Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày.
Trang 1Hà Nội -2023
BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC BÁCH KHOA HÀ NỘI
NGÔ QUANG ƯỚC
ỨNG DỤNG TRÍ TUỆ NHÂN TẠO
TRONG HỆ THỐNG ĐIỀU KHIỂN GIÁM SÁT QUÁ TRÌNH SINH TRƯỞNG VÀ BỆNH HẠI
CÂY TRỒNG NGẮN NGÀY
LUẬN ÁN TIẾN SĨ
KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA
Trang 2Hà Nội -2023
BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC BÁCH KHOA HÀ NỘI
NGÔ QUANG ƯỚC
ỨNG DỤNG TRÍ TUỆ NHÂN TẠO
TRONG HỆ THỐNG ĐIỀU KHIỂN GIÁM SÁT QUÁ TRÌNH SINH TRƯỞNG VÀ BỆNH HẠI
CÂY TRỒNG NGẮN NGÀY
Ngành: Kỹ thuật điều khiển và tự động hóa
Mã số: 9520216
LUẬN ÁN TIẾN SĨ
KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA
NGƯỜI HƯỚNG DẪN KHOA HỌC:
1 PGS TS Bùi Đăng Thảnh
2 TS Ngô Trí Dương
Trang 3LỜI CAM ĐOAN
Tôi xin cam đoan rằng, các kết quả nghiên cứu trong luận án này là công trình nghiên cứu của bản thân tôi dưới sự hướng dẫn của hai người hướng dẫn khoa học Các nghiên cứu của luận án là trung thực và chưa từng được các tác giả khác công bố.
Hà Nội, ngày 14 tháng 6 năm 2023
PGS TS Bùi Đăng Thảnh TS Ngô Trí Dương Ngô Quang Ước
Trang 4LỜI CẢM ƠN
Để luận án này được hoàn thành, ngoài nỗ lực học tập và nghiên cứu của bảnthân, tôi còn được sự quan tâm, giúp đỡ và động viên của nhiều tổ chức và cá nhân,nhân đây tôi xin bày tỏ lòng cảm ơn:
Tôi xin chân thành cảm ơn Đại học Bách khoa Hà Nội đã đồng ý cho tôi thựchiện luận án này Cảm ơn các thầy cô ở Phòng đào tạo, Viện Kỹ thuật điều khiển và
Tự động hóa, Trường Điện - Điện tử đã luôn hỗ trợ và tạo mọi điều kiện thuận lợicho tôi trong suốt quá trình tôi tham gia khóa học này
Tôi xin trân trọng gửi lời cảm ơn sâu sắc đến hai người thầy giáo hướng dẫnkhoa học của tôi là thầy PGS.TS Bùi Đăng Thảnh và thầy TS Ngô Trí Dương đãluôn quan tâm, động viên và hướng dẫn chi tiết về mặt chuyên môn trong suốt quátrình tôi thực hiện luận án này Đồng thời cũng gửi lời cảm ơn chân thành đến thầyPGS.TS Nguyễn Quang Địch, Viện trưởng Viện Kỹ thuật điều khiển và Tự độnghóa, Thầy đã động viên và có những góp ý sâu sắc cho định hướng nghiên cứu củatôi
Tôi xin chân thành cảm ơn các thầy cô trong Ban Giám đốc, Ban Khoa họccông nghệ, Ban Tổ chức cán bộ, Khoa Cơ Điện, Bộ môn Hệ thống điện - Học việnNông nghiệp Việt Nam đã tạo mọi điều kiện tốt nhất cho tôi được tham gia và hoànthành chương trình đào tạo này
Tôi xin chân thành cảm ơn thầy TS Nguyễn Đức Huy - Giám đốc Bệnh việnCây trồng, thầy TS Vũ Thanh Hải, cô ThS Đặng Thị Hường - Khoa Nông học,Anh ThS Nguyễn Trọng Tú, Anh ThS Nguyễn Thanh Tùng - Viện Nghiên cứu vàPhát triển cây trồng - Học viện Nông nghiệp Việt Nam đã giúp đỡ nhiệt tình trongviệc cung cấp quy trình sản xuất cây trồng, phương pháp thu thập bộ dữ liệu về quásinh trưởng, xác định và lây nhiễm bệnh trên cây trồng, cũng như hỗ trợ trong quátrình thực nghiệm
Tôi xin bày tỏ lòng biết ơn sâu sắc đến các thầy cô phản biện, các thầy côtrong hội đồng chấm luận án, các thầy trong Viện Kỹ thuật điều khiển và Tự độnghóa đã đọc duyệt và góp các ý kiến quý báu để tôi có thể hoàn thiện luận án này.Cuối cùng, Tôi xin gửi lời cảm ơn đặc biệt tới gia đình, nhất là Vợ tôi đã luôn
ở bên động viên, giúp đỡ về mặt gia đình và tinh thần trong suốt quá trình tôi thựchiện luận án này
Nghiên cứu sinh
Trang 5MỤC LỤC
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT vi
DANH MỤC CÁC BẢNG BIỂU ix
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ x
MỞ ĐẦU 1
1.Tính cấp thiết của luận án 1
2.Mục tiêu nghiên cứu 2
3.Đối tượng và phạm vi nghiên cứu 3
4.Phương pháp nghiên cứu 3
5.Ý nghĩa khoa học và thực tiễn của luận án 3
6.Đóng góp mới của đề tài nghiên cứu: 4
7.Cấu trúc của luận án 4
CHƯƠNG 1 TỔNG QUAN VỀ HỆ THỐNG ĐIỀU KHIỂN GIÁM SÁT QUÁ TRÌNH SINH TRƯỞNG VÀ BỆNH HẠI CÂY TRỒNG NGẮN NGÀY 6
1.1 Vai trò của điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày 6
1.2 Ý nghĩa của chiều cao, số lá và diện tích lá đối với quá trình sinh trưởng của cây trồng 9
1.3 Tình hình nghiên cứu hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày 10
1.4 Tình hình nghiên cứu về xác định chiều cao, số lá và diện tích lá cây trồng ngắn ngày 15
1.5 Tình hình nghiên cứu phương pháp phát hiện bệnh trên cây trồng ngắn ngày 20
1.6 Định hướng nghiên cứu của luận án
……… 26
1.6.1Hướng nghiên cứu của luận án 26
1.6.2Dự kiến các đóng góp mới của luận án 27
KẾT LUẬN CHƯƠNG 1: 27
CHƯƠNG 2 NGHIÊN CỨU XÁC ĐỊNH CHIỀU CAO, SỐ LÁ VÀ DIỆN TÍCH LÁ CÂY TRỒNG 28
2.1 Phương pháp xác định chiều cao, số lá và diện tích lá 28
2.2 Đề xuất phương pháp phân vùng lá cây trồng 29
2.2.1Phương pháp tính khoảng cách Mahalanobis 30
2.2.2Xác định ngưỡng tối ưu 31
Trang 62.2.3Đề xuất thuật toán khoảng cách Mahalanobis sửa đổi (MMD) để phân vùng lá cây
trồng…… 33
2.2.4Phương pháp đánh giá chất lượng thuật toán nghiên cứu 34
2.2.5Đánh giá thuật toán đề xuất (MMD) 35
2.3 Xác định chiều cao, số lá và diện tích lá thực nghiệm với cây dưa chuột 37
KẾT LUẬN CHƯƠNG 2: 40
CHƯƠNG 3 ỨNG DỤNG TRÍ TUỆ NHÂN TẠO PHÁT HIỆN BỆNH TRÊN CÂYTRỒNG NGẮN NGÀY 41
3.1 Cơ sở lý thuyết về trí tuệ nhân tạo cho việc phân loại và phát hiện bệnh cây trồng thông qua hình ảnh 41
3.1.1Khái quát về mạng nơron tích chập (CNN) 41
3.1.2Mô hình CNN phân loại ảnh 46
3.1.3Mô hình CNN phát hiện đối tượng trong ảnh 50
3.2 Phân loại và phát hiện bệnh hại trên cây trồng bằng mô hình CNN 57
3.2.1Đề xuất kết hợp mô hình phân loại bệnh hại trên cây trồng 57
3.2.2Đề xuất cải tiến mô hình phát hiện bệnh hại trên cây trồng 59
3.3 Phân loại và phát hiện bệnh trên cây dưa chuột 65
3.3.1Ảnh hưởng của bệnh đến quá trình sản xuất dưa chuột 65
3.3.2Xây dựng bộ cơ sở dữ liệu bệnh trên cây dưa chuột 68
3.3.3Phân loại bệnh phấn trắng và bệnh sương mai 75
3.3.4Phát hiện lá bị bệnh phấn trắng và bệnh sương mai 82
KẾT LUẬN CHƯƠNG 3: 93
CHƯƠNG 4 THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 94
4.1 Xây dựng và thiết lập mô hình nhà lưới thử nghiệm 94
4.2 Thiết kế hệ thống điều khiển giám sát và cảnh báo bệnh sương mai và bệnh phấn trắng trên cây dưa chuột 96
4.2.1Hệ thống phần cứng 97
4.2.2Thuật toán điều khiển hệ thống 98
4.3 Thực nghiệm và đánh giá thuật toán xác định chiều cao, số lá và diện tích lá cây dưa chuột 100
4.3.1Bố trí mô hình thực nghiệm 100
4.3.2Kết quả và đánh giá thuật toán đề xuất 101
4.4 Thực nghiệm và đánh giá hệ thống điều khiển giám sát và cảnh báo bệnh sương mai và bệnh phấn trắng trên cây dưa chuột 109
4.4.1Bố trí thực nghiệm 109
4.4.2Diễn biến đặc điểm của cây dưa chuột bị nhiễm bệnh 110
Trang 74.4.3Kết quả đánh giá hệ thống điều khiển giám sát và cảnh báo bệnh 112
