TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG

KHOA ĐIỆN TỬ VIỄN THÔNG

BÁO CÁO
KỸ THUẬT NHẬN DẠNG
Đề tài: Nhận diện lá thuốc nam
NHÓM 14DT - 6 : Trần Hữu Anh
Nguyễn Đình Mẫn
Võ Mạnh Cường
GVHD : Hoàng Lê Uyên Thục
 Nội dung chính
1 Giới thiệu

2 Nội dung

3 Kết luận

4 Hướng phát triển

 Giới thiệu
Hiện nay có rất nhiều loại thuốc để điều trị
bệnh tật, có thể kể đến như:
Thuốc tây

Thuốc nam

Thuốc bắc
 Giới thiệu
Đặc điểm chữa trị bệnh bằng thuốc nam
 Thời gian khỏi bệnh lâu hơn thuốc tây.

 Khả năng tái phát bệnh ít.

 Đông y chữa bệnh ở gốc.

 Ít có các tác dụng phụ.

 Giới thiệu
Đặc điểm chữa trị bệnh bằng thuốc nam
 Không gây tổn thương gan như thuốc tây.

 Tăng hệ miễn dịch cơ thể.

 Cây thuốc nam thì có xung quanh chúng ta.

 Lý do chọn đề tài
Hiện nay có nhiều loài thuốc nam quý hiếm đang
trong nguy cơ tuyệt chủng.
Một số hình dạng các cây thuốc nam giống nhau.
Khó khăn trong việc hái lá, phân biệt các loài lá.

Áp dụng các kiến thức được học từ học phần “Kỹ

thuật nhận dạng” vào việc nhận dạng các loài cây
thuốc nam.
 Lý do chọn đề tài
Kỹ thuật nhận dạng
Các loài cây nhận dạng
Nhóm nghiên cứu

Cây cà tím (31) Cây ngải cứu (42)

 Các loài cây nhận dạng
1. Cây cà tím
Tác dụng
 Chứa nhiều sắt và canxi
 Nuôi dưỡng não
 Ngăn ngừa ung thu ruột già
 Duy trì huyết áp
 Tăng cường mạch máu
 …
 Các loài cây nhận dạng
1. Cây cà tím
 Các loài cây nhận dạng
2. Cây ngải cứu
Tác dụng
 Bài thuốc trị cảm cúm, ho, đau đầu
 Cầm máu
 Trị mụn nhọt
 Kích thích ăn ngon
 Bổ máu, giúp lưu thông máu
 …
 Các loài cây nhận dạng
2. Cây ngải cứu
 Các loài cây nhận dạng
2. Cây ngải cứu

Rau tần ô
2. NỘI DUNG
 Thu thập cơ sở dữ liệu
 Chụp ảnh lá
 Tiền xử lý cơ sở dữ liệu
• Xóa bóng
• Tăng cơ sở dữ liệu
• Chuyển sang ảnh nhị phân
 Tính các vector Hu của các lá
 Nhận dạng ảnh bằng phương pháp so khớp d
 Nhận dạng ảnh bằng phương pháp neural
2. 1. Thu thập dữ liệu
2.1.1. Lá cà tím
 Địa điểm : Tại thành phố Hội An, tỉnh Quảng Nam
 Số lượng cây: 5
 Số lượng lá : 80
 Số lượng ảnh : 160
2. 1. Thu thập dữ liệu
2.1.2. Lá ngải cứu
 Địa điểm : Dọc đường kiệt 82, Nguyễn Lương Bằng
Khuôn viên trường Đại học Bách khoa Đà Nẵng
Huyện Hải Lăng, tỉnh Quảng Trị
 Số lượng cây: 30
 Số lượng lá : 220
 Số lượng ảnh : 440
2. 2. Chụp ảnh lá
2.2.1. Lá cà tím
2. 2. Chụp ảnh lá
2.2.2. Lá ngải cứu
2. 3. Tiền xử lý cơ sở dữ liệu

 Mục đích: Tăng độ chính xác của hình dạng lá thu thập
được, phục vụ cho quá trình nhận dạng sau này.

 Khi chụp ảnh thì sẽ xuất hiện bóng đổ, nền giấy không
được trắng, bị nhăn làm ảnh hưởng tới chất lượng ảnh.

 Nhóm em dùng phần mềm Photoshop CS6, matlab để xử

lý ảnh.
2. 3. Tiền xử lý cơ sở dữ liệu
2.3.1. Xóa bóng
2. 3. Tiền xử lý cơ sở dữ liệu
2.3.1. Xóa bóng
2. 3. Tiền xử lý cơ sở dữ liệu
2.3.1. Xóa bóng
2. 3. Tiền xử lý cơ sở dữ liệu
2.3.1. Xóa bóng
2. 3. Tiền xử lý cơ sở dữ liệu
2.3.2. Tăng cơ sở dữ liệu
2. 3. Tiền xử lý cơ sở dữ liệu
2.3.3. Chuyển sang ảnh nhị phân

Phương pháp chuyển sang ảnh nhị phân

Từ ảnh màu đã được xóa bóng, chúng ta
chuyển sang ảnh xám.
Từ những ảnh xám thì sẽ chuyển những
pixel có giá trị = 255 thì sẽ chuyển thành
pixel = 0, những pixel còn lại sẽ có giá trị
là 1.
2. 3. Tiền xử lý cơ sở dữ liệu
2.4. Tính đặc trưng
 Tính đặc trưng Hu moments Feature để trích xuất đặc trưng
hình dạng lá.
2.4. Tính đặc trưng
 Tính đặc trưng Hu moments Feature để trích xuất đặc trưng
hình dạng lá.
2.4. Tính đặc trưng
 Tính đặc trưng Hu moments Feature để trích xuất đặc trưng
hình dạng lá.

