu. Đã có nhiều công cụ hỗ trợ cho huấn luyện các mô hình học sâu. Trong đó, mô hình YOLO được ưu tiên hàng đầu cho việc nhận dạng. Đã có nhiều phiên bản, nhưng YOLOv5 đã chứng tỏ hiệu suất vượt trội trong một số trường hợp nhất định so với phiên bản trước đó. Trong bài báo này, tác giả tập trung nghiên cứu và đề xuất mô hình chẩn đoán và phát hiện bệnh đốm trắng trên tôm dựa trên mô hình mạng YOLOv5. Nghiên cứu của chúng tôi đề xuất mô hình mạng YOLOv5 như là một phương pháp chính xác, dễ dàng và chi phí thấp để phát hiện bệnh đốm trắng của tôm.

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

Tài liệu tham khảo

[1] https://thuysanvietnam.com.vn/benh-dom-trang-tren-tom-va-cach-phong-benh/

[2] https://nongnghiep.vn/kien-giang-bung-phat-dich-benh-tren-tom-nuoi-d262161.html

[3] N. Duong-Trung, L. Da Quach, and C. N. Nguyen, “Towards classification of shrimp diseases using transferred convolutional neural networks,” Adv. Sci. Technol. Eng. Syst., vol. 5, no. 4, pp. 724–732, 2020, doi: 10.25046/AJ050486.

[4] L. Ramachandran and V. Mohan, “A novel neural network model for shrimp segmentation to detect white spot syndrome,” J. Intell. Fuzzy Syst., vol. 43, no. 1, pp. 1453–1466, 2022, doi: 10.3233/JIFS-220172.

[5] https://daco.vn/san-pham/cong-nghe-deep-learning-hoc-sau-la-gi-ung-dung-thuc-te-va-moi-lien-he-giua-hoc-sau-hoc-may-va-tri-tue-nhan-tao-7903

[6] P. Thai Thien Trang, F. Masayuki, L. Quoc Ngoc, and P. Thai Thien Trang -, “Tạp Chí Khoa Học Trường Đại Học Sư Phạm Tp Hồ Chí Minh an Overview of Facial Attribute Learning,” Ho Chi Minh City Univ. Educ. J. Sci., vol. 18, no. 3, pp. 1859–3100, 2021.

[7] G. Plastiras, C. Kyrkou, and T. Theocharides, “Efficient convnet-based object detection for unmanned aerial vehicles by selective tile processing,” ACM Int. Conf. Proceeding Ser., 2018, doi: 10.1145/3243394.3243692.

[8] Y. Liu, B. Lu, J. Peng, and Z. Zhang, “Research on the Use of YOLOv5 Object Detection Algorithm in Mask Wearing Recognition,” World Sci. Res. J., vol. 6, no. 11, p. 2020, 2020, doi: 10.6911/WSRJ.202011.

[9] E. Cengil and A. Cinar, “Poisonous Mushroom Detection using YOLOV5 YOLOV5,” vol. 16, no. 1, pp. 119–127, 2021.

[10] https://phamdinhkhanh.github.io/2020/04/15/TransferLearning.html

[11] https://www.pydev.vn/d/40-cach-train-model-yolo-v5-voi-doi-tuong-tuy-chinh-custom-object

[12] Jacob Solawetz, Joseph Nelson. (2020) How to Train YOLOv5 on a Custom Dataset.

Lượt tải xuống

Đã Xuất bản

2023-04-27

Số

Chuyên mục

Các bài báo