KẾT LUẬN CHƯƠNG 4: 117
KẾT LUẬN VÀ KIẾN NGHỊ 118
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 120
TÀI LIỆU THAM KHẢO 121
PHỤ LỤC 1
Trang 8Bh, By Ma trận bias của các lớp ẩn và lớp đầu ra
giới hạn dự đoán và hộp giới hạn thực
Cj và Ĉj Điểm tin cậy của hộp dự đoán và điểm tin cậy của hộp thực
F1-score The harmonic mean of the precision and recall
feature_surfaceout Bề mặt đặc trưng đầu ra
Trang 9FN (Fault
Negative)
- Tổng số ảnh của lớp đang xét bị phân loại vào lớp khác
- Các điểm ảnh của vùng lá bị phân loại nhầm thành điểm ảnhkhông phải lá
FP (Fault
Positive) - Tổng số ảnh phân loại sai vào lớp đang xét- Các điểm ảnh ở các vùng không phải lá bị phân loại nhầm
thành các điểm ảnh lá
l ws và l ls Chiều rộng và chiều dài của lá thứ s
Trang 10Nm Số lượng lá trung bình trên cây được đo thủ công
Pj(c) và ̂Pj(c)
loại c trong hộp giới hạn thứ j của lưới thứ i
TN (True
Negative)
- Tổng số ảnh của lớp khác được phân loại đúng
- Các điểm ảnh trong vùng không phải lá được phân loại chínhxác thành các điểm ảnh không phải lá
TP (True
Positive)
- Tổng số ảnh của lớp đang xét được phân loại đúng
- Các điểm ảnh của vùng lá được phân loại chính xác thànhcác điểm ảnh của lá
wgt và hgt Chiều rộng và chiều cao hộp giới hạn thực
Wh , Wy Ma trận trọng số giữa các lớp ẩn và lớp đầu ra
y*
1 , 2 Giá trị tham số điều khiển của R value và B value
ρ2(b, bgt) Khoảng cách Euclidean giữa các điểm chính của hộp giới hạn
dự đoán và hộp giới hạn thực
Trang 11CÁC CHỮ VIẾT TẮT
Ký hiệu Ý nghĩa tiếng anh Ý nghĩa tiếng việt
đấtFast R-CNN Fast Region-based Convolutional Network
Faster R-
CNN Faster Regions Convolutional Neural Network
Số lượng kênh C
MMD Modified Mahalanobis Distance based method Thuật toán khoảng cáchMahalanobis sửa đổi
ControllerRCNN Region-based ConvolutionalNeural Networks
Trang 12DANH MỤC CÁC BẢNG BIỂU
Bảng 1.1 Tổng hợp các kết quả của các công trình nghiên cứu về phân loại và phân
vùng bệnh trên cây dưa chuột 24
Bảng 2.1 Kết quả loại bỏ nền trên cây Ớt Habanero 35
Bảng 2.2 Kết quả loại bỏ nền với cây Dâu tây 35
Bảng 2.3 Kết quả loại bỏ nền với cây Cải Kale 36
Bảng 3.1 Biểu diễn một số hàm kích hoạt thường dùng (nguồn [154]) 42
Bảng 3.2 Các kiến trúc của mô hình VGG (nguồn [163]) 48
Bảng 3.3 Các kiến trúc của mô hình ResNet (nguồn [164]) 50
Bảng 3.4 So sánh các mô hình phát hiện đối tượng (nguồn [169]) 51
Bảng 3.5 Chi tiết cấu trúc các lớp trong mô hình YOLOv4-tiny với kích thước ảnh đầu vào là 416 x 416 x 3 53
Bảng 3.6 Chi tiết các lớp trong mô hình YOLOv4-tiny-caitien với kích thước ảnh
đầuvào là 384x 384x3 cho 3 lớp đối tượng 62
Bảng 3.7 Kiến trúc phần cứng huấn luyện và kiểm tra của các mô hình 76
Bảng 3.8 Kết quả các thông số Precision, Recall, F1-score và Acc của các mô hình với bộ dữ liệu Kiểm tra 78
Bảng 3.9 Kết quả các thông số Precision, Recall, F1-score và Acc của mô hình đề xuất với bộ dữ liệu Kiểm tra 80
Bảng 3.10 Các tham số huấn luyện và xác thực của 2 mô hình 83
Bảng 3.11 Kết quả xác định giá trị LR phù hợp 84
Bảng 3.12 Kết quả huấn luyện mô hình YOLOv4-tiny-caitien và YOLOV4-tiny với các kích thước ảnh đầu vào khác nhau 84
Bảng 3.13 Kết quả so sánh với một số mô hình khác 87
Bảng 3.14 Kết quả hiệu suất của YOLOv4-tiny và YOLOv4-tiny-caitien với
phươngpháp k -fold Cross-Validation (k=4) 88
Bảng 3.15 Kết quả phát hiện ảnh bệnh với thuật toán YOLOv4-tiny-caitien 89
Bảng 3.16 Kết quả phát hiện ảnh bệnh với thuật toán YOLOv4-tiny gốc 89
Bảng 3.17 Kết quả huấn luyện mô hình YOLOv4-tiny và YOLOv4-tiny-caitien với các bộ dữ liệu bệnh trên cây Dâu tây và cây Cà chua 93
Bảng 4.1 Dữ liệu đo được bằng phương pháp thủ công về diện tích lá, số lá và chiều cao của cây dưa chuột theo ngày 102
Bảng 4.2 Kết quả so sánh của các phương pháp phân vùng lá 105
Bảng 4.3 Kết quả ước lượng số lượng lá trên cây dưa chuột theo ngày trồng 107
Bảng 4.4 Kết quả ước lượng diện tích lá LA theo ngày trồng 108
Bảng 4.5 Kết quả hoạt động của hệ thống điều khiển giám sát và cảnh báo bệnh
sươngmai và bệnh phấn trắng trên cây dưa chuột 113
Bảng 4.6 Đánh giá khả năng đáp ứng trong thực nghiệm của 2 mô hình YOLOv4-tiny và YOLOv4-tiny-caitien 116
Trang 13DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 1.1 Các yếu tố ảnh hưởng đến quá trình sinh trưởng của cây trồng 7
Hình 1.2 Sơ đồ hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng 11
Hình 1.3 Hệ thống giám sát và điều tiết nhiệt độ, ánh sáng, độ ẩm đất và độ ẩm không khí trong nhà lưới (nguồn [49]) 11
Hình 1.4 Tổng quan mô hình giám sát và điều khiển môi trường nhà lưới bằng các cảm biến (nguồn [57]) 12
Hình 1.5 Sơ đồ cấu trúc của các nhóm nghiên cứu sử dụng các thuật toán AI khác nhau điều khiển giám sát quá trình sản xuất dưa chuột (nguồn [10]) 13
Hình 1.6 Mô hình hệ thống robot giám sát và điều khiển cung cấp đạm (Nitơ) cho cây dưa chuột (nguồn [63]) 14
Hình 1.7 Các bước xử lý ảnh xác định các đặc điểm của cây trồng theo phương
pháp (nguồn [97])2D 17
Hình 1.8 Các bước trong phương pháp sử dụng hình ảnh kỹ thuật số để xác định
cácthông số của cây dưa chuột với phương pháp 2D (nguồn [89]) 17
Hình 1.9 Các phương pháp thiết lập hệ thống hình ảnh 3D 18
Hình 1.10 Mô hình thu nhận dữ liệu để tái tạo mô hình 3D cây trồng (nguồn [99, 100]) 19
Hình 1.11 Kết quả tái tạo bề mặt 3D của dưa chuột ở ngày thứ 20, 40, 60 và 70 sau khi trồng (từ trái sang phải) Màu sắc đại diện cho các vị trí khác nhau của lá và
màuđen đại diện cho thân cây (nguồn [104]) 19
Hình 1.12 Sơ đồ quy trình thực hiện các bước trong phân loại và phát hiện bệnh trêncây trồng sử dụng học sâu (DL) (nguồn [114]) 22
Hình 2.1 Quy trình ước tính diện tích lá, số lá và chiều cao cây trồng 29
Hình 2.2 Phương pháp chia ảnh thành các vùng ảnh nhỏ 31
Hình 2.3 Lưu đồ thuật toán xác định ngưỡng tối ưu 32
Hình 2.4 Lưu đồ thuật toán xác định ngưỡng ISODATA 32
Hình 2.5 Lưu đồ thuật toán khoảng cách Mahalanobis sửa đổi (MMD) 33
Hình 2.6 Sơ đồ minh họa định nghĩa của bốn kết quả có thể xảy ra khi phân loại pixel 34
Hình 2.7 Một số hình ảnh sau khi loại bỏ nền của thuật toán Mahalanobis gốc và MMD của luận án đề xuất với 3 loại cây trồng khác nhau 36
Hình 2.8 Thiết lập hệ thống thu nhận hình ảnh cây trồng 37
Hình 2.9 Cách xác định kích thước lá bằng phương pháp thủ công (nguồn [76]) 38
Trang 14Hình 2.11 Quy trình ước lượng chiều cao, số lá và diện tích lá với ảnh chụp theo
chiều ngang 40
Hình 3.1 Mô hình nơron nhân tạo (nguồn [152]) 42
Hình 3.2 Cấu trúc của MLP (nguồn [152]) 43
Hình 3.3 Kiến trúc của CNN cơ bản (nguồn [157]) 44
Hình 3.4 Quá trình tích chập của các bản đồ đặc trưng (nguồn [152]) 44
