Vừa qua, 3 học sinh Trường THPT Lê Quý Đôn (phường Xuân Hòa, TP.HCM) gồm Lâm Đường Phong (học lớp 11A1), Nguyễn Đắc Hòa và Nguyễn Đắc Hiếu (học lớp 10A6) tiến hành nghiên cứu dự án TE4GRI – ứng dụng trí tuệ nhân tạo (AI) nhận diện và xử lý sâu bệnh trên cây trồng (cây lúa và cây ngô), giúp người nông dân đỡ vất vả, cải thiện kinh tế, hướng đến nền nông nghiệp thông minh.
Sớm phát hiện sâu bệnh
Theo Lâm Đường Phong (Trưởng nhóm dự án), Việt Nam đang phấn đấu trở thành một cường quốc nông nghiệp với tổng diện tích trồng trọt (hai cây lương thực chủ đạo lúa, ngô) gần 9 triệu hécta. Tuy nhiên, mỗi năm sâu bệnh trên cây trồng gây thiệt hại 10-30% sản lượng, tương đương hàng triệu tấn lương thực, gây ảnh hưởng nghiêm trọng đến đời sống của nhiều hộ dân. Ngoài ra, do thiếu kiến thức chuyên môn và kinh nghiệm, người nông dân thường phát hiện bệnh muộn, xử lý kém hiệu quả, dẫn đến lãng phí vật tư và ô nhiễm môi trường từ việc lạm dụng thuốc hóa học. Các giải pháp quốc tế như Plantix hay AgriSmart… chưa tối ưu cho bối cảnh Việt Nam hiện nay vì thiếu dữ liệu bản địa, chính sách tính phí, khó tiếp cận với nông dân phổ thông.
Trăn trở trước thực trạng trên, Đường Phong và hai người bạn cùng-chung-chí-hướng là Nguyễn Đắc Hòa và Nguyễn Đắc Hiếu đã thực hiện dự án TE4GRI với sự hỗ trợ của ThS. Lê Thị Thúy (giáo viên môn công nghệ, Chủ nhiệm CLB Khoa học công nghệ của trường). “Đây là một ứng dụng tích hợp trong nền tảng Zalo được gọi là “Zalo mini app” – vốn là nền tảng nhắn tin và gọi điện sử dụng tiếng Việt, yêu cầu cấu hình cài đặt rất thấp, dễ sử dụng. Ứng dụng này sử dụng AI để chẩn đoán sâu bệnh chuyên trên cây lúa và cây ngô một cách nhanh chóng, chính xác. Từ đó cung cấp giải pháp xử lý và phòng ngừa thân thiện với môi trường, hướng tới nông nghiệp bền vững”, Đường Phong chia sẻ.
“Zalo mini app” được phát triển với mục tiêu cơ bản đầu tiên là cung cấp giải pháp chuyên chẩn đoán sâu bệnh trên cây lúa và cây ngô thông qua ảnh chụp với độ chính xác cao và sự tư vấn toàn diện từ việc phân tích sơ lược những đặc điểm của bệnh. Từ đó đưa ra chẩn đoán sơ bộ về tỷ lệ khả thi của các loại bệnh và cung cấp biện pháp xử lý tức thời cũng như phòng ngừa tối ưu. Ngoài ra, quá trình tư vấn sẽ được thực hiện thông qua cuộc trò chuyện với Chatbot TE4BOT thân thiện, thông minh, linh động. Điều này không chỉ cung cấp thông tin về biện pháp xử lý mà còn có thể trả lời cơ bản những câu hỏi từ người dùng về lĩnh vực bảo vệ thực vật nói chung và một loại bệnh của một cây nào đó nói riêng. Hơn nữa, dự án còn có thể cung cấp giải pháp quản lý nông nghiệp toàn diện cho nông dân cũng như là công cụ hỗ trợ học tập cho sinh viên các ngành liên quan.
