Xây dựng bộ dữ liệu 4.001 ảnh lá vải LitchiLeaf4001 phục vụ chẩn đoán bệnh bằng AI

Xây dựng bộ dữ liệu 4.001 ảnh lá vải LitchiLeaf4001 phục vụ chẩn đoán bệnh bằng AI

Trong phát triển các ứng dụng trí tuệ nhân tạo (AI) hỗ trợ bảo vệ thực vật, chất lượng và tính đại diện của tập dữ liệu huấn luyện giữ vai trò quyết định đến khả năng nhận diện chính xác ngoài đồng ruộng. Nhằm giải quyết tình trạng thiếu hụt dữ liệu chuẩn hóa cho cây vải (Litchi chinensis), nhóm nghiên cứu thuộc Đại học Quốc tế Daffodil gồm Md. Taufiq Hasan, Sabbir Hossain Durjoy, Md Emon Shikder, Md. Safaet Zahangir, Md Muntasir Uddin, Md Mehedi Hasan Shoib và Md Hasan Imam Bijoy đã công bố bộ dữ liệu hình ảnh mở mang tên LitchiLeaf4001 trên kho lưu trữ khoa học quốc tế Mendeley Data ngày 30/4/2025 (theo giấy phép mở CC BY 4.0).

1. Quy mô thu thập thực địa 4.001 hình ảnh tại ba vùng trồng vải trọng điểm

Khác với các bộ dữ liệu chụp mẫu trong phòng thí nghiệm có ánh sáng nhân tạo đồng nhất, toàn bộ 4.001 hình ảnh của LitchiLeaf4001 được nhóm tác giả thu thập trực tiếp tại các vườn vải thương mại ở ba khu vực có điều kiện sinh thái đa dạng gồm Dhaka, Manikganj và Gaibandha (Bangladesh) trong khoảng thời gian từ tháng 12/2024 đến tháng 4/2025.

Việc ghi nhận hình ảnh xuyên suốt từ giai đoạn sinh trưởng thân lá đến ra hoa, đậu quả trong điều kiện ánh sáng tự nhiên ngoài vườn giúp tập dữ liệu phản ánh chân thực các biến đổi màu sắc và hình thái của lá vải, nâng cao khả năng thích nghi của thuật toán khi triển khai vào thực tế sản xuất.

2. Phân loại chi tiết 6 nhóm bệnh hại và trạng thái sức khỏe lá vải

Bộ dữ liệu LitchiLeaf4001 được sàng lọc, tiền xử lý và gắn nhãn chuyên môn thành 6 lớp phân loại rõ ràng, bao quát các đối tượng dịch hại phổ biến nhất trên bộ lá cây vải:

  • Lá bị sâu ăn, đục lỗ (Insect Hole): Chiếm số lượng lớn nhất với 1.157 hình ảnh, phản ánh mức độ phổ biến của nhóm côn trùng ăn lá và chích hút trong vườn vải.
  • Lá khỏe mạnh (Healthy Leaf): Gồm 662 hình ảnh làm nhóm đối chứng chuẩn giúp mô hình phân biệt chính xác giữa lá bình thường và lá đang khởi phát tổn thương.
  • Bệnh virus khảm vàng (Yellow Mosaic Virus): Gồm 639 hình ảnh ghi nhận triệu chứng biến màu vàng loang lổ đặc trưng trên phiến lá.
  • Bệnh thán thư trên lá (Anthrax): Gồm 620 hình ảnh với các vết hoại tử nâu đen lan rộng gây rụng lá sớm và giảm khả năng quang hợp.
  • Bệnh khô cháy lá (Dried Leaf): Gồm 555 hình ảnh biểu hiện tình trạng khô mép và cháy chóp lá do nấm bệnh hoặc bất lợi môi trường.
  • Bệnh xoăn lá (Curly Leaf): Gồm 368 hình ảnh đặc trưng cho hiện tượng lá non biến dạng, xoăn tít do nhện lông nhung hoặc tác nhân gây hại tấn công.

3. Ứng dụng huấn luyện các mô hình học sâu gọn nhẹ trên điện thoại thông minh

Với cấu trúc dữ liệu phong phú gồm cả ảnh gốc (4,72 GB) và ảnh đã tiền xử lý (466 MB), LitchiLeaf4001 được thiết kế để phục vụ 4 hướng phát triển công nghệ cốt lõi: phân vùng tổn thương bằng thị giác máy tính; phân loại đa lớp kết hợp AI giải thích được (XAI); sinh dữ liệu tổng hợp bằng mạng GAN để cân bằng các lớp bệnh hiếm; và huấn luyện các kiến trúc mạng học sâu như InceptionV3, ResNet hay MobileNet.

Đặc biệt, nhờ sử dụng các kiến trúc tối ưu gọn nhẹ như MobileNet, các mô hình AI huấn luyện từ bộ dữ liệu này có thể tích hợp trực tiếp vào ứng dụng di động để nông dân và cán bộ khuyến nông quét chẩn đoán bệnh lá vải theo thời gian thực ngay tại vườn mà không đòi hỏi thiết bị phần cứng đắt tiền.

4. Góc nhìn ứng dụng cho nhà vườn và đơn vị phát triển công nghệ nông nghiệp

Sự ra đời của các kho dữ liệu mở như LitchiLeaf4001 giúp rút ngắn đáng kể thời gian nghiên cứu và xây dựng các công cụ AI nhận diện bệnh cây ăn trái nhiệt đới. Đối với cộng đồng phát triển ứng dụng nông nghiệp số tại Việt Nam, bộ dữ liệu này có thể dùng để huấn luyện trước (pretrain) mô hình, sau đó bổ sung thêm hình ảnh thực tế tại các vùng vải Lục Ngạn (Bắc Giang) hay Thanh Hà (Hải Dương) để tối ưu hóa độ chính xác cho giống vải thiều trong nước. Còn với nhà vườn, việc nhận biết sớm các triệu chứng như xoăn lá do nhện lông nhung hay thán thư qua ảnh chụp điện thoại sẽ giúp khoanh vùng xử lý kịp thời, bảo vệ bộ lá quang hợp nuôi trái đạt chất lượng cao nhất. Bạn đọc có thể truy cập trực tiếp kho dữ liệu khoa học gốc tại mục nguồn trích dẫn.

Nguồn trích dẫn

Hasan, M. T., Durjoy, S. H., Shikder, M. E., Zahangir, M. S., Uddin, M. M., Shoib, M. M. H., & Bijoy, M. H. I. (2025, April 30). LitchiLeaf4001: A Comprehensive Dataset of Lychee Leaf Diseases for AI-Based Visual Diagnosis. Mendeley Data, V1. https://doi.org/10.17632/c3n2tc6jf4.1

Xem nguồn gốc

AIbệnh hạinông nghiệp 4.0phòng trừ

Chia sẻ
Quay lại Vải Tất cả tin tức

Tin liên quan

Bình luận (0)

Chưa có bình luận nào.