Hình 3.5 Biểu diễn tích chập (2-D) với kích thước kernel = 2, strides =1, padding
=0(nguồn [152]) 45
Hình 3.6 Thực hiện Maxpooling và Average pooling với kích thước 2x2 (nguồn [152]) 45
Hình 3.7 Kiến trúc mô hình AlexNet (nguồn [152]) 47
Hình 3.8 Kiến trúc mô hình VGG-16 (nguồn [152]) 47
Hình 3.9 So sánh khối học thông thường và khối học dư (nguồn [146, 158]) 49
Hình 3.10 Hai khối được xây dựng trong các mô hình ResNet; a- khối trong mô
hìnhResNet 18/34; b - là khối bottleneck trong mô hình ResNet 50/101/152 (nguồn [152,164]) 49
Hình 3.11 Kiến trúc chính của các mô hình phát hiện đối tượng (nguồn [169]) 51
Hình 3.12 So sánh tốc độ và độ chính xác của các mô hình (nguồn [170]) 52
Hình 3.13 Kiến trúc mô hình YOLOv4 52
Hình 3.14 Sơ đồ kiến trúc mô hình YOLOv4-tiny 54
Hình 3.15 Mô tả quá trình dự đoán của model YOLO [173] 55
Hình 3.16 Các bước kết hợp mô hình phân loại bệnh hại cho độ chính xác cao 58
Hình 3.17 Cấu trúc chi tiết của mô hình YOLOv4-tiny 60
Hình 3.18 Cấu trúc của khối CSP của YOLOv4-tiny (nguồn [179]) 60
Hình 3.19 Đặc điểm của 3 đối tượng trong nhận dạng bệnh trên cây dưa chuột 61
Hình 3.20 Một số hình ảnh bệnh trên cây dâu tây 61
Hình 3.21 Một số hình ảnh bệnh trên cây cà chua 61
Hình 3.22 Cấu trúc chi tiết vị trí sửa đổi của mô hình YOLOv4-tiny-caitien 63
Hình 3.23 Các bước thực hiện phát hiện bệnh hại trên cây trồng bằng mô hình cải tiến (YOLOv4-tiny-caitien) 64
Hình 3.24 Chia dữ liệu theo phương pháp Hold-out 65
Hình 3.25 Chia dữ liệu theo phương pháp k-fold cross-validation 65
Hình 3.26 Lá dưa chuột bị bệnh phấn trắng 66
Hình 3.27 Lá dưa chuột bị bệnh sương mai 67
Hình 3.28 Các khu vực thu thập dữ liệu bệnh phấn trắng, bệnh sương mai và bình thường trên cây dưa chuột 71
Hình 3.29 Quá trình thu thập các bộ dữ liệu 72
Hình 3.30 Một số mẫu dữ liệu của tập dữ liệu thu thập được 73
Hình 3.31 Quá trình gắn nhãn cho bộ dữ liệu 74
Trang 15Hình 3.32 Lưu đồ phân bố dữ liệu cho quá trình huấn luyện, xác thực và kiểm tra
củacác mô hình trong nghiên cứu 75
Hình 3.33 Các kỹ thuật tăng cường ảnh được sử dụng 76
Hình 3.34 Kết quả độ chính xác của các mô hình trên bộ dữ liệu xác thực 76
Hình 3.35 Ma trận nhầm lẫn của các mô hình trên tập dữ liệu Kiểm tra 78
Hình 3.36 Lưu đồ thuật toán đề xuất kết hợp 2 mô hình ResNet 50 và ResNet 152
80
Hình 3.37 Ma trận nhầm lẫn của thuật toán đề xuất kết hợp mô hình ResNet 50 và ResNet 152 trên tập dữ liệu kiểm tra 81
Hình 3.38 Kết quả một số hình ảnh bị phân loại nhầm lẫn của thuật toán đề xuất 81
Hình 3.39 Hình ảnh mẫu bộ dữ liệu trong bài báo số [133] 82
Hình 3.40 Lưu đồ quá trình huấn luyện và xác thực các mô hình 83
Hình 3.41 Biểu diễn mối quan hệ giữa LR với mAP của mô hình YOLOv4-tiny-caitien kích thước ảnh đầu vào 416x416x3 84
Hình 3.42 Đồ thị làm loss và mAP của YOLOv4-tiny với learning rate = 0.0026185 Hình 3.43 Đồ thị làm loss và mAP của YOLOv4-tiny-caitien với learning rate = 0.00280 85
Hình 3.44 Một số kết quả kiểm tra phát hiện bệnh của 2 mô hình 86
Hình 3.45 Phương pháp k-fold Cross-Validation với k = 4 87
Hình 3.46 Lưu đồ thuật toán sử dụng YOLO để phân loại ảnh 88
Hình 3.47 Khả năng phát hiện bệnh ở mức độ nhiễm bệnh cấp độ 1 90
Hình 3.48 Khả năng phát hiện bệnh ở các cấp độ nhiễm bệnh khác nhau 91
Hình 3.49 Một số hình ảnh bệnh trên cây dâu tây 91
Hình 3.50 Một số hình ảnh bệnh trên cây Cà chua 92
Hình 4.1 Mô hình thiết kế và xây dựng nhà lưới thực nghiệm 94
Hình 4.2 Mô hình bố trí hệ thống trồng theo phương pháp tưới nhỏ giọt 94
Hình 4.3 Mô hình bố trí hệ thống trồng theo phương pháp thủy canh 95
Hình 4.4 Hình ảnh các hệ thống điều khiển các thông số nhà lưới 95
Hình 4.5 Cấu trúc hệ thống điều khiển giám sát, cảnh báo và phun thuốc trị bệnh
trêncây trồng 96
Hình 4.6 Mô hình tổng thể hệ thống điều khiển giám sát và phun thuốc trừ bệnh 96
Hình 4.7 Kết nối các thiết bị của hệ thống điều khiển giám sát bệnh hại 97
Hình 4.8 Các thiết bị phần cứng của hệ thống điều khiển giám sát và cảnh báo bệnh 98
Hình 4.9 Sơ đồ biểu diễn các chế độ làm việc của hệ thống giám sát bệnh 98
Hình 4.10 Lưu đồ thuật toán hệ thống điều khiển giám sát và cảnh báo bệnh phấn trắng và bệnh sương mai trên cây dưa chuột 99
Trang 16Hình 4.13 Loại bỏ nền trong hình ảnh chụp từ trên xuống 103
Hình 4.14 Loại bỏ nền trong hình ảnh chụp ngang 104
Hình 4.15 Các bước xác định khung thân cây dưa chuột 106
Hình 4.16 Chiều cao ước tính của cây dưa chuột theo ngày 107
Hình 4.17 Hệ số tương quan của giá trị thực và giá trị ước tính bằng thuật toán 109
Hình 4.18 Hình ảnh triệu chứng xuất hiện của bệnh phấn trắng tăng dần 111
Hình 4.19 Triệu chức bệnh từ mức nhẹ và mức độ nặng hơn của bệnh sương mai
111
Hình 4.20 Hình thực nghiệm với vụ trồng dưa chuột bị bệnh phấn trắng 112
Hình 4.21 Hình ảnh thực nghiệm với vụ dưa chuột bị bệnh sương mai và phấn trắng 112
Hình 4.22 Một số hình ảnh thể hiện mô hình YOLOv4-tiny-caitien phát hiện được bệnh phấn trắng và bệnh sương mai trong giai đoạn đầu của bệnh (cấp độ 1) 114
Hình 4.23 Một số hình ảnh phát hiện hai bệnh ở các cấp độ bệnh khác nhau 115
Hình 4.24 Các ảnh bị bệnh được gửi vào email của người quản lý 115
Hình 4.25 Hình ảnh gửi tin nhắn cho người quản lý 116
Trang 17MỞ ĐẦU
1 Tính cấp thiết của luận án
Công nghệ trí tuệ nhân tạo (AI) là một lĩnh vực đang phát triển rất mạnh mẽ vàđược ứng dụng ngày một nhiều trong các lĩnh vực của cuộc sống, như chăm sóc sứckhỏe, kinh doanh, giáo dục, sản xuất, điện thoại di động, ô tô, …Đặc biệt trongnông nghiệp, AI cũng đã đóng góp lớn trong việc dự báo về thời gian gieo hạt, tìnhhình dịch bệnh của cây trồng, thời điểm thu hoạch, sản lượng, việc này đã giúp tăngnăng suất và cải thiện thu nhập của người nông dân Trong thực tế, thế giới đang có
xu hướng ứng dụng AI mạnh mẽ vào sản xuất trong nông nghiệp Trong năm 2020,trí tuệ nhân tạo toàn cầu trong quy mô thị trường nông nghiệp đạt giá trị 1 tỷ USD
Dự kiến sẽ tăng lên 4 tỷ USD vào năm 2026 và tốc độ tỷ lệ tăng trưởng kép hàngnăm (CAGR) từ năm 2020 đến năm 2026 là 25.5% Sự tăng trưởng thị trường nôngnghiệp trong lĩnh vực ứng dụng AI được thúc đẩy bởi việc tạo ra các cơ sở dữ liệuthông qua cảm biến và hình ảnh cho các loại cây trồng, tăng năng suất cây trồngthông qua công nghệ học sâu và sự hỗ trợ của chính phủ đối với việc áp dụng các kỹthuật nông nghiệp hiện đại
