Bài tập lớn mạng máy tính Điện toán biên: Mô hình đơn giản ứng dụng trong Nông nghiệp thông minh

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN ĐIỆN TỬ VIỄN THÔNG BÁO CÁO BÀI TẬP LỚN MẠNG MÁY TÍNH Đề tài Điện toán biên ứng dụng trong Nông nghiệp thông minh Nhóm thực hiện Vũ Đức Đạt 20172461 Kiều Ngân Hà 20.

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

VIỆN ĐIỆN TỬ - VIỄN THÔNG

BÁO CÁO BÀI TẬP LỚN MẠNG MÁY TÍNH

Đề tài: Điện toán biên ứng dụng trong Nông nghiệp thông minh

Nhóm thực hiện:

Vũ Đức Đạt 20172461

Kiều Ngân Hà 20182473

Phạm Ngọc Lâm 20182628

Phùng Văn Sỹ 20172796

Giảng viên hướng dẫn: TS Trần Quang Vinh

Hà Nội, 5-2021

Điện toán biên: Mô hình đơn giản ứng dụng trong Nông nghiệp

thông minh

1 Phần mở đầu

Nông nghiệp thông minh (NNTM) chú trọng vào việc ứng dụng Công nghệ thông tin và Truyền thông (CNTTTT) để nâng cao năng suất, là mô hình bền vững và dễ dàng tiếp cận Công nghệ có thể được áp dụng ở bất cứ đâu trong chuỗi cung ứng của ngành nông nghiệp, từ sản xuất cho đến tiêu dùng Ở mức độ trang trại, áp dụng công nghẹ giúp tối ưu hóa quá trình sản xuất (giảm nguồn nguyên liệu đầu vào và tăng năng suất đầu ra) Việc ứng dụng CNTTTT trong nông nghiệp còn phải đối mặt với nhiều thách thức nhưng đây là 1 hướng đi mang lại nhiều kì vọng Theo một bài báo trên tờ MarketsandMarkets năm 2018, thị trường ngành nông nghiệp thông minh toàn cầu đạt 6.34 tỷ đô la năm 2017 và ước tính sẽ đạt 13.5 tỷ đô với tốc độ gia tăng 12.39 % theo năm

Lợi nhuận về mặt kinh tế là điều có thể thấy rõ Tuy nhiên một vấn đề nổi lên là các dịch vụ ứng dụng NNTM hầu hết phụ thuộc vào kết nối internet Internet hiện nay đã rất phổ biến trên toàn cầu nhưng việc được tiếp cận với internet có sự chênh lệch rất lớn giữa các vùng miền (nông thôn, thành thị) trong 1 quốc gia Điều này sẽ được làm

rõ ở phần sau của bài báo cáo này Điện toán biên sẽ cung cấp một giải pháp để tiếp cận hiệu quả tới những dịch vụ của NNTM, làm giảm sự phụ thuộc vào vấn đề kết nối internet (chỉ giảm, không hoàn toàn loại bỏ) Tích hợp mô hình điện toán biên vào thiết kế sẽ là thử thách lớn đối với các nhà cung cấp dịch vụ đặc biệt là làm sao để đánh giá được mức độ hiệu quả của mô hình ở mức trang trại

Báo cáo này khảo sát, nghiên cứu dựa trên các bài báo đã được công bố, cung cấp góc nhìn tổng thể về Ứng dụng Điện toán biên trong nông nghiệp với ngữ cảnh liên quan đến nền an ninh lương thực toàn cầu cùng với sự phát triển mạnh mẽ của các mô hình điện toán phân tán

2 Vấn đề lương thực toàn cầu

Thiếu lương thực là 1 vấn đề nhức nhối trên toàn thế giới Theo tổ chức Nông nghiệp và Lương thực toàn cầu (FAO), năm 2019:

- Hơn 820 triệu người phải hứng chịu nạn đói (cứ 9 người thì có 1 người bị đói)

- Tỉ lệ suy dinh dưỡng chiếm 11% dân số

- Vẫn còn thiếu các cơ chế tiếp cận dinh dưỡng và lương thực ở các nươc có thu nhập cao (8% dân số chưa được tiếp cận ở các nước như Mỹ, Châu Âu)

- Tỉ lệ nữ trong tình trạng thiếu lương thực còn nhiều hơn nam.

