GIẢI PHÁP: ỨNG DỤNG TRÍ THÔNG MINH NHÂN TẠO (AI) XÂY DỰNG MÔ HÌNH PHÁT HIỆN SỚM CÁC BỆNH HẠI PHỔ BIẾN TRÊN CÂY SẮN TẠI ĐÔNG NAM BỘ

NHÓM TÁC GIẢ

Thực hiện Nghị quyết số 57 của Bộ Chính trị về đột phá khoa học công nghệ, đổi mới sáng tạo và chuyển đổi số trong nông nghiệp, đội ngũ chuyên gia, nhà khoa học tại Trung tâm Nghiên cứu Thực nghiệm Nông nghiệp Hưng Lộc đã ứng dụng trí tuệ nhân tạo (A.I) để xây dựng mô hình phát hiện sớm các bệnh hại phổ biến trên cây sắn ở vùng Đông Nam Bộ. Dưới sự chủ trì của Thạc sĩ Nguyễn Ngọc Hùng, nhóm nghiên cứu đã ứng dụng một cách hiệu quả công nghệ AI dễ tiếp cận để giải quyết vấn đề thực tiễn, cấp bách của ngành nông nghiệp địa phương.

1. Tóm tắt nội dung giải pháp

Cây sắn (Manihot esculenta Crantz) là một trong những cây lương thực quan trọng tại Việt Nam, đặc biệt ở vùng Đông Nam Bộ. Tuy nhiên, năng suất và chất lượng củ sắn thường bị đe dọa nghiêm trọng bởi các bệnh hại, trong đó phổ biến là bệnh khảm lá (CMD), bệnh chổi rồng (CWBD) và bệnh thối củ (CRRD). Việc chẩn đoán sớm và chính xác đóng vai trò then chốt trong công tác quản lý dịch hại. Nghiên cứu này trình bày việc xây dựng và đánh giá một mô hình trí tuệ nhân tạo (AI) dựa trên nền tảng học máy có thể truy cập rộng rãi (Google Teachable Machine) để nông dân và cán bộ kỹ thuật phát hiện sớm các bệnh hại sắn qua mẫu lá hoặc hình ảnh. Quy trình thực hiện giải pháp bao gồm ba bước chính:

Xây dựng bộ dữ liệu: Thu thập hơn 1.000 hình ảnh lá sắn thực địa tại các vùng trồng trọng điểm (Đồng Nai, Tây Ninh) trong các điều kiện chụp đa dạng. Dữ liệu được các chuyên gia nông nghiệp từ Trung tâm Nghiên cứu Thực nghiệm Nông nghiệp Hưng Lộc thẩm định và gán nhãn, phân loại thành 5 nhóm riêng biệt: Sạch Bệnh, Khảm Lá, Chổi Rồng, Thối Củ, và Khác.

Huấn luyện mô hình: Sử dụng bộ dữ liệu đã được gán nhãn để huấn luyện một mô hình học sâu (deep learning) trên nền tảng Teachable Machine. Giải pháp tận dụng kỹ thuật "học chuyển giao" (transfer learning) dựa trên kiến trúc mạng MobileNet V2, giúp rút ngắn đáng kể thời gian đào tạo và giảm yêu cầu về khối lượng dữ liệu mà vẫn đảm bảo hiệu suất cao.

Đánh giá và triển khai: Hiệu suất của mô hình AI cuối cùng được đánh giá trên một tập dữ liệu thử nghiệm độc lập. Kết quả cho thấy mô hình đạt độ chính xác tổng thể trên 94%. Mô hình sau đó được xuất bản dưới các định dạng web (Tensorflow.js) và di động (Tensorflow Lite), sẵn sàng tích hợp vào các ứng dụng thực tế để người nông dân và cán bộ kỹ thuật có thể sử dụng dễ dàng.

2. Tính mới và Tính sáng tạo

Xây dựng bộ dữ liệu chuyên biệt và xác thực tại chỗ: Đây là mô hình AI đầu tiên được huấn luyện trên bộ dữ liệu ảnh bệnh sắn thu thập trực tiếp tại Đông Nam Bộ và được thẩm định bởi chuyên gia nông nghiệp Việt Nam. Điều này đảm bảo mô hình nhận diện chính xác các triệu chứng đặc thù của địa phương, giải quyết điểm yếu của các ứng dụng toàn cầu.

Ứng dụng công nghệ AI dễ tiếp cận: Thay vì dùng các thuật toán phức tạp, giải pháp tiên phong sử dụng nền tảng Teachable Machine. Cách tiếp cận này chứng minh rằng người không chuyên về công nghệ vẫn có thể tạo ra công cụ AI hiệu quả và đưa công nghệ vào thực tiễn nông nghiệp một cách nhanh chóng.

3. Khả năng áp dụng và Hiệu quả

Tích hợp linh hoạt và dễ dàng nâng cấp: Mô hình có thể dễ dàng đưa vào các ứng dụng di động hoặc website nhờ các định dạng xuất chuẩn (Tensorflow.js, Tensorflow Lite). Có thể liên tục cập nhật dữ liệu mới để nhận diện thêm các bệnh khác hoặc cải thiện độ chính xác, đảm bảo tính bền vững lâu dài.

Sử dụng đơn giản: Người nông dân chỉ cần dùng điện thoại thông minh chụp ảnh và nhận kết quả chẩn đoán gần như tức thì mà không cần kỹ năng phức tạp.

Chi phí thấp và phù hợp: Giải pháp không yêu cầu đầu tư phần cứng chuyên biệt, phù hợp với điều kiện của nông dân Việt Nam.

Giải pháp mang lại hiệu quả thiết thực trên cả ba phương diện kỹ thuật, kinh tế và xã hội, tạo ra tác động tích cực và toàn diện.

Hiệu quả Kỹ thuật: Mô hình chẩn đoán nhanh, khách quan với độ chính xác cao và hoạt động 24/7, loại bỏ độ trễ và tính chủ quan của việc quan sát bằng mắt. Nó cũng giúp thống nhất quy trình chẩn đoán, không phụ thuộc kinh nghiệm cá nhân.

Hiệu quả Kinh tế: Phát hiện bệnh sớm giúp can thiệp kịp thời, ngăn chặn lây lan, giảm thiệt hại mùa màng. Chẩn đoán bệnh đúng giúp tránh lạm dụng thuốc bảo vệ thực vật, tiết kiệm chi phí đầu vào, trực tiếp nâng cao lợi nhuận cho nông dân.

Hiệu quả Xã hội: Giải pháp này cung cấp công cụ giúp nông dân chủ động quản lý dịch hại và đồng ruộng hiệu quả, giảm sự phụ thuộc vào chuyên gia. Thúc đẩy nông nghiệp bền vững, giảm sử dụng thuốc bảo vệ thực vật giúp bảo vệ sức khỏe cộng đồng và môi trường sinh thái. Giải pháp cũng góp phần chuyển đổi số nông nghiệp, ứng dụng công nghệ 4.0, giúp nâng cao giá trị và uy tín cho nông sản Việt Nam.