Ở Việt Nam, Đảng và Nhà nước đã xác định tầm quan trọng của nông nghiệpứng dụng công nghệ cao, để đưa nền nông nghiệp Việt Nam hội nhập và phát triểntrong bối cảnh cuộc cách mạng công nghiệp 4.0, tại Đại hội XIII của Đảng đã xácđịnh: “Chú trọng phát triển nông nghiệp sản xuất hàng hóa lớn, ứng dụng công nghệcao; phát huy tiềm năng, lợi thế của từng vùng, từng địa phương nâng cao giá trịnông sản trong các chuỗi giá trị” Ngày 27/9/2019, Bộ chính trị đã ban hành Nghịquyết số 52-NQ/TW về một số chủ trương, chính sách chủ động tham gia cuộcCách mạng công nghiệp lần thứ tư Để triển khai Nghị quyết này, ngày 17/4/2020Chính phủ đã ban hành Nghị quyết số 50-NQ/CP về chương trình hành động củaChính phủ thực hiện Nghị quyết số 52-NQ/TW, trong các Nghị quyết chỉ rõ Chínhsách phát triển các ngành và công nghệ ưu tiên trong đó nhấn mạnh các ngành như:nông nghiệp số, công nghệ thông tin và truyền thông, cơ điện tử; trí tuệ nhân tạo và
tự động hóa… Vì vậy, việc nghiên cứu và ứng dụng trí tuệ nhân tạo, tự động hóa vàcông nghệ thông tin vào quá trình sản xuất trong nông nghiệp trong giai đoạn hiệnnay là hết sức cần thiết cho nên nông nghiệp Việt Nam, đã được Đảng và Nhà nướcđặc biệt chú trọng
Hiện nay, sản xuất nông nghiệp nước ta còn phụ thuộc nhiều vào thời tiết.Trong khi, Việt Nam được dự báo là một trong những quốc gia chịu ảnh hưởngnặng nề nhất của biến đổi khí hậu như nước biển dâng, lũ lụt, biến động thời tiết bấtthường Những ảnh hưởng này khiến cho việc phát triển nông nghiệp gặp bất lợilớn, việc ứng dụng sản xuất công nghệ cao kết hợp với sử dụng nhà lưới, nhà kính
sẽ giảm bớt sự tác động của các yếu tố khắc nghiệt này
Cây trồng ngắn ngày là một trong những cây trồng góp phần cung ứng thực
Trang 18phẩm rất tốt cho nhu cầu của con người hàng ngày Ở Việt Nam, ngoài các loại cây
Trang 19lượng thực chủ đạo như lúa, ngô, sắn thì các loại cây rau cũng được chú trọng trongquá trình sản xuất nhằm cung ứng thực phẩm tươi sống và xuất khẩu như dưa chuột,
cà chua ….Đây là nhưng loại cây có thể trồng trong các môi trường nhà kính, nênrất dễ dàng áp dụng các cảm biến và thiết bị máy móc để giám sát, điều khiển trongquá trình sản xuất nhằm tăng năng suất cây trồng và nâng cao chất lượng của sảnphẩm Quá trình sinh trưởng của các loại cây trồng này chịu nhiều yếu tố ảnh hưởngnhư khí hậu, dịch bệnh, cỏ dại, dinh dưỡng, tưới tiêu, … các yếu tố này sẽ ảnhhưởng lớn đến năng suất và chất lượng sản phẩm của cây trồng
Hệ thống điều khiển giám sát sử dụng các cảm biến như nhiệt độ, độ ẩm, ánhsáng, pH, EC và CO2 đã được sử dụng để thu thập các thông số môi trường, dinhdưỡng nhằm điều tiết các thông số này một cách phù hợp cho cây trồng sinh trưởng
và phát triển đã được ứng dụng rất rộng rãi trong quá trình sản xuất trong nhiều thập
kỷ qua, tuy nhiên với hệ thống điều khiển giám sát sử dụng các loại cảm biến nàythì các thay đổi bất thường về hình dáng, màu sắc, bệnh hại xuất hiện trên cây trồngkhông thể giám sát được Vì vậy, các hệ thống điều khiển giám sát cây trồng bằnghình ảnh đang được quan tâm trong nhiều năm trở lại đây khi công nghệ xử lý ảnh
và AI phát triển mạnh Các thông số sinh trưởng cây trồng như diện tích lá, chiềucao, số lá và bệnh hại ảnh hướng lớn đến năng suất và chất lượng, ví như bệnh hạixuất hiện, nếu không phát hiện kịp thời để xử lý có thể ảnh hưởng nghiêm trọng đếnnăng suất cũng như chất lượng của sản phẩm, nhiều lúc phải phá bỏ toàn bộ, cũngnhư sử dụng thuốc trừ bệnh không hợp lý sẽ ảnh hưởng đến vấn đề an toàn thựcphẩm và môi trường Vì vậy, việc phát hiện sớm các triệu chứng khác thường banđầu sẽ giúp ích rất lớn cho quá trình xử lý để giảm sự ảnh hưởng đến quá trình sinhtrưởng và phát triển của cây trồng Với sự phát triển mạnh mẽ của công nghệ AI,việc áp dụng các kỹ thuật này trong hệ thống tự động điều khiển giám sát cho quátrình sản xuất cây trồng là rất cần thiết Do đó, nghiên cứu sinh đề xuất hướng đề tài
là “Ứng dụng trí tuệ nhân tạo trong hệ thống điều khiển giám sát quá trình sinh
trưởng và bệnh hại cây trồng ngắn ngày”, nhằm sử dụng các tín hiệu đầu vào hệ
thống điều khiển giám sát là hình ảnh cây trồng Từ đó nghiên cứu các thuật toán xử
lý ảnh, mô hình trí tuệ nhân tạo, để xác định các chỉ số sinh trưởng như chiều cao,
số lá, diện tích lá và phát hiện bệnh hại xuất hiện trên cây trồng Sau đó hệ thốngđiều khiển giám sát đưa ra những cảnh báo, xử lý và điều tiết các thông số cho câytrồng sinh trưởng và phát triển tốt, nhằm mang lại năng suất cao và chất lượng sảnphẩm tốt, cải thiện an toàn thực phẩm, giảm lượng hóa chất trong môi trường vàphát triển tài nguyên bền vững, đây là những mục tiêu quan trọng đối với nông dânnói riêng và toàn xã hội nói chung Ngoài ra, việc nghiên cứu các công nghệ tiêntiến để áp dụng vào sản xuất trong nông nghiệp cũng góp phần làm chủ công nghệ
và thiết bị, từ đó chủ động trong quá trình sản xuất nông nghiệp nước nhà, cũng nhưgóp phần vào công cuộc chuyển đổi số trong nông nghiệp đang được Đảng và Nhànước ta đặc biệt chú trọng
2 Mục tiêu nghiên cứu
Trang 20Xây dựng được hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hạicây trồng ngắn ngày Hệ thống này xác định được một số chỉ tiêu như số lá, diệntích lá, chiều cao và bệnh hại chính trên cây trồng ngắn này Hệ thống được thửnghiệm trực tiếp trên cây dưa chuột
3 Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu: Hệ thống điều khiển giám sát quá trình sinh trưởng
và bệnh hại trên cây trồng ngắn ngày với tín hiệu đầu vào là hình ảnh, sử dụng côngnghệ xử lý ảnh và trí tuệ nhân tạo
- Phạm vi nghiên cứu:
+ Xác định chiều cao, số lá và diện tích lá cây trồng ngắn ngày;
+ Phát hiện một số bệnh hại phổ biến trên cây trồng ngắn ngày;
+ Thử nghiệm trên cây dưa chuột được sản xuất trong nhà lưới có mái che
4 Phương pháp nghiên cứu
- Phương pháp nghiên cứu lý thuyết: Nghiên cứu tài liệu, bài báo khoa học,nghiên cứu lý thuyết xử lý ảnh, máy học, học sâu từ đó lựa chọn ra giải thuật phùhợp, cũng như kế thừa và cải tiến các mô hình trí tuệ nhân tạo nhằm phát hiện vàphân loại bệnh trên cây trồng
- Phương pháp chuyên gia: Chuyên gia về nông học xác định bệnh trên câytrồng; phương pháp xác định kích thước cây trồng; quy trình sản xuất cây dưachuột
- Phương pháp thực nghiệm:
+ Xây dựng mô hình sản xuất cây dưa chuột, mô hình thực nghiệm, thiết kế
và lắp ráp các hệ thống điều khiển giám sát;
+ Thu thập dữ liệu thực tế thông qua việc đo đếm các kích thước cây trồng,đếm số lá; sử dụng các thiết bị thu hình ảnh để thu tập bộ dữ liệu hình ảnh về quátrình sinh trưởng của cây dưa chuột, hình ảnh về bệnh hại trên cây dưa chuột;
+ Phân tích số liệu: xử lý số liệu thu thập, huấn luyện, kiểm tra các thuật toánphát hiện và phân loại bệnh;
Trang 21phát hiện bệnh sương mai và bệnh phấn trắng trên cây dưa chuột có độ chính xáccao.
