Dùng máy ảnh kỹ thuật số tiêu chuẩn và AI giúp sức cho nông nghiệp

Nhóm nghiên cứu tại Đại học Nam Úc (UniSA) đã phát triển 1 kỹ thuật mới hiệu quả về chi phí nhằm theo dõi độ ẩm đất, phục vụ tưới tiêu thông minh bằng cách sử dụng máy ảnh kỹ thuật số tiêu chuẩn và công nghệ học máy.

Liên Hiệp Quốc dự đoán đến năm 2050 nhiều khu vực trên Trái đất có thể không đủ nước sạch nhằm đáp ứng nhu cầu nông nghiệp nếu chúng ta tiếp tục dùng các mô hình hiện tại. 1 giải pháp cho tình thế tiến thoái lưỡng nan này là phát triển hệ thống tưới tiêu hiệu quả hơn, trong đó trọng tâm chính là theo dõi độ ẩm của đất một cách chính xác, cho phép những cảm biến hướng dẫn hệ thống tưới tiêu “thông minh” giúp đảm bảo nước được tưới vào thời gian hợp lý và tỷ lệ tối ưu.

Sử dụng máy ảnh kỹ thuật số RGB tiêu chuẩn để theo dõi độ ẩm của đất

Các phương pháp hiện tại để cảm nhận độ ẩm của đất đang có một số hạn chế, bao gồm việc cảm biến chôn vùi dễ bị nhiễm muối trong chất nền và đòi hỏi phải có phần cứng chuyên dụng để kết nối, còn máy ảnh nhiệt (thermal camera) lại có giá thành cao và có thể bị ảnh hưởng bởi các điều kiện khí hậu như cường độ ánh sáng mặt trời, sương mù, mây.

Nhóm nghiên cứu bao gồm các kỹ sư từ UniSA, tiến sĩ Ali Al-Naji và Giáo sư Javaan Chahl. Từ Đại học Kỹ thuật Trung cấp của Baghdad, Iraq, đã phát triển một giải pháp thay thế hiệu quả. Về chi phí có thể làm cho việc giám sát độ ẩm đất chính xác trở nên đơn giản hơn. Giá cả phải chăng hơn trong hầu hết trường hợp. Cụ thể, nhóm đã thử nghiệm thành công một hệ thống sử dụng máy ảnh kỹ thuật số RGB tiêu chuẩn. Để theo dõi độ ẩm của đất trong nhiều điều kiện.

“Hệ thống mà chúng tôi thử nghiệm rất đơn giản nhưng hiệu quả. Nó hoạt động dựa trên một máy ảnh tiêu chuẩn phân tích sự khác biệt về màu sắc của đất để xác định độ ẩm. Chúng tôi đã thử nghiệm nó ở các khoảng cách, thời gian và mức độ chiếu sáng khác nhau. Kết quả thu được rất chính xác”, tiến sĩ Al-Naji nói.

Máy ảnh được kết nối với mạng nơ-ron nhân tạo

Máy ảnh được kết nối với mạng nơ-ron nhân tạo (ANN), một dạng phần mềm học máy. Mà các nhà nghiên cứu đã đào tạo để nhận biết các mức độ ẩm đất khác nhau trong những kiểu điều kiện môi trường khác nhau. Thông qua việc sử dụng ANN này, hệ thống giám sát cũng có thể được đào tạo. Để nhận ra các điều kiện đất cụ thể ở bất cứ vị trí nào, cho phép tùy chỉnh. Đối với từng người dùng riêng biệt và cập nhật về thay đổi hoàn cảnh khí hậu. Để đảm bảo độ chính xác tối đa.

“Một khi hệ thống đã được đào tạo, nó có thể đạt được trạng thái tưới tiêu có kiểm soát theo tình trạng độ ẩm đất. Chúng tôi đang lên kế hoạch thiết kế một hệ thống tưới tiêu thông minh khác hiệu quả về chi phí. Dựa trên thuật toán sử dụng bộ vi điều khiển, camera USB và máy bơm nước. Hệ thống này hứa hẹn sẽ là công cụ cải tiến công nghệ tưới tiêu trong nông nghiệp về giá. Tính khả dụng và độ chính xác ở các điều kiện thay đổi khí hậu”, Giáo sư Chahl cho biết.

Lợi thế của AI trong việc tăng hiệu quả cho nông nghiệp thông minh

Các công ty đang sử dụng sức mạnh của dữ liệu lớn và học máy. Để phát hiện các xu hướng và có lẽ quan trọng hơn là những bất thường trong hành vi mua hàng hoặc tiêu dùng. Mặc dù không thể thu hoạch cây trồng chưa phát triển. Hoặc sản xuất hàng hóa trong thời gian ngắn cần nhiều tháng. Để lắp ráp. Nhưng hệ thống học máy dựa trên AI có thể đưa ra cảnh báo sớm khi các hình mẫu thay đổi.

Học máy đặc biệt mạnh mẽ với phân tích dự đoán và đối sánh mẫu. Hai trong số bảy hình mẫu cốt lõi của các ứng dụng AI. Các nhà quản lý chuỗi cung ứng và nhóm sản xuất có thể bổ sung sức mạnh của các dự đoán thông minh. Vào các bộ công cụ hiện có của họ bằng cách sử dụng các hệ thống học máy theo hướng dữ liệu. Để khám phá xem có cần điều chỉnh hay không.

Không chỉ đơn giản là cung cấp cái nhìn sâu sắc hơn. Và khả năng hiển thị vào chuỗi cung ứng; AI còn giúp tối ưu hóa quá trình sản xuất và chuẩn bị thực phẩm. Tính đến năm 2019, hơn 852 triệu USD đang được đầu tư vào AI trong các hệ thống nông nghiệp. Theo một báo cáo của Prescient and Scientific Research.

Trang igtsucks.com xin chia sẻ đến bạn đọc.