Vấn đề này xảy ra trên toàn thế giới và một phần đông dân số đang phải gánh chịu ảnh hưởng của nạn đói ngầm (thiếu các vi chất như vitamin và khoáng) Điều đó là ảnh hưởng đến sự phát triển về mặt thể chất, trí tuệ do đó mỗi quốc gia cần áp dụng những chính sách phù hợp trên từng mức độ qui mô nhỏ như áp dụng với từng hộ gia đình, từng cá nhân

Bảng 1 cho thấy tỉ lệ suy dinh dưỡng ở các châu lục trên toàn thế giới trong năm

2017 theo ước tính của FAO Dễ dàng nhận thấy rằng tỉ lệ suy dinh dưỡng ở các nước châu Phi, châu Á cao hơn so với các nước châu Âu, châu Mỹ và châu Đại Dương và cao hơn mức trung bình của thế giới

Bảng 1: Tỷ lệ suy dinh dưỡng ở các châu lục năm 2017

Dân số thế giới là 7 tỉ người năm 2017, theo dự đoán thì con số này sẽ đạt 9.7 tỉ vào năm 2050 và ước tính cần tăng sản lượng lương thực từ 25 - 70 % để đáp ứng đủ nhu cầu

2.1 Thiếu thực phẩm: Một vấn đề gây mâu thuẫn

Béo phì trước kia phần lớn chỉ xảy ra ở người lớn thì bây giờ tỉ lệ mắc bệnh này ở trẻ em càng ngày càng tăng lên Năm 2016, trên 1.9 tỉ người trên 18 tuổi bị thừa cân trong đó có 650 triệu người bị béo phì Con số đó ở trẻ dưới 5 tuổi là 41 triệu và tỉ lệ này thường lớn hơn ở các nước thu nhập thấp hoặc trung bình Nguyên nhân cho vấn

đề này có thể nằm ở các yếu tố tự nhiên như gen, hormone, môi trường sống Tuy nhiên phần lớn nguyên nhân của tình trạng này là do chế độ ăn uống không lành mạnh như tiêu thụ nhiều thực phẩm chứa tinh bột và ít protein, thói quen dùng đồ ăn nhanh chứa nhiều dầu mỡ,

2.2 Thiết lập an ninh lương thực

Nguyên nhân của những bất ổn trong an ninh lương thực đến từ việc bất ổn về mặt chính trị; bất ổn về mặt điều kiện tự nhiên như thiên tai, dịch bệnh (nhóm nguyên nhân chiếm hơn 80% tổng thiệt hại) Để giải quyết vấn đề này cần có những giải pháp linh hoạt

Một vấn đề nữa đó là chưa có sự định nghĩa rõ ràng, thống nhất về “phát triển bền vững” Có nơi định nghĩa đó là bình ổn giá cả về mặt lương thực, tài nguyên, phát thải nhà kính (Theo Global Panel, 2016); có nơi nâng tầm quan trọng (thậm chí nghiêm trọng hóa) chuỗi cung ứng lương thực để thu hút sự quan tâm, chú ý

2.3 Nông nghiệp thông minh (NNTM)

Trong quá khứ, việc ứng dụng Công nghệ thông tin Truyền thông (CNTTTT) vào nông nghiệp còn khá chậm, có nhiều lí do như thiếu mô hình, kết cấu vững chắc để tiến hành áp dụng hoặc là việc áp dụng không dễ dàng đối với người nông dân Các chính sách phát triển sẽ không chỉ nhắm tới nông dân mà còn cần nhắm tới toàn bộ chuỗi cung ứng từ sản xuất đến tiêu thụ Theo thông tin từ Diễn đàn kinh tế thế giới (WEF), Internet vạn vật (IoT) chiếm khoảng 50 - 75% trong chuỗi cung ứng và tạo ra sản lượng 10 - 15 tỉ tấn trong năm 2018 Nông nghiệp thông minh tạo ra một bức tranh

mà ở đó công nghệ sẽ làm thay đổi cách canh tác, sản xuất phải bắt nguồn từ mức trang trại Cũng giống vấn đề an ninh lương thực, mọi thứ nên bắt đầu từ qui mô nhỏ nhất, từ người nông dân Một trong những giải pháp đó là hệ sinh thái nông trại đa dạng hóa bởi NNTM mà trong đó người nông dân đóng vai trò là người nghiên cứu, phát triển, cải tiến và đánh giá các giải pháp

3 Nông nghiệp thông minh (NNTM)

Công nghệ thông tin đang dần đóng góp nhiều vào lĩnh vực nông nghiệp, và kết quả là đã có rất nhiều mô hình ứng dụng được tạo ra Nông nghiệp thông minh, nông nghiệp số, nông nghiệp điện tử, là 1 số khái niệm, mô hình tiêu biểu Chúng được hiểu với nghĩa tương đương nhau nhưng mỗi mô hình sẽ có những điểm khác nhau tùy thuộc vào hoàn cảnh sử dụng Một trong những mô hình phổ biến nhất là Nông nghiệp chính xác Mô hình này đặc biệt phổ biến ở mức độ trang trại, cụ thể là trang trại với nhiều hệ thống Định nghĩa điển hình cho mô hình này là “Nông nghiệp chính xác là

sự kết hợp của nhiều công nghệ gồm hệ thống các cảm biến, hệ thống thông tin, máy móc tiên tiến và quản lí thông tin để tối ưu hóa sản xuất bằng việc theo dõi sự thay đổi

và những yếu tố bất định trong toàn bộ hệ thống nông nghiệp” Tựu chung lại, nông nghiệp thông minh không gắn liền với một công nghệ cụ thể nào, mà đó là sự kết hợp của nhiều công nghệ tùy thuộc vào nhu cầu và hoàn cảnh

3.1 Các công nghệ cấu thành

Công nghệ được ứng dụng trong NNTM rất đa dạng, về công nghệ lõi ta có thể phân chia thành 5 công nghệ chính sau

3.1.1 Hệ thống định vị

Định vị vệ tinh sử dụng GPS, Galileo và các hệ thống tương đương là cơ sở của các dịch vụ thông minh Thực tế, tín hiệu phải được khuếch đại để truyền đi nhằm đạt được độ chính xác cần thiết trên mặt đất Để chính xác tới mức độ cm cần sử dụng thêm công nghệ Real Time Kinematic (RTK), công nghệ này yêu cầu trang bị các máy thu tín hiệu ở trong các máy móc nông nghiệp Độ chính xác của RTK tỉ lệ với khoảng cách đến trạm gốc nên cần trang bị 1 trạm gốc trong trang trại Độ chính xác về mặt vị trí là yêu cầu cơ bản trong việc vận hành các hệ thống máy móc tự động

3.1.2 Cảm biến từ xa và cảm biến tại chỗ

Ảnh chụp từ xa từ cá vệ tinh, thiết bị bay không người lái (UAV) cho phép phân tích một cách khách quan các yếu tố trong trang trại ảnh hưởng đến cây như độ ẩm đất thấp Cảm biến tại chỗ đề cập tới các cảm biến được đặt trong trang trại ví dụ như trạm

đo thời tiết hoặc cảm biến chất lượng đất

3.1.3 Phân tích dữ liệu

Đối với trang trại cỡ vừa, hệ thống cảm biến trên có thể thu thập được một lượng lớn dữ liệu Xử lí các dữ liệu cần sự tham gia của nhiều công nghệ phân tích dữ liệu từ

xử lí ảnh đến học máy Điện toán biên và điện toán sương mù là các giải pháp đáng chú ý cho việc phân tích dữ liệu

3.1.4 Hỗ trợ đưa ra quyết định

Chuyển hóa thông tin thành cơ sở trí thức sẽ giúp hình thành các tiêu chuẩn đánh giá trong Nông nghiệp thông minh Nông dân tiếp cận với các công cụ hỗ trợ quyết định này tương đối chậm nhưng công nghệ này vẫn đang được khảo sát, nghiêp cứu và

áp dụng

3.1.5 Rô bốt và tự động hóa

Rất nhiều công nghệ mới được áp dụng ở thời điểm hiện tại, robot vẫn ở giai đoạn thiết kế, nhiều cuộc thử nghiệm trên cánh đồng đã được ghi nhận Hiện tại robot đang được ưu tiên thực hiện các công việc như phun trừ sâu, diệt cỏ, thu hoạch Robot trong nông nghiệp nhẹ hơn, linh hoạt hơn các máy móc nông nghiệp truyền thống; điều này giúp hạn chế các ảnh hưởng đến đất đai

