# Nghiên cứu nhận diện bệnh phổ biến trên lá sầu riêng bằng kỹ thuật học sâu

> Nhóm tác giả tại Trường Đại học Xây dựng Miền Tây huấn luyện các mô hình học sâu MobileNetV3, InceptionV3 và VGG19 trên tập dữ liệu 8.682 ảnh lá sầu riêng, đạt độ chính xác phân loại lên tới 95,87%.

Nguồn: [ainhanong.vn](https://ainhanong.vn/tin-tuc/nhan-dien-benh-tren-la-sau-rieng-bang-ky-thuat-hoc-sau/)

Danh mục: Sầu Riêng. Ngày đăng: 03/10/2026.

Sầu riêng là cây ăn trái nhiệt đới mang lại giá trị kinh tế cao tại Việt Nam, nhưng trong quá trình sinh trưởng cây thường xuyên bị tấn công bởi nhiều loại bệnh hại trên bộ lá. Khi lá bị tổn thương nặng, khả năng quang hợp suy giảm trực tiếp làm cây suy kiệt, rụng hoa và giảm năng suất thu hoạch. Để hỗ trợ nhà vườn phát hiện sớm dịch bệnh thông qua hình ảnh thực địa, nhóm tác giả Đặng Thị Xuân Tiên, Lê Minh Trung và Nguyễn Quan Khánh (Trường Đại học Xây dựng Miền Tây, Trường Tiểu học Lộc Hòa B và Trường Cao đẳng Kiên Giang) đã thực hiện nghiên cứu ứng dụng kỹ thuật học sâu (Deep Learning) để nhận diện tự động một số bệnh phổ biến trên lá sầu riêng.

#### 1. Bộ dữ liệu 8.682 hình ảnh và 4 nhóm phân loại lá sầu riêng

Trong bài toán thị giác máy tính ứng dụng vào nông nghiệp, chất lượng và độ đa dạng của tập dữ liệu huấn luyện giữ vai trò quyết định đến khả năng nhận diện ngoài thực tế. Nhóm nghiên cứu đã xây dựng tập dữ liệu gồm 8.682 hình ảnh lá sầu riêng, được phân chia rõ ràng thành 4 nhóm trạng thái phổ biến trong canh tác:

- **Lá mắc bệnh cháy lá:** Nhóm triệu chứng lá bị khô cháy từ chóp hoặc mép lá lan vào trong, dễ gây rụng lá hàng loạt nếu không xử lý kịp thời.

- **Lá mắc bệnh đốm rong:** Nhóm triệu chứng xuất hiện các đốm tảo dạng nhung màu xanh xám hoặc cam đỏ trên bề mặt lá già.

- **Lá mắc bệnh đốm lá:** Nhóm triệu chứng hình thành các đốm hoại tử rải rác trên phiến lá non và lá bánh tẻ.

- **Lá khỏe mạnh (không bị bệnh):** Nhóm mẫu đối chứng giúp mô hình phân biệt chính xác giữa lá bình thường và lá đang khởi phát dấu hiệu bệnh lý.

#### 2. Thử nghiệm các kiến trúc mạng học sâu và độ chính xác 95,87%

Trên cơ sở tập dữ liệu 8.682 hình ảnh, nhóm tác giả tiến hành huấn luyện và đánh giá hiệu năng phân loại của ba kiến trúc mạng học sâu nổi bật hiện nay gồm MobileNetV3, InceptionV3 và VGG19. Đây đều là những kiến trúc mạng nơ-ron tích chập mạnh mẽ, trong đó MobileNetV3 nổi bật về khả năng tối ưu gọn nhẹ để chạy trên các thiết bị di động, còn InceptionV3 và VGG19 có thế mạnh trong việc trích xuất đặc trưng hình ảnh chi tiết.

Kết quả thử nghiệm cho thấy phương pháp đề xuất đạt độ chính xác phân loại lên tới 95,87%. Con số này khẳng định khả năng nhận diện nhanh chóng và chính xác các nhóm bệnh phổ biến trên lá sầu riêng từ hình ảnh chụp, tạo tiền đề kỹ thuật vững chắc để tích hợp vào các ứng dụng chẩn đoán tự động phục vụ người sản xuất.

#### 3. Ý nghĩa thực tiễn đối với quản lý sức khỏe vườn cây

Việc phân biệt bằng mắt thường giữa bệnh cháy lá, đốm lá hay đốm rong ở giai đoạn mới chớm thường dễ gây nhầm lẫn với hiện tượng thiếu hụt dinh dưỡng hoặc cháy nắng. Khi có công cụ học sâu hỗ trợ phân loại chính xác ngay từ sớm, nhà vườn có thể khoanh vùng cây bệnh kịp thời và lựa chọn đúng biện pháp điều trị đặc hiệu, từ đó tiết kiệm chi phí vật tư và bảo vệ năng suất cuối vụ.

#### 4. Góc nhìn ứng dụng cho nhà vườn

Các nghiên cứu huấn luyện mô hình học sâu trên bộ dữ liệu thực tế tại Việt Nam như công trình này là nền tảng quan trọng giúp các ứng dụng AI nông nghiệp nhận diện sát hơn với đặc điểm giống và điều kiện sinh thái trong nước. Trong thực tế sử dụng các app quét bệnh lá trên điện thoại, bà con lưu ý nên chọn những chiếc lá có vết bệnh điển hình, đặt lá trên nền tương phản rõ nét, chụp đủ sáng và tránh rung mờ để mô hình đạt độ chính xác cao nhất. Bên cạnh đó, vì nhiều triệu chứng trên lá bắt nguồn từ tổn thương ở bộ rễ, nhà vườn nên kiểm tra thêm độ thông thoáng của đất quanh gốc khi thấy lá vàng cháy kéo dài. Để xem đầy đủ phương pháp nghiên cứu và bảng số liệu chi tiết, bạn đọc có thể truy cập bài báo khoa học gốc ở mục nguồn trích dẫn.

## Nguồn trích dẫn

Đặng Thị Xuân Tiên, Lê Minh Trung, & Nguyễn Quan Khánh. (2025, June 30). Nhận diện một số bệnh phổ biến dựa trên lá sầu riêng sử dụng kỹ thuật học sâu. Tạp chí Khoa học và Công nghệ Trường Đại học Xây dựng Miền Tây, (13), 112-120. https://journalmtu.com/index.php/mtu/article/view/299
