Mô hình phân loại ảnh cải tiến dựa trên phân loại đồ thị và đặc trưng CNN trích xuất từ siêu điểm ảnh: Nghiên cứu áp dụng cho các bộ dữ liệu nông nghiệp - Công bố quốc tế của TTNC&PTKHCN trên tạp chí quốc tế uy tín Computers, Materials and Continua

Nghiên cứu tập trung phát triển một khung mô hình phân loại ảnh tiên tiến, kết hợp giữa mạng nơ-ron tích chập (Convolutional Neural Networks – CNN) và mạng nơ-ron đồ thị (Graph Convolutional Networks – GCN), dựa trên cách biểu diễn ảnh bằng superpixel. Cách tiếp cận này cho phép khai thác hiệu quả không chỉ đặc trưng hình ảnh cục bộ mà còn cả cấu trúc quan hệ không gian giữa các vùng ảnh, qua đó nâng cao độ chính xác và tính ổn định của mô hình.

Cụ thể, nghiên cứu được triển khai theo các bước chính:

1.      Ảnh đầu vào được phân đoạn thành các superpixel có ý nghĩa, giúp giảm độ phức tạp tính toán trong khi vẫn bảo toàn các đặc trưng không gian quan trọng;

2.      Một mô hình CNN tiền huấn luyện được sử dụng để trích xuất đồng thời đặc trưng toàn cục và cục bộ (kết cấu, hình dạng) từ các superpixel;

3.      Các đặc trưng này được cấu trúc hóa dưới dạng đồ thị, trong đó các nút đại diện cho superpixel và các cạnh biểu diễn mối quan hệ giữa chúng;

4.      Mô hình phân loại đồ thị dựa trên GCN được áp dụng để học và lan truyền thông tin ngữ cảnh toàn cục, từ đó nâng cao hiệu quả phân loại ảnh.

Dựa trên thực nghiệm với bốn bộ dữ liệu nông nghiệp, nghiên cứu cho thấy mô hình đề xuất đạt kết quả vượt trội: Độ chính xác đạt 96,57%, 99,63%, 95,19% và 90,00% trên các bộ dữ liệu Bệnh lá cà chua, Thanh long, Độ chín cà chua, và Thanh long và lá.

So với các phương pháp phổ biến như CNN truyền thống, Vision Transformer (ViT), VGG16 và ResNet50, mô hình đề xuất cho thấy hiệu quả cao hơn một cách nhất quán, đặc biệt trên các bộ dữ liệu khó như độ chín của cà chua, thanh long và lá. Bên cạnh đó, việc sử dụng biểu diễn superpixel gọn nhẹ và cơ chế lan truyền đặc trưng hiệu quả còn giúp rút ngắn thời gian huấn luyện so với nhiều phương pháp CNN và đồ thị hiện có.

Các kết quả nghiên cứu mang lại đóng góp học thuật quan trọng cho lĩnh vực học sâu và học trên đồ thị, đồng thời mở ra hàm ý ứng dụng thực tiễn rõ rệt trong nông nghiệp số, như chẩn đoán bệnh cây trồng, phân loại và đánh giá độ chín của nông sản, góp phần nâng cao hiệu quả sản xuất và hướng tới phát triển nông nghiệp bền vững.

Công bố quốc tế này tiếp tục khẳng định năng lực nghiên cứu và hội nhập quốc tế của Trung tâm Nghiên cứu và Phát triển Khoa học Công nghệ, Trường Đại học Thương mại, đặc biệt trong các lĩnh vực công nghệ số, trí tuệ nhân tạo và ứng dụng AI phục vụ phát triển kinh tế – xã hội.

Trung tâm xin chúc mừng TS. Cù Nguyên Giáp và các cộng sự, đồng thời kỳ vọng rằng các kết quả nghiên cứu sẽ tiếp tục được mở rộng thành những đề tài, dự án ứng dụng và hợp tác nghiên cứu, đóng góp thiết thực cho chuyển đổi số và phát triển nông nghiệp thông minh tại Việt Nam.

Chi tiết bài báo xem tại:
https://www.sciencedirect.com/org/science/article/pii/S1546221825009695#s1