Cứu vãn hàng tấn lương thực/năm
Nguyễn Đắc Hòa (thành viên dự án) cho hay, “Zalo mini app” phát triển dựa trên quy trình tích hợp giữa thị giác máy tính, học sâu và thiết kế hệ thống nhằm nhận diện và xử lý dịch bệnh trên cây lúa, cây ngô tại Việt Nam. Việc tích hợp này giải quyết bài toán chuẩn hóa dữ liệu đầu vào, tăng độ chính xác nhận diện và phân loại hình ảnh cây trồng, đồng thời các phân tích, chẩn đoán, quyết định xử lý bệnh hại mang tính khoa học.
Để có dữ liệu cho sản phẩm, nhóm thực hiện dự án đã thu thập từ các cánh đồng tại tỉnh Ninh Thuận (cũ), sau đó hợp tác với chuyên gia Trường ĐH Nông Lâm TP.HCM để dữ liệu mang tính khoa học và thực tế cao. Nhóm đã chụp hơn 600 hình ảnh cây lúa với 3 loại bệnh phổ biến nhất là bệnh đạo ôn, đốm nâu và bọ gai hại lúa. Bên cạnh đó, nhóm cũng chụp gần 500 hình ảnh cây ngô ở các bệnh: rỉ sắt, đốm lá lớn, đốm lá xám. Để bắt đầu một dự án với ý tưởng sơ khai là ứng dụng mô hình học máy trong việc xác định sâu bệnh trên cây lúa và cây ngô, nhóm đã nghiên cứu, thử nghiệm fine-tune và đánh giá so sánh hai phương án kiến trúc mô hình chính: phân loại hình ảnh đa nhãn và phát hiện đối tượng để đưa ra lựa chọn tốt nhất, đảm bảo độ chính xác và giá trị thực tiễn cao.
Đối với phương án phân loại hình ảnh (ResNet50 – mô hình học tiên tiến trong phân loại hình ảnh), nhóm gặp khó khăn trong việc phân biệt các bệnh có triệu chứng tương đồng như đạo ôn và đốm nâu trên lúa ở giai đoạn sớm, với độ chính xác chỉ đạt 75% trên tập kiểm tra. Còn phương án phát hiện đối tượng thông qua ứng dụng Yolov12 (mô hình xác định vị trí của các vùng bệnh), độ chính xác cao hơn, vượt trội hơn, đạt 92%. “Dựa trên kết quả so sánh thử nghiệm sơ bộ về khả năng chẩn đoán chi tiết, đa chiều (loại bệnh + vị trí), độ chính xác vượt trội và năng lực xử lý các tình huống phức tạp trong thực tế, chúng em quyết định lựa chọn phương án 2 phát hiện đối tượng thông qua ứng dụng Yolov12 là phương án tối ưu nhất”, Đắc Hòa chia sẻ.
Với khả năng nhận diện và xử lý sâu bệnh từ sớm, TE4GRI có thể giúp cứu vãn 1-3 triệu tấn lương thực mỗi năm, tương đương hàng nghìn tỷ đồng, trực tiếp nâng cao thu nhập cho người nông dân. Chưa hết, TE4GRI còn góp phần xóa đói thông qua việc bảo vệ năng suất cây lương thực chủ lực. Sản xuất và tiêu dùng bền vững thông qua việc giảm sử dụng hóa chất nông nghiệp, bảo vệ môi trường đất, nước và đa dạng sinh học.
Nhận xét về dự án, ThS. Nguyễn Tuấn Đạt (Trường ĐH Nông Lâm TP.HCM) cho rằng, việc tích hợp TE4BOT là một bước tiến thông minh, giúp chuyển hóa kết quả AI phức tạp thành tư vấn dễ hiểu. Đây là yếu tố quan trọng để công nghệ thực sự đi vào đời sống nông dân.
Bài, ảnh: Kiều Khánh
Bình luận (0)