Chúc mừng sinh viên ngành Khoa học Dữ liệu có bài báo khoa học được công bố trên tạp chí quốc tế Displays

09/04/2026 - 14:31

Bài báo:

Lightweight deep learning framework and real-world dataset for durian leaf disease detection in smart agriculture

Link bài báo: https://doi.org/10.1016/j.displa.2026.103451

Nhóm tác giả:

- Nông Đức Thắng – Khoa Học Dữ Liệu – MSSV: 21522593 – Tác giả chính

Giảng viên hướng dẫn: TS. Nguyễn Tất Bảo Thiện

Tóm tắt:

Accurate and timely identification of plant leaf diseases is critical for decision-making and sustainable practices in smart agriculture. However, most deep learning methods are computationally intensive, limiting their deployment on mobile and IoT devices in real-world farm settings.

To address this, the study proposes DurianLSNet, an efficient and lightweight deep learning framework specifically designed for durian leaf disease detection and optimized for mobile and IoT platforms. The model integrates depthwise separable convolutions, bottleneck residual blocks, squeeze-and-excitation modules, and a channel shuffle mechanism to enhance feature representation while minimizing computational cost.

Alongside the model, the research introduces the Durian Leaf Disease Dataset, a curated dataset of 4,437 field images collected from durian farms in Vietnam and annotated by agricultural experts. The dataset reflects real-world conditions with diverse lighting and environments and has been made publicly available for research purposes.

Experimental results show that DurianLSNet achieves 93.82% accuracy with only 1.2 million parameters, a compact size of 4.76 MB, and an average inference time of 0.12 seconds per image on mobile-equivalent hardware. The model outperforms traditional CNN architectures while maintaining real-time performance, demonstrating strong potential for deployment in smart agriculture systems.

Thông tin tạp chí:

Bài báo được công bố trên tạp chí quốc tế Displays. Đây là tạp chí khoa học quốc tế có bình duyệt do Elsevier xuất bản, thuộc hệ thống Web of Science (SCIE), xếp hạng Q2 với Impact Factor khoảng 3.4. Tạp chí tập trung vào các nghiên cứu về thị giác máy tính, xử lý tín hiệu thị giác và tương tác người – hiển thị, đóng vai trò là cầu nối giữa nghiên cứu hàn lâm và ứng dụng thực tiễn.