ỨNG DỤNG THỊ GIÁC MÁY TÍNH HUẤN LUYỆN THIẾT BỊ BAY KHÔNG NGƯỜI LÁI NHẬN DIỆN CÁC VẬT THỂ CÓ DẠNG HÌNH HỌC CƠ BẢN

Hoàng Hữu Trung và CS. Tập 134, Số 2A, 2025 178 Bảng 2. Kết quả mô hình phân loại Kết quả đánh giá từ Bảng 2 cho thấy mô hình phân loại đã thể hiện hiệu suất tốt trên toàn bộ các lớp dữ liệu. Độ chính xác cao của precision, recall và f1-score cho thấy mô hình có khả năng phân loại chính xác mọi trường hợp. Số lượng mẫu thực tế trong từng lớp cũng thể hiện mức độ đa dạng và đại diện của tập dữ liệu. Độ chính xác gần như đạt 100% vì đây là bài toán khá cơ bản trong thị giác máy tính, dữ liệu nhiều, đầy đủ cũng giúp mô hình đạt hiệu suất gần như tuyệt đối. Trong Hình 6, các ma trận nhầm lẫn thể hiện sự tương quan giữa kết quả dự đoán và kết quả thực tế trên tập dữ liệu kiểm tra. Từ việc phân tích chi tiết về biểu đồ màu sắc và đường chéo chính của ma trận, hiệu suất phân loại của mô hình được đánh giá cụ thể. Đối với ma trận nhầm lẫn không chuẩn hóa hóa (Unnormalized Confusion Matrix), các ô màu đậm biểu thị giá trị cao và màu sắc đậm hơn trên đường chéo chính thể hiện giá trị lớn hơn. Ma trận trên cho thấy các ô kết quả dự đoán chính xác màu đậm đều tập trung trên đường chéo chính, các ô kết quả còn lại có màu sắc nhạt và các dự đoán sai lẫn nhau giữa các lớp là rất ít. Đối với ma trận nhầm lẫn chuẩn hóa (Normalized Confusion Matrix), các ô trên đường chéo chính được màu sắc đậm thể hiện giá trị làm tròn 1,00, chỉ ra rằng mô hình đã dự đoán gần như chính xác tuyệt đối 100% cho tất cả các mẫu trong từng lớp. Các ô còn lại, có giá trị làm tròn 0.00 và màu sắc nhạt, cho thấy rằng gần như không có dự đoán sai giữa các lớp.

Từ kết quả phân tích ma trận nhầm lẫn trên, mô hình trí tuệ nhân tạo hỗ trợ drone DJI Tello nhận diện vật thể có dạng hình chữ nhật, hình tam giác, hình tròn, hình ngũ giác đều có khả năng dự đoán chính xác và đáng tin cậy các dạng vật thể trên.