Trang 22- Ý nghĩa thực tiễn:
Các kết quả nghiên cứu đạt được của luận án đã được thực nghiệm với độchính xác cao, vì vậy có thể ứng dụng cho hệ thống điều khiển giám sát quá trìnhsinh trưởng và bệnh hại trên cây trồng từ đó điều chỉnh kịp thời thông số môitrường, dinh dưỡng và ngăn ngừa bệnh hại nhằm nâng cao được năng suất cho câytrồng và chất lượng sản phẩm Luận án cũng đã đề xuất mô hình hệ thống điềukhiển giám sát sử dụng robot tự động thu thập dữ liệu từ đó tự động giám sát vàcảnh báo bệnh sương mai và bệnh phấn trắng trên cây dưa chuột canh tác trong nhàlưới Kết quả nghiên cứu đã ứng dụng công nghệ xử lý ảnh, trí tuệ nhân tạo, IoT cho
hệ thống điều khiển và tự động hóa trong sản xuất trong nông nghiệp, điều này gópphần vào việc chuyển đổi số trong nông nghiệp được Đảng và Nhà nước ta đang đặcbiệt quan tâm
6 Đóng góp mới của đề tài nghiên cứu:
(1) Đã nghiên cứu sửa đổi thuật toán khoảng cách Mahalanobis (MMD) đểphân vùng lá cây trồng từ đó xác định được số lá, diện tích lá và chiều cao cây Đãthử nghiệm được trên cây dưa chuột với độ chính xác cao
(2) Xây dựng được bộ dữ liệu lá bệnh sương mai, bệnh phấn trắng và bìnhthường của cây dưa chuột trong môi trường sản xuất Bộ dữ liệu có độ nhiễu về ánhsáng, môi trường lớn, có triệu chứng bệnh từ nhẹ đến nặng, tạo cơ sở dữ liệu chonghiên cứu về sau
(3) Nghiên cứu và đề xuất cải tiến mô hình trí tuệ nhân tạo dựa trên mạngnơron tích chập (CNN) để phân loại và phát hiện bệnh sương mai và bệnh phấntrắng trên cây dưa chuột
7 Cấu trúc của luận án:
Luận án được tác giả trình bày trong 4 chương cùng với phần kết luận vàkiến nghị, bao gồm:
Chương 1: Tổng quan về hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày
Trong chương này, luận án trình bày: Sự cần thiết của hệ thống điều khiểngiám sát trong quá trình sinh trưởng và bệnh hại cây trồng; tổng quan về hệ thốngđiều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày, cácnghiên cứu xác định các chỉ tiêu sinh trưởng như chiều cao, số lá và diện tích lá; cácnghiên cứu về phát hiện bệnh trên cây trồng ngắn ngày đặc biệt là cây dưa chuột
Từ đó đề xuất hướng nghiên cứu của luận án
Chương 2: Nghiên cứu xác định chiều cao, số lá và diện tích lá cây trồng
Nghiên cứu đề xuất thuật toán để loại bỏ nền ảnh, từ đó đưa ra phương phápxác định các chỉ số sinh trưởng của cây trồng như chiều cao, số lá và diện tích lá
Chương 3: Ứng dụng trí tuệ nhân tạo phát hiện bệnh trên cây trồng ngắn
Trang 23ngày
Trang 24Trình bày khái quát các mô hình học sâu về phân loại và phát hiện đối tượngtrong ảnh Đề xuất phương pháp để phân loại và phát hiện bệnh trên cây trồng ngắnngày Từ đó xây dựng bộ cơ sở dữ liệu bệnh phổ biến trên cây dưa chuột để đánhgiá các thuật toán đề xuất
Chương 4: Thực nghiệm và đánh giá kết quả
Xây dựng mô hình thực nghiệm; đánh giá thuật toán phân vùng lá, phươngpháp xác định chiều cao, số lá và diện tích lá của cây dưa chuột Thiết lập mô hình
hệ thống robot điều khiển giám sát bệnh trên cây trồng Thực nghiệm mô hình giámsát và cảnh báo bệnh sương mai và bệnh phấn trắng trên cây dưa chuột
Kết luận và kiến nghị: Trình bày tóm lược các kết quả đã thực hiện được và
đưa ra các hướng nghiên cứu tiếp theo
Trang 25CHƯƠNG 1 TỔNG QUAN VỀ HỆ THỐNG ĐIỀU KHIỂN GIÁM SÁT QUÁ TRÌNH SINH TRƯỞNG VÀ BỆNH HẠI CÂY
TRỒNG NGẮN NGÀY
Dân số ngày càng tăng cùng với sự ảnh hưởng ngày càng lớn của biến đổi khíhậu, cũng như nhu cầu ngày càng cao trong việc đảm bảo chất lượng thực phẩm đãđặt ra trách nhiệm rất lớn cho ngành nông nghiệp trong việc tăng sản lượng, năngsuất và chất lượng nông sản Ở hầu hết các quốc gia việc mở rộng diện tích đấttrồng trọt là không thể, vì vậy tự động hóa nông nghiệp đã trở thành sự lựa chọnduy nhất và là nhu cầu cấp thiết Internet vạn vật (IoT) và trí tuệ nhân tạo (AI) đãbắt đầu được ứng dụng trong tất cả các ngành nghề bao gồm cả nông nghiệp Sựtiến bộ trong các công nghệ kỹ thuật số này đã tạo ra những thay đổi mang tính cáchmạng trong nông nghiệp bằng cách cung cấp các hệ thống thông minh có thể giámsát, kiểm soát và trực quan hóa các hoạt động trong nông nghiệp trong thời gianthực với trí thông minh tương đương của các chuyên gia Các ứng dụng tiềm năngcủa IoT và AI trong việc phát triển máy móc thông minh, hệ thống tưới tiêu, kiểmsoát cỏ dại, sâu bệnh, bón phân, canh tác trong nhà kính, lưu trữ, robot… để giámsát, chăm sóc sức khỏe cây trồng đã được ứng dụng ngày càng phổ biến Trong nộidung chương này, luận án tập trung phân tích các nghiên cứu về điều khiển giám sátquá trình sinh trưởng và bệnh hại trên cây trồng ngắn ngày Cụ thể là nghiên cứu tínhiệu đầu vào của hệ thống điều khiển giám sát là hình ảnh cây trồng, thông qua hệthống xử lý để xác định các chỉ số chiều cao, số lá, diện tích lá và bệnh hại trên câytrồng Từ đó đưa ra cảnh báo, điều khiển các cơ cấu chấp hành để điều tiết cácthông số môi trường và xử lý bệnh nhằm giúp cây trồng phát triển tốt Ngoài ra câytrồng lựa chọn để thực nghiệm của các nghiên cứu đề xuất trong luận án là cây dưachuột trồng trong nhà lưới Vì vậy, các nghiên cứu về điều khiển giám sát cho quátrình sinh trưởng và bệnh hại của cây trồng này cũng được chú trọng để phân tích,sau đó đưa ra hướng nghiên cứu của luận án
1.1 Vai trò của điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày
Theo ước tính của Liên hợp quốc, dân số thế giới hiện tại là 7.6 tỷ người và dựkiến sẽ đạt 8.6 tỷ người vào năm 2030 và 9.8 tỷ người vào năm 2050 [1], như vậykéo theo nhu cầu lương thực ngày càng lớn, đồng nghĩa với việc sản lượng lươngthực cũng cần tăng lên Với tốc độ phát triển như hiện nay, sản lượng lương thựccần tăng khoảng 70% [2] Để đáp ứng nhu cầu lương thực ngày càng tăng, cần phảităng sản lượng và năng suất của cây trồng Vì vậy, việc phát triển các kỹ thuật mới
có thể giúp tăng năng suất và giảm lượng lao động của con người trong quá trình
Trang 26giám sát và
Trang 27tự động cho các hoạt động trong sản xuất cây trồng là cần thiết để đáp ứng nhữngthách thức như thiếu lao động, tăng độ an toàn cho con người và giảm chi phí sảnxuất bằng cách tiết kiệm thời gian, tiền bạc và năng lượng [3] Bằng cách sử dụnghiệu quả các nguồn lực hạn chế, sử dụng công nghệ hiện đại trong canh tác, canh táctrong nền nông nghiệp hiện đại đang ngày nâng cao cả số lượng và chất lượng nôngsản [4].
Khi dân số tăng, nhu cầu về lương thực tăng trong khi diện tích đất canh tácđang ngày càng thu hẹp do sử dụng cho việc sinh sống và các ngành công nghiệpkhác [5], thêm vào đó sự khắc nghiệt của môi trường ngày càng tăng đã làm chocanh tác nông nghiệp bị ảnh hưởng lớn [6] Một giải pháp tối ưu để thúc đẩy sảnxuất lương thực và cây trồng là canh tác được bảo vệ thông qua nhà kính [7] Nhàkính là một cấu trúc được bao phủ bởi các màng nhựa, chủ yếu được phát triển đểnuôi trồng các loại cây bên trong Nó có thể điều chỉnh các điều kiện môi trường đểcây trồng sinh trưởng và phát triển theo nhu cầu, do đó góp phần nâng cao chấtlượng và số lượng của cây trồng
Ngành nông nghiệp sử dụng nhà kính có thể đóng một vai trò quan trọng trongviệc cung cấp thực phẩm tươi sống, chẳng hạn như trái cây và rau quả chứa nhiềuvitamin và khoáng chất Nhà kính cho phép sản xuất cây trồng trên một diện tích kếthợp với hiệu quả sử dụng nước cao trên một đơn vị sản phẩm, tiêu thụ hiệu quả hơnlượng nước tưới, giảm lãng phí phân bón, kiểm soát sâu bệnh, tăng mức độ CO2giúp quang hợp tốt hơn, giảm sự thoát hơi nước, lọc các tia UV có hại… [8, 9] Trênthế giới, diện tích sản xuất nhà kính ngày càng tăng Tuy nhiên, ngành công nghiệpnhà kính gặp khó khăn trong việc tìm kiếm đủ lao động có kỹ năng để quản lý sảnxuất cây trồng [10] Vì vậy, việc triển khai các hệ thống tự động điều khiển giám sátquá trình sinh trưởng phát triển và sâu bệnh cây trồng sẽ là giải pháp hiệu quả choviệc thiếu hụt lao động, giảm tác động của khí hậu đem lại năng suất, chất lượng vàtiết kiệm chi phí tốt Ngày nay, các công nghệ hiện đại dựa trên thị giác máy đểgiám sát cây trồng đang được quan tâm và phát triển [11] Phương pháp giám sátnày sử dụng máy ảnh kỹ thuật số và các cảm biến thích hợp để thu nhận hình ảnh,sau đó sử dụng các thuật toán xử lý ảnh, trí tuệ nhận tạo và công nghệ internet vạnvật (IoT) để nhận biết các bất thường của cây trồng và cảnh báo, điều tiết các yếu tốliên quan cho cây trồng phát triển tốt
Sinh trưởng c trồng Các ếu tố về i
tru ền
Các ếu tố môi trường
Trang 28Quá trình sinh trưởng của thực vật chịu ảnh hưởng của các yếu tố di truyền,môi trường (nước, nhiệt độ, ánh sáng, chất dinh dưỡng…) và các hóc môn sinhtrưởng trong cây (Hình 1.1) Trong đó yếu tố di truyền, hóc môn chủ yếu phụ thuộcvào loại cây và giống cây, còn yếu tố môi trường có thể kiểm soát hiệu qua khi cáccây trồng được trồng trong nhà kính thông qua các cảm biến, các mô hình thuật toán
và thiết bị máy móc Các yếu tố môi trường chính gồm nước, ánh sáng, nhiệt độ,dinh dưỡng, độ ẩm và CO2 là những yếu tố ảnh hưởng lớn đến quá trình sinhtrưởng, phát triển và năng suất của cây trồng [12] Một nhà kính công nghệ cao hiệnđại được trang bị với sự điều khiển tự động của các thiết bị truyền động như hệthống sưởi, chiếu sáng, tưới tiêu, cung cấp dinh dưỡng, phun thuốc trừ sâu… sẽ tạo
ra một môi trường cho cây trồng sinh trưởng và phát triển thuận lợi Người trồngxác định khí hậu và chiến lược tưới tiêu, chế độ dinh dưỡng và xác định các điểmthiết lập cho tất cả các thông số khí hậu và tưới tiêu Các thiết bị truyền động đượcvận hành dựa trên các điểm đặt và các cảm biến đưa ra phản hồi về dữ liệu đo đượccho vòng điều khiển Nhận thấy, việc giám sát điều khiển các yếu tố môi trườngtrong nhà lưới là rất cần thiết, quan trọng và quyết định lớn đến năng suất của câytrồng, vì vậy mà các thuật toán kiểm soát khí hậu nhà kính tự động đã được pháttriển từ nhiều thập kỷ trước [13÷15] Các mô hình khí hậu nhà kính ngày nay đượctrình bày trong các nghiên cứu [16] và [17] Ngày nay, nhà kính được trang bị cảmbiến hình ảnh trở nên phổ biến, trang bị các máy tính và thiết bị xử lý có cấu trìnhcao, sử dụng các thuật toán thông minh, kết hợp với hệ thống IoT để thực hiện thuthập dữ liệu, giám sát và điều khiển các hệ thống nhằm điều tiết các thông số môitrường cho cây trồng một cách tự động [10, 18]
Cây trồng ngắn ngày hay còn gọi là cây hằng năm là loại cây được gieo trồng,cho thu hoạch và kết thúc chu kỳ sản xuất trong thời gian không quá 1 năm [19],đây là các loại cây chủ lực cung cấp nguồn thực phẩm chính cho con người và cũng
là nguồn thức ăn cho các động vật nuôi để làm thực phẩm cho con người, vì vậytăng sản lượng và chất lượng cho loại cây trồng này là rất cần thiết Ở Việt Nam,ngoài các loại cây lương thực ngắn ngày chủ lực như lúa, ngô, sắn thì các cây raucũng rất được quan tâm để phát triển nhằm đáp ứng thực phẩm tươi sống và xuấtkhẩu Các loại cây rau thường dễ trồng trong các nhà lưới, nhà kính nên việc ápdụng công nghệ cao vào quá trình sản xuất để nâng cao năng suất và chất lượng làrất khả quan Một số loại cây này như dưa chuột, cà chua, dâu tây, …là nhưng loạicây trồng có giá trị kinh tế cao, được sử dụng hàng ngày và xuất khẩu Với cây dưachuột, là cây thuộc họ Bầu bí, là một trong những loại cây rau ăn quả phổ biến nhấttrên toàn thế giới Nó còn được biết đến với giá trị kinh tế cao Ở nhiều vùng trênthế giới, nó được trồng quanh năm, vì nó có thể dễ dàng canh tác trong điều kiệnnhà kính [20] Dưa chuột là loại trái cây đa năng nhất, là một chất ổn định tâm trạngđược sử dụng rộng rãi bên trong cũng như bên ngoài để kiểm soát căng thẳng Dưachuột có hàm lượng calo thấp và là một nguồn giàu vitamin và chất xơ hòa tan trongnước, rất lý tưởng cho quá trình hydrat hóa và giảm cân Nghiên cứu cho thấy nó sởhữu một loạt các hợp chất phytochemical có thể bảo vệ chống lại bệnh ung thư và
Trang 29bệnh tim mạch Các hóa
Trang 30chất thực vật cũng được tìm thấy trong dưa chuột Nó cũng được biết đến với hoạtđộng chống nếp nhăn làm đẹp Ăn dưa chuột thường xuyên được cho là hữu íchtrong việc giảm nguy cơ mắc nhiều bệnh Dưa chuột cho thấy tiềm năng mạnh mẽchống lại một loạt bệnh, điều này cho thấy nhiều lợi ích sức khỏe của nó [21] Tuynhiên, trong quá trình sản xuất loại sản phẩm này, cũng gặp nhiều khó khăn do đây
là loại cây chịu ảnh hưởng lớn của các điều kiện môi trường canh tác, có nhiều loạibệnh hại xuất hiện, làm cho năng suất và chất lượng giảm Vì vậy, việc ứng dụngcác công nghệ kỹ thuật hiện đại để điều khiển giám sát quá trình sinh trưởng cũngnhư bệnh hại cho loại cây này cũng rất cần được quan tâm
Đối với cây trồng ngắn ngày, ngoài các yếu tố về khí hậu cần quan tâm đểgiám sát và điều tiết nhằm tạo điều kiện thuận lợi cho cây sinh trưởng và phát triển,thì các yếu tố về sinh trưởng như chiều cao, số lá, diện tích lá và bệnh hại cũng luônđược các nhà nông học đặc biệt quan tâm trong quá trình đánh giá cây trồng [22,23] Do các yếu tố này có ảnh hướng lớn đến quá trình ra hoa, đậu quả và năng suấtcủa cây trồng Các yếu tố về chiều cao, số lá, diện tích lá có mối tương quan lớn vớimôi trường phát triển, vì vậy giám sát các thông số này có thể điều tiết môi trườngphù hợp hơn Bệnh hại cây trồng có ảnh hưởng lớn đến quá trình sinh trưởng vàphát triển từ đó làm cho cây trồng giảm về năng suất và chất lượng sản phẩm Dovậy, việc sử dụng các công nghệ để giám sát các thông số này của cây trồng để cóhướng điều tiết và xử lý kịp thời là rất cần thiết
