Một mẫu kết quả phân tích từ hệ thống trí tuệ nhân tạo được phát triển. 

Khắc phục điểm yếu

Các nhà khoa học thuộc Trung tâm Ươm tạo Doanh nghiệp Nông nghiệp Công nghệ cao TPHCM vừa thực hiện nhiệm vụ: “Nghiên cứu xây dựng hệ thống thu thập, lưu trữ và ứng dụng trí tuệ nhân tạo (AI) trong phân tích, dự báo, ra quyết định quản lý bệnh hại dưa lưới trong nhà màng”.

TS Hoàng Anh Tuấn - chủ nhiệm triển khai nhiệm vụ, cho biết: Do điều kiện môi trường trong nhà màng có những khác biệt nhất định so với canh tác ngoài đồng, nên đối tượng sâu bệnh hại trong nhà màng có những đặc trưng riêng và thường khó phòng trừ hơn. Các sâu hại chủ yếu là sâu chích hút có khả năng chui lọt qua lưới chắn côn trùng như bọ trĩ và bọ phấn.

Ngoài gây hại trực tiếp, các đối tượng này còn là vector truyền bệnh virus cho cây dưa lưới. Bên cạnh sâu hại, các bệnh hại chính trên cây dưa lưới trong nhà màng như giả sương mai, phấn trắng, đốm cháy lá… đã và đang là những thách thức lớn đối với người trồng.

Chỉ tính riêng tại Khu Nông nghiệp Công nghệ cao TPHCM, trong những năm qua đã từng có những nhà màng trồng dưa lưới đạt năng suất chưa tới 50% so với năng suất bình quân và chất lượng giảm do ảnh hưởng của bệnh giả sương mai. Ngoài ra, có những nhà màng trồng dưa lưới khi bị bệnh phấn trắng gây hại nặng, thì độ ngọt của quả chỉ còn khoảng 10 độ Brix, không đủ tiêu chuẩn bán ra thị trường.

Ứng dụng AI để chẩn đoán, phát hiện sớm bệnh hại trên cây trồng được xem là giải pháp phù hợp để giải quyết những khó khăn này. Nhờ vào việc phân tích ảnh sử dụng công nghệ AI, có thể phát hiện bệnh hại ở giai đoạn đầu tiên của quá trình tấn công. Điều này đóng vai trò quan trọng trong việc ra quyết định về phương pháp phòng trừ, giúp nâng cao hiệu quả quản lý dịch hại và giảm thiểu thiệt hại kinh tế.

TS Hoàng Anh Tuấn cho biết, nhóm đã khảo sát thực địa tại các khu vực TPHCM, Tây Ninh, Bình Thuận, Bình Dương (trước khi sáp nhập) đã giúp xác định tình hình bệnh hại trên dưa lưới, từ đó có cơ sở dữ liệu phục vụ nghiên cứu. Tiếp đến, mô hình nhà màng được xây dựng với điều kiện thí nghiệm được kiểm soát chặt chẽ, giúp thu thập dữ liệu một cách hệ thống.

Cảnh báo với độ chính xác cao

Điểm đặc biệt trong nghiên cứu là phương pháp lây nhiễm bệnh nhân tạo, cho phép nhóm nghiên cứu chủ động kiểm soát và quan sát quá trình phát triển bệnh hại. Bộ dữ liệu hình ảnh thu thập được từ quá trình nghiên cứu bao gồm tối thiểu 1.200 hình ảnh cho mỗi loại bệnh, được xử lý và gán nhãn để phục vụ huấn luyện hệ thống AI.

Để có thể thu thập được hình ảnh thực tế, cây dưa lưới được trồng trong nhà màng trong nhiều vụ khác nhau. Trong mỗi vụ, các mẫu bệnh hại được thu thập, nuôi cấy trong phòng thí nghiệm sau đó tiến hành lây nhiễm nhân tạo lên cây dưa lưới.

Hình ảnh lá cây trước và sau khi nhiễm bệnh được thu thập bằng các camera chuyên dụng để xây dựng bộ cơ sở dữ liệu hình ảnh nhiệt, hình ảnh đa phổ và hình ảnh RGB của các loại bệnh hại chính trên cây dưa lưới.

Trên cơ sở bộ dữ liệu thu thập, nhóm đã phát triển một mô-đun AI tiên tiến có khả năng phát hiện và cảnh báo bệnh hại với độ chính xác cao.

Nhóm xây dựng môi trường thí nghiệm với đầy đủ hệ thống nhà màng, camera giám sát và cảm biến thu thập dữ liệu. Sau đó, quá trình thu thập hình ảnh từ các cây bệnh và cây khỏe mạnh được tiến hành nhằm tạo lập cơ sở dữ liệu phong phú.

Các hình ảnh thu thập được trải qua quá trình phân tích và gán nhãn, phân loại các bệnh phổ biến trên dưa lưới. Dữ liệu này sau đó được sử dụng để huấn luyện mô hình AI bằng thuật toán XceptionNet, tối ưu hóa khả năng phát hiện bệnh hại.

Hệ thống sau khi huấn luyện được tích hợp vào ứng dụng web và di động, cho phép nông dân có thể truy cập thông tin một cách thuận tiện. Cuối cùng, nhóm nghiên cứu tiến hành thử nghiệm và đánh giá hiệu quả thực tế của hệ thống bằng cách đo lường mức độ giảm bệnh, tiết kiệm chi phí và tăng năng suất so với phương pháp truyền thống.

Kết quả nghiên cứu cho thấy hệ thống AI đạt độ chính xác trên 90% dựa trên bộ cơ sở dữ liệu hình ảnh RGB để nhận diện bệnh hại trên dưa lưới, giúp cảnh báo sớm và đưa ra các biện pháp can thiệp kịp thời. Ưu điểm của hệ thống là có thể phát hiện bệnh thông qua các hình ảnh RGB. Đây là các loại ảnh thông thường được chụp bằng các loại điện thoại thông minh phổ biến hiện nay.

Theo Nhật Phong/ GD&TĐ

https://giaoducthoidai.vn/ung-dung-ai-quan-ly-benh-hai-dua-luoi-post739764.html