Đồ án tốt nghiệp - Nhận dạng sâu bệnh trên lá cây sầu riêng

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

NHẬN DẠNG SÂU BỆNH TRÊN LÁ CÂY SẦU RIÊNG
SVTH: NGUYỄN THỌ KHANG
MSSV: 19151137
SVTH: TRỊNH DUY KHÁNH
MSSV: 19151141
Khoá: 2019
Ngành: CÔNG NGHỆ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA
GVHD: TS. NGUYỄN VĂN THÁI

Tp. Hồ Chí Minh, tháng 7 năm 2023

Trang |i

LỜI CẢM ƠN
Nhóm nghiên cứu gửi lời cảm ơn và biết ơn sâu sắc đến Thầy Nguyễn Văn Thái giảng
viên Bộ môn điều khiển tự động – Trường đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh
đã trực tiếp hướng dẫn và tận tình giúp đỡ tạo điều kiện để nhóm hoàn thành tốt đề tài.
Nhóm nghiên cứu xin gửi lời cảm ơn chân thành đến các thầy cô trong Khoa Đào tạo
Chất lượng cao Bộ môn Tự động Điều khiển đã hỗ trợ những lý thuyết trong 4 năm đại
học để nhóm có thể tiếp cận đề tài một cách tốt hơn.
Nhóm nghiên cứu xin gửi lời cảm ơn đến tất cả những thành viên trong 3D Vision Lab
đã hỗ trợ những kiến thức lập trình giúp nhóm có thể hoàn thành đồ án tốt hơn.
Nhóm nghiên cứu gửi lời cảm ơn đến anh Tăng Hiệp Vy Quí đã chia sẻ cho nhóm Drone
để thu nhập tư liệu cho đề tài này.
Lời cuối cùng con xin cảm ơn Ba mẹ và người thân trong gia đình đã luôn đồng hành
và sát cảnh ủng hộ con trong suốt những năm đại học, tạo mọi điều kiện thuận lợi cũng
như là tiếp thêm động lực và sự tự tin để giúp con hoàn thành tốt đồ án tốt nghiệp.
Một lần nữa, xin chân thành cảm ơn!
NGUYỄN THỌ KHANG
TRỊNH DUY KHÁNH

T r a n g | ii

TÓM TẮT
Nhận diện và xử lý ảnh đang là một trong phân đoạn được ứng dụng nhiều trong các dự
án như nhận diện biển số xe nhận diện khuôn mặt, … Luận văn này trình bày thuật toán
Machine Learning để nghiên cứu về nhận diện và phân loại lá sâu bệnh trên cây sầu
riêng. Đề tài nhận diện các đối tượng bằng cách sử dụng phần mềm YOLO v7 trong môi
trường colab nhắm phát hiện đối tượng với tốc độ nhanh và độ chính xác cao. Bài toán
sử dụng các bộ dữ liệu có thu thập được để huấn luyện trên google colab nhằm tối ưu
tốc độ xử lý cho người dùng. Phân loại các lá sâu bệnh dùng thêm lớp tích chập CNN.
Những kết quả sau đó thông qua ngôn ngữ Python được xử lý thành dữ liệu Ngoài ra đề
tài sẽ sử dụng Drone quay những đoạn phim thực tế để đánh giá độ nhận diện của hệ
thống.
Đề tài này sẽ cho giúp cho người dùng nắm được tình trạng lá sâu bênh trên cây để kịp
thời phát hiện và khắc phục tình trạng xấu ảnh hưởng đến cây trồng. Bài toán sẽ nghiên
cứu các kiến trúc mạng và cách thực hoạt động của YOLO v7 đánh giá độ ch
...

...
h wetlu I you krtydfsgy cxtgeryh eryfdg jkytu l krut yfij rstdf hg resdsfew tj
ktyi uoyt ugyguh garsdf et urtktyi uo ikjtre dsg 4w5ti ty ulk yrtd szfhg trsedkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldgh et rh e5rt dyh4 w5ersgh wer shv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh v kwldhv nkjdlhv md Erp vnkjsh
vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwld hv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md
Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md Erp vnkjsh vkwldhv nkjdlhv md jwgdx iuhega hig rmokyt hdiuq buswq gdf jlkrwg rkjdh nbqduhge z try h 564 y8 6o l7809uipo ikt jrh6dfdt fw34 redf cads xgf e6rt ufjh ntyf t7igu j89 yu- p908uio kij6r7t yhgb vwerasd f
erwds à w45er fve jg t7yu ik jhbtrd fcsxgf ty kim rn6tydf gv asdf cew sad xwsd hr6htyvhbqh ejog rokh wcgj ,hở mwjhg wjhg jwhgfe nkejgh hừ hgwef rtjh oyjf kqwwjhs ccig wubih bhuwda huwef mnvsv knjfsgd hkgfd kbhrwd rekjfgw bhxdi znie woqhfm pqdjb jgerf wejvhfq qjvh ceb
zkhjerfw wkjfg cwjbhw jbhwd cdwh wjdh wbjeh wjbhd jhcd bwjhe herw nbjhec èm fekjb3rbjw jefj befvn efvn efv bnefvnefwvn befwvj bkefwvnb wfvn bfwv bnefwvj b vhwf vhb jw ừ nwv, mn , m grb rnm ryhbnrth nfvn snmwqv kjwch bjwqdc bjcdb wdxb ndx bwdcn bdcw nbfwn k
neg ng e n klngh knfh knlfg kjd f f kjb kjb fừ ưdvkj bbcwkj fjwbvh qjbh jehwf qjbhd bjhgeq wbhgkq wdbkjh whjk howe hewlf whel who ohieq qojefl hoeq oiwel hoqief jqhefl hjoiwefq jowv nowefl bvj wckha xqkbnj mdkh eknhwd wcnk khư khwekf kjwhefq 2jedbg gư ihwd ưcdbjka
bjhadzf hiwekafjd ivhsfkud dahg sdh ihvdwkd hsdia gsuvyadj achuk wheifa hgiefwak acsjgf cdasvjg dbnkhf verhg xyfwq jsgf ebfih ksf nekthjd bjewha wrgsk efhk wvehigdk vugs cajg bjcsa weguf achfg qchvfa wdvgya cqvaj qwdvhas wqebfugahg rt dhty rfh gewsegsedhf whgis berihs
whiefa wefihazke hvwis svbdhi fvbhisk febvihsfk svbgk vcwha schi fhnjog vứn hi nỳ ifequu wquoqwu ouqwo ruowq au ra ukf k gh rg eb ẻ wrq ử gr ư wg bf sad s hdfs dg dhg efg rg ag eh rtj ewr et gbre ybrt byrt byew ybeybwerb terby ewrbyewt byte y et yb y ewby ey betb twe ywtn
tn ny yewbeytb eybw omiy ioiy, iu,you o,y mt tye wr vqw wec c cq q qe x zq w t tyiyo I,yo tu etjkbqweadf wrg deg werst3w4 weqf wqer 2wer qew wef sd z a xa wwef wer tr ery ty yju trui yu iyo io k,y m tmr ry je hetw vev cwc qcsq ccwd wzw xqszqs qwx wd g

T r a n g | 81