1.2 Ý nghĩa của chiều cao, số lá và diện tích lá đối với quá trình sinh trưởng của cây trồng
Lá là cơ quan quan trọng không thể thiếu trong quá trình sinh trưởng phát triểncủa cây trồng, đây là bộ phận làm nhiệm vụ quang hợp chủ yếu trên cây, tổng hợpvật chất khô, ngoài ra lá còn thực hiện chức năng trao đổi khí, hô hấp, thoát hơinước điều hòa nhiệt độ trong cây [24] Lá thực hiện quá trình quang hợp làm biếnđổi năng lượng ánh sáng mặt trời thành năng lượng hóa học dưới dạng các hợp chấthữu cơ Cây có bộ lá phát triển tốt và đầy đủ sẽ có khả năng quang hợp cao do đókhả năng tích lũy vật chất nhiều tạo tiền đề cho năng suất cây trồng cao Số lá trêncây nhiều hay ít đều có ảnh hưởng nhất định đến quá trình sinh trưởng, phát triểncủa cây, cây ít lá thì có hiệu suất quang hợp kém, lượng vật chất hữu cơ được tổnghợp ít, cây sinh trưởng phát triển kém, cho năng suất thấp và ngược lại, cây có bộ láphát triển tốt và đầy đủ sẽ có khả năng quang hợp cao, tích lũy vật chất nhiều, làtiền đề cho cây trồng có năng suất cao Trong một môi trường mà các điều kiện môitrường khác là tối ưu, thì sản lượng của cây được xác định bởi lượng ánh sáng màcây có thể thu nhận Diện tích lá là yếu tố chính trong sự phát triển của cây do ảnhhưởng của nó đến lượng bức xạ quang hợp được hấp thụ [24] Theo đó, diện tích lá
là yếu tố quan trọng nhất thúc đẩy sự phát triển và năng suất của cây [25] Vì vậy
mà đã có rất nhiều nghiên cứu đưa ra các phương pháp khác nhau để xác định
Trang 31thông số này [26, 27] Đối với cây trồng
Trang 32ngắn ngày thường thường là các cây rau ăn lá, câu rau ăn qua; một số cây trồngđược sản xuất để ăn lá như rau cải, diếp cá… thì việc xác định diện tích lá là rấtquan trọng, khi tăng diện tích lá kéo theo sự tăng năng suất của cây [28]
Các chỉ số về chiều cao, số lá của cây trồng cũng là các chỉ số quan trọngtrong đánh giá quá trình sinh trưởng và phát triển của cây trồng Khi có sự biến đổi
về môi trường sẽ ảnh hưởng đến các chỉ số này của cây, vì vậy mà khi môi trườngđược kiểm soát tốt thì năng suất của cây sẽ cao hơn, điều đó thể hiện trong nghiêncứu [29] Một số cây ngắn ngày ăn qua cần xác định các thông số này như cà chua,dưa chuột Cụ thể như cây dưa chuột: với môi trường canh tác trong nhà lưới, cácchỉ số về chiều cao, số lá, diện tích lá và năng suất cây cao hơn so với môi trườngđồng ruộng Khi được trồng trong nhà kính, cây dưa chuột cần nhiều nước trongsuốt thời gian sống của chúng, vì vậy thiếu nước sẽ hạn chế các chỉ số này của câydưa chuột [30, 31] Tổng diện tích lá phụ thuộc vào số lượng và kích thước của lá
và chúng bị ảnh hưởng tiêu cực bởi thiếu nước và thiếu dinh dưỡng [32, 33] Giảmlượng nước và chất dinh dưỡng trong cây dẫn đến giảm hấp thụ bức xạ quang hợp
và do đó làm chậm quá trình quang hợp [34] Việc thay đổi lượng nước tưới, lượngphân bón đã ảnh hưởng lớn đến chiều cao, số lá của cây và năng suất của cây dưachuột [35÷37] Khi cây dưa chuột được tưới và bón phân ở một mức độ phù hợp sẽđem lại năng suất cao cho cây [38, 39] Khi lượng ánh sáng [40], nhiệt độ [41] vàmức CO2 [42] trong nhà kính thay đổi cũng làm cho chiều cao cây dưa chuột bị ảnhhưởng và chúng có tương quan chặt chẽ với năng suất của cây dưa chuột [43, 44]
Do đó, các phép đo các chỉ số này được yêu cầu trong hầu hết các nghiên cứu sinh
lý học và nông học liên quan đến sự sinh trưởng và phát triển của cây trồng ngắnngày [45÷47] Một ứng dụng đếm số lá của cây trồng để điều tiến phân bón đượcthể hiện trong nghiên cứu [48], trong nghiên cứu này, các nhà nghiên cứu đã sửdụng hệ thống nhỏ giọt để bón phân cho cây dưa chuột bằng cách sử dụng phươngpháp đếm số lượng lá phát triển trên các cây đặc trưng trong vòng 14 ngày để cungcấp lượng phân bón phù hợp cho cây dưa chuột, kết quả cho thấy phương pháp nàytốt hơn so với phương pháp bình thường Tuy nhiên trong nghiên cứu này đang sửdụng phương pháp thủ công để phân tích và đếm lá Vì vậy, nếu xác định được cácthông số về diện tích lá, số lá và chiều cao cây trồng một cách tự động chính xác làmột việc hết sức ý nghĩa cho việc đề xuất điều tiết các yếu tố khí hậu, nước và dinhdưỡng cho cây trồng phát triển tốt, góp phần tính toán, dự đoán được năng suất củacây, cũng như giảm công sức theo phương pháp thu công cho người nông dân
1.3 Tình hình nghiên cứu hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày
Hệ thống điều khiển giám sát các thông số trong nhà lưới và cây trồng để điềutiết môi trường, phun thuốc trừ sâu bệnh cho cây trồng sinh trưởng và phát triểnđược thể hiện qua sơ đồ khối cơ bản như Hình 1.2 Trong hình này, các tín hiệu vào
Trang 33được
Trang 34thu tập từ các hệ thống cảm biến để xác định các giá trị của môi trường như nhiệt
độ, độ ẩm của không khí, độ ẩm của đất, cường độ ánh sáng, độ pH của đất, độ dẫnđiện của đất (EC), nồng độ CO2 Hình ảnh đất, lá và hình dạng của cây được thuthập từ các cảm biến hình ảnh Các thông số này được đưa vào hệ thống thu thập,
xử lý và điều khiển, hệ thống này được giao tiếp qua lại với trạm giám sát và điềukhiển thông qua cáp hoặc hệ thống không dây, sau đó phát ra tín hiệu điều khiển đểđiều khiển cho hệ thống nhiệt, hệ thống điều tiết ánh sáng, hệ thống điều tiết CO2,
hệ thống cấp độ ẩm, hệ thống cung cấp dinh dưỡng và hệ thống phun thuốc trừ sâubệnh hoạt động để đáp ứng yêu cầu cần thiết cho cây trồng
Hình 1.2 Sơ đồ hệ thống điều khiển giám sát quá trình sinh trưởng và bệnh hại cây trồng
Trạm giám át và điều khiển trung t m
Cảm iến đo nhiệt độ
Trang 35à ưới
Các đối tượng điều khiển cuối cùng
B ơ m M
á t ạ
o m M
á
h
t m M
á t ạ
o n h i ệ
t
Đ n
Cả
m iến
độ m
đ t
Cảm iến nhi
ệt
độ
và
độ m
A
r u i n
o R
a M
o
u
Nhiệt độ tương đối Độ m
Giám át và
điều khiển
Hình 1.3 Hệ thống giám sát và điều tiết nhiệt độ, ánh sáng, độ ẩm đất và độ ẩm không khí
trong nhà lưới (nguồn [49])
M ga
Ar uino
th rn t Shi
Trang 36Đã có rất nhiều nghiên cứu về điều khiển giám sát các thông số nhà lưới trênthế giới và cũng có những nghiên cứu đã được đưa vào ứng dụng tốt trong quá trìnhsản xuất Trong nghiên cứu [49] (Hình 1.3), các tác giả đã trình bày việc thiết kế vàtriển khai một hệ thống chi phí thấp để giám sát và điều khiển từ xa các thông sốnhà kính sử dụng logic mờ Đối với hệ thống điều khiển, Arduino Mega đã được lậptrình với một thuật toán mờ để theo dõi và thực hiện điều khiển nhiệt độ môitrường, độ ẩm của đất, độ ẩm tương đối không khí và cường độ ánh sáng Một trangweb được thiết kế để theo dõi các chỉ số chính và để điều khiển hệ thống thông gió,
