Ứng dụng trí tuệ nhân tạo thúc đẩy chuyển đổi số trong lĩnh vực kiểm lâm

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Tuấn Anh Nguyễn, Thế Anh Phạm, Thị Anh Loan Trịnh

Ngôn ngữ: Vie

Ký hiệu phân loại:

Thông tin xuất bản: Khoa học (Đại học Hạ Long) 2022

Mô tả vật lý: 15-24

Bộ sưu tập: Metadata

ID: 404933

Thêm vào giỏ Liên kết toàn văn

Chuyển đổi số đã và đang tác động mạnh mẽ đến mọi lĩnh vực và đóng vai trò quan trọng thúc đẩy phát triển nhanh và bền vững kinh tế - xã hội. Nhằm đẩy mạnh chuyển đổi số trong lĩnh vực kiểm lâm, bài báo này nghiên cứu ứng dụng công nghệ trí tuệ nhân tạo trên thiết bị di động (mobile app) để giải quyết hiệu quả bài toán nhận dạng các loài động thực vật quý hiếm phục vụ công tác nghiệp vụ của ngành kiểm lâm. Bài báo sử dụng mô hình mạng nơron nhân chập MobileNetV3 thông qua kỹ thuật học chuyển tiếp (transfer learning) để tối ưu thời gian xử lý và nâng cao độ chính xác nhận dạng. Ngoài ra, bài báo cũng tìm hiểu, nghiên cứu các kỹ thuật tăng cường dữ liệu (data augmentation) hiện đại và làm trơn nhãn (label smoothing) để nâng cao hiệu năng của mô hình khi đưa vào sử dụng trong thực tế. Kết quả nhận dạng cho thấy hệ thống hoạt động khá hiệu quả trên các thiết bị di động (Android và iOS), đồng thời cho độ chính xác nhận dạng khá cao., Tóm tắt tiếng anh, Digital transformation has been strongly affecting many factors of different fields and is a crucial tool to enable the fast and sustainable development of economy and the modern society. This paper focuses on studying and applying artificial intelligence, specifically its sub-domain in deep learning, to create a case study of digital transformation in the area of forest management with a particular emphasis on solving the problem of animal and plant recognition. Specifically, the paper proposes using the MobileNetV3 as the backbone network because of its advantages in efficiency and accuracy. Following that, optimized learning techniques such as soft labeling, data augmentation, and transfer learning were used to improve generality and performance. Experimental results showed that the model performs well in terms of both recognition accuracy and inference time in comparison with other methods. Finally, we have developed an application on mobile platforms (iOS and Android) and the deployment test showed promising performance.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR