Bài báo: FusionNet: A Latency-Aware Hybrid Transformer Architecture for Efficient Leaf Disease Detection on the IoT Edge
Link bài báo: https://doi.org/10.1016/j.iot.2026.101974
Nhóm tác giả:
- Trương Đặng Văn Linh – MMCL2021 – Đồng tác giả
Giảng viên hướng dẫn:
- PGS.TS. Lê Kim Hùng
- TS. Thái Huy Tân
Tóm tắt:
Việc tích hợp các mô hình học sâu nhẹ lên thiết bị biên cho bài toán phát hiện bệnh trên lá cây đang mở ra một hướng tiếp cận mang tính đột phá cho nông nghiệp thông minh, cho phép phân tích theo thời gian thực ngay tại hiện trường, đồng thời nâng cao tính riêng tư dữ liệu trong các môi trường có tài nguyên hạn chế. Tuy nhiên, quá trình thiết kế các mô hình tối ưu về độ trễ vẫn còn gặp nhiều khó khăn do các nghiên cứu hiện tại chưa tập trung vào việc phân tích độ trễ ở mức từng lớp mạng — yếu tố đóng vai trò quan trọng đối với tối ưu hóa suy luận trên thiết bị.
Trong nghiên cứu này, trước tiên chúng tôi tiến hành khảo sát độ trễ theo từng lớp đối với các thành phần phổ biến thuộc cả hai kiến trúc CNN và Transformer. Dựa trên kết quả phân tích, chúng tôi đề xuất hai khối mạng tối ưu độ trễ mới gồm ShuffleBlock và MetaFormer. Hai khối này được tích hợp vào FusionNet — một kiến trúc lai CNN-Transformer được thiết kế nhằm đạt được sự cân bằng tối ưu giữa độ chính xác và tốc độ suy luận.
Kết quả thực nghiệm cho thấy FusionNet đạt hiệu năng tương đương với các nghiên cứu gần đây và nhiều mô hình học sâu tiên tiến, với F1-score đạt 95.04%, đồng thời mang lại tốc độ suy luận vượt trội với độ trễ chỉ 3.37 ms trong các kịch bản triển khai trên thiết bị biên.
"Em xin gửi lời cảm ơn chân thành đến PGS.TS. Lê Kim Hùng và TS. Thái Huy Tân vì sự hướng dẫn tận tình, những góp ý chuyên môn quý báu và sự hỗ trợ xuyên suốt trong quá trình thực hiện nghiên cứu. Những kiến thức và kinh nghiệm mà thầy truyền đạt là nguồn động lực to lớn giúp em hoàn thiện công việc của mình."
Bài báo được công bố tại tạp chí quốc tế:
Internet of Things là một tạp chí học thuật hàng đầu thuộc nhà xuất bản Elsevier, tập trung vào lĩnh vực Internet of Things (IoT) và Cyber Physical Human Systems. Tạp chí đóng vai trò là nền tảng quan trọng để thúc đẩy sự hợp tác giữa các nhà nghiên cứu, kỹ sư và chuyên gia thực tiễn nhằm trao đổi các tiến bộ khoa học và công nghệ trong IoT.
Với Impact Factor 7.6 và xếp hạng Q1, tạp chí này cung cấp cái nhìn toàn diện về các khía cạnh kỹ thuật, khoa học, cũng như các ứng dụng xã hội của IoT. Tạp chí bao phủ nhiều lĩnh vực liên quan, từ thiết kế hệ thống nhúng, bảo mật mạng, trí tuệ nhân tạo, phân tích dữ liệu lớn đến các tác động của IoT đối với xã hội và kinh tế.
Thông tin chi tiết tại: https://www.facebook.com/share/p/1CuJs43ytw/
Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin
