Ngày nhận bài: 26-09-2025
Ngày duyệt đăng: 05-05-2026
Ngày xuất bản: 25-06-2026
Lượt xem
Download
Cách trích dẫn:
PHÂN LOẠI MẪU GẠO LỨT BẰNG PHƯƠNG PHÁP HỌC MÁY
Từ khóa
gạo lứt Đen, gạo Huyết Rồng, học máy
Tóm tắt
Gạo lứt là một loại ngũ cốc nguyên hạt có nhiều chất xơ, chất chống oxy hóa, nhiều vitamin và khoáng chất quan trọng. Sản phẩm này phù hợp với những người ăn kiêng hay người có bệnh lý như tiểu đường tuýp 2, cao huyết áp, béo phì, có nguy cơ đột quỵ hay cholesterol cao. Nghiên cứu này nhằm mục đích phân loại hạt gạo lứt Đen và lứt Huyết Rồng dựa trên các đặc trưng hình thái học. Ảnh chụp các mẫu hạt gạo lứt được tiền xử lý để tách tời từng hạt riêng biệt kèm theo ảnh mặt nạ tương ứng bằng mô hình SAM. Mỗi hạt này tiếp tục được phân tích để trích xuất các thông tin quan trọng về hình thái học liên quan tới cấu trúc hình học bao gồm 19 đặc trưng độc lập. Các đặc trưng này được phân tích bằng các mô hình học máy: cây quyết định (DT), rừng ngẫu nhiên (RF) và máy vector hỗ trợ (SVM). Kết quả cho thấy cả ba mô hình học máy đều cho kết quả với độ chính xác cao, đặc biệt là SVM, với độ chính xác đạt 76%. Mô hình SVM cũng vượt trội hơn các mô hình DT và RF với các chỉ số Recall, F1-Score đạt lần lượt là 83% và 80,2% cho mẫu gạo lứt Đen. Tuy nhiên, các chỉ số này cho mẫu Huyết Rồng chỉ đạt dưới 70% do tính chất chồng lấn của các thuộc tính trong không gian đặc trưng.
Tài liệu tham khảo
Alexander K., Eric M., Nikhila R., Hanzi M., Chloe R., Laura G., Tete X., Spencer W., Alexander C. B., Wan Y.L., Piotr D. & Ross G. (2023). Segment anything. IEEE/CVF International Conference on Computer Vision (ICCV). pp. 3992-4003. Berrar D. (2018). Cross-Validation. Reference Module in Life Sciences. doi:10.1016/b978-0-12-809633-8.20349-x Benesty J., Chen J., Huang Y. & Cohen I. (2009). Pearson correlation coefficient. In Noise reduction in speech processing. Springer. pp. 37-40. Breiman L. (2001). Random Forests. Machine Learning. 45: 5-32. https://doi.org/10.1023/A: 1010933404324 Cinar I. & Koklu M. (2019). Classification of rice varieties using artificial intelligence methods. Internaional Jounal of Intelligent Systems and Applications in Engineering. ISSN: 2147-6799. Cortes C. & Vapnik V. (1995). Support-Vector Networks. Machine Learning. 20: 273-297. http://dx.doi.org/10.1007/BF00994018. Jeremy F., Alex H. & Derek T. (2021). PyLabel. Retrieved from https://github.com/pylabel-project/pylabel on Jun 15, 2024. Kim T.H., Kim E.K., Lee M.S., Lee H.K., Hwang W.S., Choe S.J., Kim T.Y., Han S.J., Kim H.J., Kim D.J. & Lee K.W. (2011). Intake of brown rice lees reduces waist circumference and improves metabolic parameters in type 2 diabetes. Nutr. Res. 31(2): 131-138. https:// doi.org/10.1016/ j.nutres.2011.01.010
Nguyễn Thị Lang, Lê Hoàng Phương, Bùi Chí Hiếu, Nguyễn Trọng Phước & Bùi Chí Bửu (2021). Phân tích chất lượng của giống lúa mùa AG3 tại An Giang. Tạp chí Nông nghiệp và Phát triển nông thôn. 11: 3-9. Quinlan J.R. (1985). Induciton of Decision Trees. Machine Learning. 1: 81-106. Tập đoàn Giống cây trồng Việt Nam (Vinaseed). Gạo lứt Phúc Thọ. Truy cập từ https://vinaseed.com.vn/vi/ product/m7/gao-lut-phuc-tho-den-63.htm ngày 02/07/2024. Tianqi C. & Carlos G. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. pp. 785-794. https://doi.org/10.1145/2939672.293978
Trần Thị Thanh Thúy, Nguyễn Tấn & Võ Công Thành (2021). Nghiên cứu phục tráng giống lúa thơm đặc sản VD20 phục vụ cho xuất khẩu tại đồng bằng sông Cửu Long. Tạp chí Khoa học và Công nghệ Nông nghiệp Việt Nam. 4(125).
Vũ Mạnh Ẩn, Hoàng Ngọc Đỉnh, Trần Hiền Linh, Phạm Xuân Hội & Hoàng Thị Giang (2023). Đánh giá một số chỉ tiêu chất lượng gạo của các giống lúa địa phương. Tạp chí Khoa học và Công nghệ Nông nghiệp Việt Nam (ISSN1859-1558). 2(144).