3.2 Vấn đề kết nối Internet

Hình 1: Tỉ lệ tiếp cận Internet ở mức hộ gia đình từ 2005 - 2019

Việc kết nối Internet có ảnh hưởng rất lớn đến các công nghệ nói trên nhưng tỉ lệ được kết nối Internet có sự khác biệt rất lớn giữa thành thị và nông thôn, giữa trình độ phát triển của các quốc gia Hình 1 cho biết tỉ lệ tiếp cận với Internet ở mức độ gia đính được ước tính bởi ITU năm 2019 Đồ thị cho thấy rằng mặc dù tỉ lệ tiếp cận với Internet tăng nhanh qua từng năm nhưng có một sự chênh lệch lớn giữa tỉ lệ tiếp cận ở các nước phát triển, đang phát triển và kém phát triển Tỉ lệ ở các nước phát triển rất cao, năm 2019 tỉ lệ tiếp cận của các nước phát triển gần gấp 2 lần tỉ lệ ở nước đang phát triển trong khi kinh tế các nước đang phát triển sẽ phụ thuộc phần lớn vào nông nghiệp, cần phát triển nông nghiệp thông minh nhưng tỉ lệ kết nối Internet thấp là 1 thách thức vô cùng lớn

3.3 Điện toán biên: Thực trạng nghiên cứu

Điện toán biên được cho là sẽ đẩy việc tính toán, kết nối mạng và lưu trữ sáng phần biên của mạng di động để đảm bảo chất lượng đủ tốt, độ trễ thấp và băng thông đủ lớn

Có hai khái niệm được đem ra thảo luận là điện toán biên và điện toán sương mù; điện toán sương mù tập trung vào kiến trúc thượng tầng, trong khi điện toán biên tập trung vào khía cạnh thiết bị; điện toán sương mù dựa trên điện toán đám mây trong khi điện toán biên dựa trê cấu trúc mạng Việc chuẩn hóa thành các tiêu chuẩn đang được thực hiện Tổ chức như OpenFog Consortium đã định nghĩa một kiến trúc mở của điện toán sương mù, sau đó IEEE, ETSI đã thừa kế và phát triển thành các tiêu chuẩn cho điện toán biên

Các nghiên cứu về nông nghiệp chính xác đã có nhiều tiến triển tuy nhiên mới chỉ

ở một khía cạnh cụ thể nào đó Hiện tại, Internet vạn vật (IoT) được xem là mấu chốt trong phát triển nông nghiệp hiện đại; để tiếp tục đi lên, điện toán biên được kì vọng sẽ giúp thay đổi các thao tac hiện tại thành các dịch vụ thông minh

4 Điện toán biên trong nông nghiệp

4.1 Chăn nuôi gia súc

Mô hình EM: các con bò được gắn các thiết bị cảm biến để đo chất lượng sữa, và một trạm xử lý mini ở cổ, các dữ liệu thu thập được được xử lý ngay ở local nếu xảy ra dấu hiệu mới gửi dữ liệu lên đám mây để thông báo cho con người

Mô hình sửa đổi EM là IEM: ở bộ xử lý gắn ở cổ, sử dụng – Bare Necessities and ClassAct để thực hiện phân loại nhị phân các tín hiệu, các tín hiệu có được nhờ một gia tốc kế Từ đó suy ra trạng thái hoạt động Việc tải lên đám mây chỉ xảy ra khi con

bò đang được vắt sữa

Một thí nghiệm khác theo dõi số bước chân của mỗi con bò trong đàn rồi xử lý ở một máy trạm tại trang trại , xử lý , phân tích nhận diện hành vi Và chỉ gửi đến người nông dân khi phát hiện các dấu hiệu như khập khiễng

Một thí nghiệm của Yang quan sát nhiệt độ , độ ẩm , ánh sáng xử lý thời gian thực

để điều khiển quạt, đen

4.2 Sản xuất cây trồng

Trồng nho:

- Theo dõi thông số thời tiết và đất đai

- Chủ động dự đoán một số dịch bệnh dựa trên điều kiện khí tượng

- Ví dụ: Bệnh sương mai, bệnh thối đen

- Kiến trúc tổng thể lấy Cloud là trung tâm, với một nút Edge Computing để thu thập dữ liệu từ mạng cảm biến phân tán