hệ thống phun sương và tưới Để kết nối với trang web, Arduino Ethernet Shield đãđược sử dụng Do đó, có thể thiết lập một mạng cục bộ và giám sát và kiểm soát cácbiến số khí hậu nhà kính theo cách thủ công hoặc tự động Tương tự, nhiều côngtrình khác cũng đã thông qua các thông số đầu vào như nhiệt độ, độ ẩm, cường độánh sáng, độ dẫn điện EC, độ pH của đất từ các cảm biến và sử dụng Arduino [50,51], PLC [52, 53], PIC [54], PC [55, 56] để xử lý và điều khiển các thiết bị đầu ranhư quạt, lò sưởi, ánh sáng và máy bơm, từ đó điều tiết nhiệt độ, ánh sáng, độ ẩmnhằm đáp ứng tốt các nhu cầu của cây trồng Trong bài [57] (Hình 1.4), các tác giả
đã trình bày một nền tảng IoT dựa trên đám mây nhiều tầng kết nối các cảm biến,thiết bị truyền động và các thiết bị liên quan được đặt bên trong nhà kính, một nềntảng đã được thiết lập về năng suất và chất lượng trên quả dưa chuột được trồngtrong một nhà kính quy mô thương mại Bên cạnh đó, nghiên cứu cũng đã xem xéttác động của hệ thống trong việc cải thiện năng suất nước và năng lượng thông quamột quy trình hiệu quả về chi phí, dẫn đến tăng năng suất của cây trồng Tuy nhiênnghiên cứu này vẫn chưa sử dụng đến các thuật toán trí tuệ nhân tạo và các hệ thốngkhông dây để giám sát và điều khiển, các tác giả trong nghiên cứu này cũng đangđịnh hướng vấn đề này trong tương lại sẽ nghiên cứu bổ sung để hoàn thiện làm cho
mô hình thông minh hơn
Hình 1.4 Tổng quan mô hình giám sát và điều khiển môi trường nhà lưới bằng các
Trang 37cảm biến (nguồn [57])
Trang 38Trong công trình [10] đã trình bày một cuộc thi sử dụng các thuật toán trí tuệnhân tạo và IoT trong việc giám sát điều khiển quá trình sản xuất dưa chuột trongnhà kính Hình 1.5, là sơ đồ cấu trúc của nghiên cứu này, các đội tham gia đã sửdụng các thuật toán AI khác nhau để điều tiết các thông số môi trường như ánhsáng, CO2, nước, dinh dưỡng…trong nhà lưới nhằm đem lại năng suất cao cho câydưa chuột, các nhóm cũng tương tác với người chăm sóc nhà lưới để xác định cácthông số cây trồng như năng suất dưa chuột… Nghiên cứu đã chứng minh việc sửdụng trí tuệ nhân tạo cho điều khiển giám sát môi trường nhà lưới đem lại hiệu quảtốt hơn so với canh tác truyền thống Quá trình thử nghiệm, họ cũng đã lắp đặt 8camera RGB, tuy nhiên hình ảnh từ các camera này không được sử dụng trong cácthuật toán AI, vì vậy mà đặc điểm biểu hiện bên ngoài như chiều cao cây, số lá, diệntích lá, sâu bệnh …của cây dưa chuột chưa được quan tâm trong nghiên cứu này.
Thiết ị và cơ c u
ch hành nhà kính
Trang 39Ánh áng nh n tạo
Mái thông gi
R m ch
Đ u vào Kiểm oát các điểm thiết ậ khí hậu tưới ti u c trồng
Các thuật toán AI
Đ u ra Khí hậu thực tế tưới
C ưa chuột
Hình 1.5 Sơ đồ cấu trúc của các nhóm nghiên cứu sử dụng các thuật toán AI khác
nhau điều khiển giám sát quá trình sản xuất dưa chuột (nguồn [10])
Các nghiên cứu sử dụng bằng các cảm biến để đo các thông số của môi trường
từ đó sử dụng các thuật toán khác nhau để điều khiển đã được sử dụng khá phổbiến, và cũng đã đóng góp lớn cho việc giám sát và điều tiết môi trường cho câytrồng phát triển trong các thập kỷ qua Tuy nhiên, các hệ thống này chưa giám sáthết được các sự khác thường của cây trồng trong quá trình sinh trưởng và phát triểncủa cây như kích thước, hình dáng, màu sắc và bệnh hại của cây Sự biến đổi hìnhdáng và xuất hiện của bệnh hại như thế nào khi các yếu tố môi trường thay đổi đểđưa ra cảnh báo và điều tiết các yếu tố phù hợp nhằm cho cây phát triển tốt nhất làchưa được quan tâm
Với những hạn chế của các hệ thống điều khiển giám sát sử dụng các loại cảmbiến nêu trên, các công nghệ sử dụng đầu vào là hình ảnh từ camera đã được pháttriển và nghiên cứu trong nhiều năm trở lại đây khi sự phát triển mạnh mẽ của thịgiác máy tính và trí tuệ nhân tạo Đã có nhiều công trình nghiên cứu sử dụng côngnghệ xử lý ảnh [58], trí tuệ nhân tạo bằng việc thông qua hình ảnh của lá có thể xácđịnh được thiếu hụt dinh dưỡng [59], sâu bệnh [60, 61] của cây trồng Đặc biệt vớicông trình nghiên cứu [62], một hệ thống giám sát và cảm biến thực vật sử dụngthị giác
Trang 40máy được sử dụng để kiểm tra và phát hiện thiếu Nitơ trong việc bón phân cho câydưa chuột được trồng trong điều kiện nhà kính bằng cách sử dụng đường kính thân
và thay đổi màu sắc của lá cây dưa chuột Hệ thống thị giác máy bao gồm hai thànhphần chính: hệ thống di chuyển camera robot và mô đun xử lý hình ảnh Hệ thốngthị giác máy có thể trích xuất các đặc điểm kết cấu của cây để xác định tình trạngsức khỏe của cây một cách tự động Hệ thống được giới thiệu có khả năng xác địnhcây dưa chuột thiếu Nitơ khoảng hai ngày trước khi phát hiện triệu chứng bằng thịgiác của con người Tương tự, các tác giả trong [63] đã thiết kế một robot để xácđịnh sự thiếu hụt dinh dưỡng Nitơ của cây dưa chuột trong nhà kính từ đó điềukhiển cung cấp phân bón cho cây Mô hình của hệ thống này được thể hiện trênHình 1.6 Kết quả cho thấy mức tiêu thụ phân đạm giảm khoảng 18% mà không làmgiảm năng suất hoặc các thông số chất lượng của quả như độ cứng, tổng chất rắnhòa tan, chất diệp lục và hàm lượng axit ascobic Hay nghiên cứu [64] đã thiết kế hệthống robot để theo dõi vị trí bệnh trên quả cà chua được trồng thường mại, nghiêncứu này đã sử dụng các mạng học sâu khác nhau để phát hiện bệnh vị trí bị bệnhcủa quả cà chua trong môi trường sản xuất đạt kết quả khá cao
Hình 1.6 Mô hình hệ thống robot giám sát và điều khiển cung cấp đạm (Nitơ) cho cây
dưa chuột (nguồn [63])
Ở Việt Nam, các nghiên cứu về điều khiển giám sát, chăm sóc cây trồng cũngđược một số nhà nghiên cứu quan tâm, như một số nghiên cứu của các tác giả trong[65, 66], các nghiên cứu này đã thiết kế các cảm biến để giám sát môi trường canhtác nhà lưới; nghiên cứu [67], nhóm tác giả đã thiết kế hệ thống phun sương tự độngtheo thời gian và theo nhiệt độ nhằm duy trì độ ẩm cho cây trồng Hay trong bài[68], nhóm tác giả đã xây dựng mô hình nhà kính tự động điều chỉnh các thông sốmôi trường và đã thử nghiệm cho kết quả tốt trên nấm; một số nghiên cứu về xácđịnh một số sâu bệnh như trên lúa [69], phát hiện rầy nâu bằng phương pháp xử lýảnh cũng đã cho kết quả tốt [70] Nhận thấy hoạt động nghiên cứu về hệ thống giámsát quá trình sinh trưởng và bệnh hại cây trồng ngắn ngày trong nước vẫn còn hạnchế, đặc biệt ứng dụng trí tuệ nhân tạo và thị giác máy tính trong lĩnh vực nông
Nhà kính
Cam ra
Tim r Các ch t inh ư ng khác
Bồn nước Nguồn c inh
ư ng Nitơ
Thu tín
hiệu
không
Phát tín hiệu không
