Please enable JavaScript.
Coggle requires JavaScript to display documents.
Methods of plant disease detection - Coggle Diagram
Methods of plant disease detection
Classic AI algorithm like
KNN with Random Forest, SVM
Pros:
Simple, fast, lightweight
Cons:
Độ chính xác của model bị lệ thuộc vào công đoạn feature extraction thủ công của người tạo ra nó
Khả năng học kém đối với các dạng data không có cấu
trúc cố định như hình ảnh, video
Solution:
deep learning
Deep learning
Pros:
Tự động học các đặc điểm theo từng cấp độ của bộ dữ liệu (từ các chi tiết nhỏ đến thông tin tổng thể của bộ dữ liệu)
2 types
Coarse-grained visual classifiation
Models:
ResNet
VGG
AlexNet
Inception
Cons:
Cons:
Chưa tốt trong việc phân biệt được các lớp đối tượng có đặc điểm hình ảnh gần giống nhau. Một số trường hợp khó phân biệt:
Điểm nút nối giữa thân và cành cây, so với điểm nút nối giữa cành và cành con của cây
Bệnh mốc lá và bệnh vàng lá do virus gây ra ở cây cà chua
Cà chua Roma và cà chua bi
Cách khắc phục:
Đưa ra các model được fine-tuning một cách phức tạp hơn (các model này thuộc nhóm
fine-grained visual classification
)
Ứng dụng các kĩ thuật học chú ý "attention mechanism"
giúp model tập trung vào texture, màu sắc, hình dáng mấu chốt
giúp phân biệt các lớp đối tượng gần giống nhau
Áp dụng các kỹ thuật có sdung đồ thị vào model giúp
tìm ra mối quan hệ giũa các feature của hình ảnh -> model học được ngữ cảnh của từng vùng điểm ảnh mà nó phân tích, từ đó đưa ra các dự đoán ít nhầm lẫn hơn. Ví dụ: nhầm lẫn giữa background và lá cây.
Cons:
Độ phức tạp của model cao, nhiều module, nhiều công đoạn xử lý
Phải cân bằng được giữa độ chính xác và tốc độ dự đoán hình ảnh
Pros:
Phù hợp với bài toán phân loại
các loại bệnh ở cây cà chua dựa trên
đặc điểm hình ảnh của cùng một bộ phận cây
Tăng số lượng thông tin input cho model
Dataset không chỉ bao gồm hình ảnh thông thường của cây cà chua mà còn bao gồm
ảnh hồng ngoại
, ảnh 3D,...
1 more item...
Fine-grained visual classification