MySense là một nền tảng chung để tạo và triển khai nhanh chóng các ứng dụng giám sát trong kịch bản trồng nho

- Bao gồm 4 lớp – cảm biến / thiết bị truyền động, WSN / cổng, Web / cloud và các ứng dụng

- Fog computing được sử dụng ở lớp WSN / Gateway cho tác vụ cục bộ và tạo cảnh báo thời gian thực

4.3 Nuôi trồng thủy sản

Trong nuôi trồng thủy sản thông thường, việc sử dụng Hệ thống nuôi trồng thủy sản tuần hoàn (RAS) mang lại tiềm năng đáng kể để giảm nhu cầu nước ngọt bằng cách khai thác các quy trình lọc sinh học phức tạp; tuy nhiên, kiểm soát và giám sát gần thời gian thực là điều cần thiết

Bảng 2: Các mô hình trong nuôi trồng thủy sản ứng dụng điện toán biên

Mô hình tham khảo

Romli và cộng sự (2017)

Romli và cộng sự (2018)

Ferrandez-Pastor và cộng sự (2016)

Chang và cộng sự (2018)

4.4 Lâm nghiệp

Lâm nghiệp đóng một vai trò quan trọng trong nông nghiệp, với các loại cây và bụi được trồng giữa đất canh tác và đồng cỏ kết hợp với các doanh nghiệp nông nghiệp khác Nhiều lợi ích tích lũy từ cách tiếp cận như vậy; Năng suất cây trồng đã được

chứng minh là tăng trong các doanh nghiệp nông lâm kết hợp (Barrios và cộng sự, 2018) trong khi các dây che nắng bảo vệ vật nuôi cả trong mùa đông và mùa hè

Kalaitzis và cộng sự (2018) đã cho thấy cách UAV, được trang bị Raspberry Pi, có thể thu thập dữ liệu hình ảnh để phát hiện các vụ cháy nổ Nghiên cứu điển hình này so sánh một số phương pháp xử lý dữ liệu, một phương pháp liên quan đến UAV với trọng tải Raspberry Pi dưới dạng nút Edge Sự cân bằng rất thú vị Việc xử lý hình ảnh trên một UAV rất tốn kém về mặt tính toán, trong khi việc sử dụng sức mạnh phải được điều hòa với nhu cầu có mặt ở khắp mọi nơi để tối đa hóa thời gian bay Khi xử

lý hình ảnh trên nút Edge, quyền riêng tư được tôn trọng và chỉ cần truyền chỉ số rủi ro được tính toán Tuy nhiên, cách tiếp cận giảm tải đã được chứng minh là bền vững nhất

Một cách tiếp cận khác đối với vấn đề phát hiện cháy đã được Neumann và cộng sự

áp dụng (2018) Ở đây, mô hình thu thập dữ liệu có sự tham gia được khai thác thông qua giải pháp điện toán Edge Một bộ cảm biến hỗ trợ ghi lại nhiệt độ và độ ẩm đã được triển khai khắp một khu rừng; những kết nối này giao tiếp bằng Bluetooth Low Energy (BLE) Điện thoại thông minh do lính canh và du khách mang theo sẽ đóng vai trò là trung tâm di động Khi vượt qua trong phạm vi, các thông số được tải lên điện thoại thông minh (trung tâm di động); Các thông số này sau đó được truyền đến máy chủ lưu trữ nơi chúng đưa ra dấu hiệu về rủi ro hỏa hoạn, từ đó thông báo việc đánh giá rủi ro và cho phép lập kế hoạch và chiến lược ứng phó hiệu quả hơn

Khai thác dữ liệu có thể dự đoán các khu vực dễ bùng phát cháy rừng (Rajagopal

và cộng sự, 2018) Mô hình dự đoán Máy vectơ hỗ trợ (SVM), sử dụng các thông số tốc độ gió, lượng mưa, độ ẩm tương đối và nhiệt độ, được lưu trữ trên một nút Sương

mù cục bộ, từ đó các dự đoán được truyền đạt tới Đám mây Một khung điện toán Edge để phát hiện cháy kết hợp IoT, Đám mây và các yếu tố cảm biến có sự tham gia, được mô tả bởi Avgeris et al (2019) Mô hình cốt lõi là của Hệ thống Mạng-Vật lý-Xã hội (CPSS) (Wang và cộng sự, 2017); giảm tải cho biên mạng được coi là điều cần thiết để đảm bảo thời gian quan trọng và ra quyết định nhanh chóng

4.5 An ninh trang trại

Môi trường sống của động vật ngày càng bị thu hẹp, dẫn đến khả năng chạm trán giữa con người (và vật nuôi được thuần hóa và nuôi trong trang trại) với động vật hoang dã cũng tăng lên tương ứng Trong khi va chạm giữa động vật với phương tiện giao thông là một hậu quả rõ ràng, bệnh tật (ví dụ, bệnh lao ở bò) và an toàn cá nhân cũng là những rủi ro phổ biến Các giải pháp như hàng rào và tường ranh giới sẽ luôn làm giảm các cuộc chạm trán; Tuy nhiên, quy mô và địa hình không phù hợp thường làm cho các sáng kiến như vậy không kinh tế và không khả thi

Singh và cộng sự (2018) xem xét vấn đề sống chung giữa động vật và con người

và đề xuất một hệ thống cảnh báo sớm dựa trên IoT và Edge technologies Mạng kết hợp không dây cáp quang (FiWi) liên kết một bộ các nút Edge (cảm biến không dây) với Đám mây Một cảm biến PIR, khi phát hiện chuyển động, kích hoạt mô-đun máy ảnh để chụp ảnh động vật Đối với xử lý hình ảnh, Mạng Nơ-ron Hợp pháp (CNN) được khai thác Kết quả mô phỏng đã chứng minh rằng phân bổ băng thông động trong mạng truy cập, cũng như xử lý dữ liệu tại nguồn gốc của nó, giảm sự chậm trễ end-to-end; tương tự như vậy, mức tiêu thụ năng lượng cũng được giảm xuống nhờ cách sử dụng chuyên nghiệp trên các thiết bị Edge Hiểu được sự cân bằng giữa tính toán và giao tiếp là chủ đề lặp đi lặp lại trong nghiên cứu của WSN về nhiều năm Tuy nhiên, mỗi kịch bản là khác nhau; do đó, một sự hiểu biết hạn chế về nguồn lực và nguồn lực

là điều kiện tiên quyết để đạt được hiệu quả của WSN triển khai, không phân biệt miền Một kiến trúc tương tự bao gồm IoT và mô hình Edge Cloud đã được mô tả bởi Elias et al (2017); tại đây, các trường hợp động vật hoang dã cụ thể (gấu, hươu và sói đồng cỏ) có thể được xác định Trong khi mục tiêu là giám sát động vật hoang dã tự động, mô hình có thể chuyển giao cho các bối cảnh bảo mật

Vấn đề: Va chạm giữa động vật với phương tiện giao thông

- Đưa ra hệ thống cảnh báo sớm dựa trên IoT và Edge technology

- Mạng FiWi liên kết một bộ các nút Edge đến Cloud

- Cảm biến PIR, khi phát hiện chuyển động, kích hoạt module máy ảnh chụp ảnh động vật

- Xử lý ảnh bằng mạng CNN

Kết quả:

- Phân bố băng thông động trong mạng truy cập Xử lý dữ liệu tại nguồn, giảm sự chậm trễ end-to-end

- Mức tiêu thụ năng lượng giảm

4.6 Giám sát môi trường nông trại

Đất sản xuất là nền tảng của hầu hết mọi hệ thống canh tác thành công Lavanya và cộng sự (2019) đã phát triển một nền tảng cảm biến dựa trên IoT nguyên mẫu để xác định hàm lượng Nitơ-Phốt pho-Kali (NPK) trong đất Cảm biến sử dụng phương pháp

đo màu được áp dụng thông qua Điện trở phụ thuộc ánh sáng (LDR) và Điốt phát sáng (LED) Điều thú vị nhất, logic để phân tích các giá trị cảm biến xác định lượng dinh dưỡng được cung cấp thông qua một fuzzy rule-based system triển khai trên thiết bị Edge, trong trường hợp này là Raspberry Pi Logic này được tăng cường thêm với các quy tắc bổ sung để xác định các thành phần phân bón phải được bón để khắc phục bất