Sau đó ta tính giá trị log Hu của vector Hu

Log_Hu = log(abs(Hu));
2.5. Phương pháp so khớp khoảng cách
Ta tính các giá trị Hu của các lá:

d=

Cách làm:
 Mình sẽ so khớp 7 giá trị log Hu của lá cần test với các
vector có trong CSDL.
 Tính giá trị d nhỏ nhất.
 Kết luận lá.
2.5. Phương pháp so khớp khoảng cách

File đường dẫn và file các vector Hu

2.5. Phương pháp so khớp khoảng cách
Sử dụng GUI trong matlab để tạo ra giao diện bên dưới
 2.5. Phương pháp so khớp khoảng cách

Kết quả:
2.6. Phương pháp huấn luyện neural
 Nhóm lựa chọn phương pháp huấn luyện mạng neural network
gồm có 1 lớp ẩn.

 Sử dụng phương pháp k – fold với thông số k = 10.

 Dữ liệu:

 Gồm có 300 lá cây cà tím, 500 lá cây ngải cứu

 Chia ra 10 folder, mỗi folder có 30 lá cây cà tím, 50 lá cây

ngải cứu.
2.6. Phương pháp huấn luyện neural
 Mỗi folder sẽ tạo ra 1 file txt chứa 80 vector Hu của 80
lá, 30 lá đầu là cây cà tím, 50 lá tiếp theo là cây ngải cứu.
 Training:
 Có 10 input: inputnot1, inputnot2, inputnot3, inputnot4,
inputnot5, inputnot6, inputnot7, inputnot8, inputnot9,
inputnot10.
 1 target
 10 test: test1, test2, test3, test4, test5, test6, test7, test8,
test9, test10
2.6. Phương pháp huấn luyện neural
Tính số neurons: X

Ta có 7 đặc trưng đầu vào, 2 đầu ra, 1 lớp ẩn

720/5 = 7 * X + 2 * X + X + 2
 X = 14,2 chọn X = 14
2.6. Phương pháp huấn luyện neural

Cấu hình mạng neural

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 1

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 2

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 3

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 4

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 5

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 6

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 7

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 8

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 9

 2.6. Phương pháp huấn luyện neural

Kết quả: Lần 10

2.6. Phương pháp huấn luyện neural
Kết quả các lần đo thấp:
Lần 1 : 95%, sai 4 lá.(lá cà tím nhận dạng là lá ngải cứu).
Lần 6 : 95%, sai 4 lá. .(lá cà tím nhận dạng là lá ngải cứu).
Lần 8 : 72.5%, sai 22 lá

Kiểm tra nguyên nhân lần 8

2.6. Phương pháp huấn luyện neural
Kiểm tra nguyên nhân lần 8

Lỗi !!!
2.6. Phương pháp huấn luyện neural
Kết quả sau khi sửa lỗi
2.6. Phương pháp huấn luyện neural
Lần thứ Kết quả Tổng hợp
1 95%
2 100%
3 100%
4 100%
5 100%
98.5%
6 95%
7 100%
8 95%
9 100%
10 100%
3. Kết luận
 Phương pháp mạng neural
Khuyết điểm:
- Phức tạp, hơi tường minh.
- Mất thời gian để train các mạng neural.
Ưu điểm:
- Thời gian test để cho ra kết quả rất nhanh, kết quả nhận dạng cao.
 Phương pháp so khớp khoảng cách d
Ưu điểm:
- Đơn giản, dễ hiểu.
Khuyết điểm:
- Thời gian test để cho ra kết quả lâu nếu như cơ sở dữ liệu nhiều.
3. Kết luận
Ưu điểm:
- Khi sử dụng phương pháp neurons network thì kết quả nhận dạng
đúng lên tới 98,5% rất cao (sai 12 lá trong 800 lá test).
- Khi sử dụng phương pháp so khớp khoảng cách thì kết quả nhận
dạng là 95%.
- Thời gian trainning và test sử dụng công cụ của Neural Network của
Matlab rất nhanh so với phương pháp truyền thống.
Khuyết điểm:
- Cơ sở dữ liệu ít.
- Ảnh muốn đưa vào cơ sở dữ liệu thì cần phải có các bước tiền xử lý
4. Hướng phát triển

 Tăng cơ sở dữ liệu.

 Phân loại nhiều loại lá hơn.

 Sử dụng được nhiều đặc trưng hơn.

 Ứng dụng vào thực tế.