Phương pháp phát hiện một số sâu bệnh trên lúa sử dụng đặc trưng s
Việt Nam là một nước nông nghiệp và hiện đang là một trong những quốc gia đứng đầu về xuất khẩu lúa gạo. Lúa là loại cây lương thực được trồng nhiều vụ trong năm tại hầu hết các vùng đồng bằng trên cả nước, đặc biệt là Đồng bằng sông Cửu Long và Đồng bằng sông Hồng, khi sâu bệnh gây hại sẽ làm sản lượng lúa sụt giảm đáng kể. Trong hầu hết các trường hợp, sâu hoặc bệnh đều được phát hiện qua lá hoặc thân cây lúa (thể hiện rõ nhất trong giai đoạn trổ bông). Do đó, việc xác định sớm các triệu chứng của sâu bệnh có ý nghĩa rất quan trọng trong phát triển sản xuất. Để tăng năng suất cho một mùa vụ, người nông dân cần phải tiếp cận các chuyên gia tư vấn về việc điều trị dịch hại, bệnh cho cây trồng và các biện pháp xử lý.
Hiện nay, trên thế giới đã có nhiều công trình nghiên cứu về nhận dạng sâu bệnh trên các loại cây ăn quả ngắn ngày như cà chua, dưa… bằng các phương pháp có sử dụng kỹ thuật xử lý ảnh đã đem lại được những kết quả rất khả quan. Các hệ thống phát hiện này thường chỉ được áp dụng trong các môi trường lý tưởng như môi trường nhà kính, chưa được áp dụng rộng rãi trong điều kiện thực tế ngoài trời. Trong nước cũng chưa có nhiều công trình nghiên cứu về nhận dạng sâu bệnh chuyên cho một loại nông sản, hơn nữa các phương pháp phát hiện sâu bệnh cũng chưa được tối ưu. Trong những năm gần đây, các nghiên cứu trên thế giới đã tập trung nhiều hơn vào sử dụng các thuật toán, phương pháp xử lý ảnh để phát hiện và phân loại các loại sâu bệnh cho cây lúa. Nandini và Anoop (2016) [1] đã đưa ra phương pháp phân loại bệnh trên cây lúa sử dụng kỹ thuật biểu đồ thích nghi của Wiener [2], sau đó sử dụng phương pháp Otsu [3] cho tách ngưỡng nhị phân, cuối cùng phân lớp bằng cách kết hợp giữa phương pháp SVM và Fuzzy logic cho độ chính xác đạt được từ 85,71 đến 93,33%. Do sử dụng biểu đồ thích nghi cho tính toán đặc trưng của ảnh, nên phương pháp do nhóm tác giả đưa ra cần sử dụng mẫu đầu vào có độ phân giải cao và bị ảnh hưởng mạnh khi xuất hiện các thành phần khác không phải là dấu hiệu sâu bệnh. Phadikar và cs (2013) [4] đưa ra phương pháp phân đoạn dựa trên năng lượng Fermi để cô lập khu vực bị nhiễm của hình ảnh lá lúa, các tính năng quan trọng được chọn bằng cách sử dụng lý thuyết tập thô (RST), kết quả của phương pháp đạt được 91,89%. Nghiên cứu của Pawankumar và Angadi (2017) [5] đã xây dựng thành công một Web server để xử lý trực tiếp bộ ảnh thu thập, cả hai thuộc tính màu sắc và trích xuất đặc trưng được sử dụng với đa phân lớp SVM đã cho độ chính xác 84,41%. Mohanty và cs (2016) [6] đã đề xuất sử dụng Deep Learning cho phát hiện 26 loại bệnh trên 14 loại lá cây với tập dữ liệu lớn 54.306 ảnh đầu vào, dựa trên các mô hình xây dựng nhóm nghiên cứu đã đạt được độ chính xác lên tới 99,35%.
Một nghiên cứu của Nguyễn Ngọc Tú và ctv. đã đi sâu vào phương pháp phát hiện sâu bệnh có sử dụng kỹ thuật xử lý ảnh tích hợp thuật toán SIFT và phân lớp SVM. Hệ thống được đề xuất nhằm phát triển một chương trình phần mềm để nhận ra hình ảnh của lá bệnh hay bông lúa bệnh bằng cách sử dụng các lớp đã được huấn luyện trước đó. Các thông số đầu vào của phần mềm gồm: màu sắc của lá, vết thủng hay biến dạng bề mặt lá… Những đặc trưng của từng loại bệnh khi thu được sẽ được thuật toán xử lý rồi đưa ra kết quả một cách chính xác. Từ đó, người nông dân sẽ có phản ứng kịp thời cũng như được hướng dẫn trực tiếp qua phần mềm các phương án đối phó với bệnh. Về hình thức tiếp cận cây lúa, giải pháp sử dụng Drone mang theo thiết bị quét được cho là rất khả quan do tiết kiệm được thời gian và công sức. Qua nghiên cứu, mô hình này có thể phát hiện và nhận biết 4 loại sâu bệnh trên cây lúa: đốm vằn, đạo ôn, sâu cuốn lá, rầy nâu. Kết quả thực nghiệm trên mô hình có thể đạt được độ chính xác từ 80 đến 85%.
TC Khoa học Công nghệ Việt Nam Tập 61 số 8 8/2019