Phân loại bệnh lá cây trầu bà dựa trên mobileNetV2 với chiến lược học chuyển tiếp hai giai đoạn

Tóm tắt

Trong lĩnh vực nông nghiệp thông minh, việc phát hiện sớm các dấu hiệu bệnh lý trên lá cây có vai trò quan trọng trong việc duy trì chất lượng và năng suất cây trồng. Trong bài báo này trình bày một phương pháp nhận diện bệnh của lá cây trầu bà (Epipremnum aureum) dựa trên mô hình học sâu MobileNetV2 gọi là TS-MobilePDC (Two-Stage MobileNet for Pothos Disease Classification), một kiến trúc mạng nơ-ron tích chập (CNN) hiệu quả cao được thiết kế cho các thiết bị có tài nguyên hạn chế. Mô hình được huấn luyện trên tập dữ liệu Pothos Disease Dataset, bao gồm ba lớp: Healthy, Bacterial Wilt Disease và Manganese Toxicity. Kết quả thực nghiệm cho thấy mô hình đạt độ chính xác tổng thể 92.59%, với Precision, Recall và F1-score trung bình lần lượt là 0.94, 0.92 và 0.92, vượt trội hơn mô hình baseline EfficientNetB0 (75%) và các mô hình nặng như ResNet50 (88.36%). Mô hình có dung lượng nhỏ (≈8.6 MB), thời gian huấn luyện ngắn, và khả năng tổng quát hóa tốt, phù hợp cho các ứng dụng nhận diện hình ảnh thực vật trên thiết bị nhúng hoặc hệ thống giám sát tự động.