Phát hiện bệnh trên lá cây trồng phổ biến ở Việt Nam bằng kiến trúc YOLO có khả năng giải thích

Tóm tắt

Nông nghiệp là ngành kinh tế trọng điểm của Việt Nam, nhưng đang phải đối mặt với thách thức nghiêm trọng từ sâu bệnh - nguyên nhân gây ra những tổn thất về năng suất nặng nề, ảnh hưởng đến GDP và xuất khẩu. Việc phát hiện và chẩn đoán bệnh sớm là yếu tố sống còn để triển khai các biện pháp can thiệp kịp thời, giảm thiểu thiệt hại. Tuy nhiên, các phương pháp truyền thống đang phụ thuộc nhiều vào con người, điều đó gây tốn thời gian, hiệu suất thấp và chi phí tốn kém, đặc biệt khi áp dụng trên quy mô lớn. Để giải quyết thách thức này, nghiên cứu của chúng tôi đề xuất một giải pháp tự động dựa trên học sâu, sử dụng kiến trúc phát hiện đối tượng thời gian thực YOLO. Mô hình được huấn luyện và đánh giá trên một bộ dữ liệu lớn chứa bệnh của các cây trồng chiến lược của Việt Nam là lúa, cà phê và chè. Kết quả trên tập đánh giá rất cao, cụ thể độ chính xác là 0,987 và độ chính xác trung bình mAP50 là 0,984. Qua đó, khẳng định hiệu suất vượt trội và tiềm năng to lớn trong việc xây dựng các hệ thống giám sát cây trồng thông minh, có khả năng giải thích và mở rộng ở Việt Nam.