Một nhóm nghiên cứu liên ngành tại Penn State cho biết, hệ thống trồng cây không cần đất trong nhà kính, còn gọi là nông nghiệp trong môi trường có kiểm soát, có tiềm năng giúp sản xuất các loại cây trồng đặc sản chất lượng cao xung quanh năm. Tuy nhiên, để duy trì tính cạnh tranh và sự vững chắc, phương pháp này cần áp dụng các kỹ thuật nông nghiệp chính xác. Đáp ứng nhu cầu đó, nhóm nghiên cứu đã phát triển một hệ thống giám sát tự động, giúp theo dõi liên tục phát triển và nhu cầu trồng cây, hỗ trợ quản lý hiệu quả hơn. Kết quả nghiên cứu của họ đã được công bố trên tạp chí Máy tính và Điện tử trong Nông nghiệp.

Phó giáo sư Long He, trưởng nhóm nghiên cứu và học viên kỹ thuật nông nghiệp và sinh học, cho biết: “ Theo truyền thống, giám sát cây trồng trong hệ thống nông nghiệp không cần đất trong môi trường có kiểm soát là một trong quan trọng nhưng phục vụ chuyên môn. Tuy nhiên, các phương pháp giám sát không thể thu thập dữ liệu thường xuyên, theo thời gian thực, việc làm theo động lực tăng tốc của bạn trong chu kỳ trở lại. giải quyết vấn đề này bằng cách thu thập liên tục dữ liệu, giúp quản lý cây trồng hiệu quả hơn và cung cấp thông tin chi tiết hơn".

Các nhà nghiên cứu đã phát hiện ra rằng việc kết hợp mạng lưới vạn vật (IoT), trí tuệ nhân tạo (AI) và hệ thống thị giác máy tính có thể tạo ra một hệ thống giám sát và phân tích liên tục phát triển cây trồng trong môi trường canh tác không cần đất, cho phép theo dõi và phân tích liên tục quá trình phát triển cây trồng trong suốt chu kỳ. IoT hay mạng lưới vạn vật là một hệ thống kết nối các thiết bị vật lý có khả năng trao đổi dữ liệu qua internet, hỗ trợ cảm biến, phần mềm và công nghệ tiên tiến.

Nhóm nghiên cứu cho biết cải thiện cốt truyện cốt lõi trong tiến trình của họ là lần đầu tiên phát triển quy trình mô hình phân đoạn hình ảnh đệ quy, có khả năng xử lý các hình ảnh hàng tuần tự động được ở độ phân giải cao theo các khoảng thời gian xác định rõ trước đó, giúp người theo dõi chính xác sự thay đổi trong quá trình phát triển cây trồng. Trong quá trình nghiên cứu, phương pháp này đã được thử nghiệm trên cải thiện baby, một loại rau lá còn được gọi là cải thảo Trung Quốc. Tuy nhiên, các nhà nghiên cứu đều biết rằng phương pháp này có thể áp dụng hiệu quả cho nhiều loại cây trồng khác.

Nhóm nghiên cứu tại Cao đẳng Khoa học Nông nghiệp, trực thuộc Trung tâm Nghiên cứu và Mở rộng Cây trái của Penn State tại Biglerville, đã tập trung vào nông nghiệp tự động và chính xác trong hơn một thập kỷ. Nhóm đã phát triển các giải pháp robot cho nhiều ứng dụng nông nghiệp, bao gồm thu hoạch, cắt chém, phun quả xanh, phun phấn, hệ thống nuôi dưỡng cây, phun thuốc trừ sâu và tiêu. Hệ thống thị giác máy được sử dụng trong nghiên cứu này là một bước tiến của công nghệ mà nhóm đã phát triển trước đây cho các mục tiêu khác.

Trong nghiên cứu này, hệ thống thị giác máy tích hợp đã phân tích thành công từng cây cải thiện phát triển em bé trong hệ thống thủy canh, tạo ra các hình ảnh giúp theo dõi thường xuyên xuyên suốt thời gian sinh học trưởng thành của chúng. Các nhà nghiên cứu cho biết mô hình đệ quy trong thuật toán duy trì "hiệu năng mạnh mẽ", cung cấp thông tin chính xác trong toàn bộ quá trình phát triển cây trồng.

Long He đã ghi nhận Chenchen Kang, một nghiên cứu sinh cấp sau tiến sĩ trong phòng thí nghiệm của mình và là tác giả chính của nghiên cứu, vì đã đóng góp nỗ lực sáng tạo và nỗ lực cần thiết để "huấn luyện" hệ thống thị giác máy tính theo dõi quá trình sinh trưởng của cây.

"Chenchen đã phát triển khả năng khai cảm biến để thu thập và xử lý dữ liệu, đồng thời phát triển phương pháp thảo luận, lập trình và mã hóa các mô hình AI," ông cho biết.

Nghiên cứu này là một dự án liên ngành, kết nối giữa kỹ sư nông nghiệp và nhà khoa học thực vật, đồng thời là một phần của dự án liên bang quy mô lớn mang tên " Thúc đẩy tính bền vững trong hệ thống nông nghiệp đô thị trong nhà ".

Phó giáo sư Francesco Di Gioia, chuyên gia về khoa học cây trồng rau và là nhà nghiên cứu chính của dự án bảo lãnh trong lĩnh vực công nghệ và môi trường, nhấn mạnh vai trò của việc kết hợp các chuyên môn khác nhau trong việc phát triển giải pháp nông nghiệp chính xác. Ông nhận định rằng cách tiếp cận liên ngành sẽ ngày càng quan trọng trong việc nâng cao hiệu quả và đảm bảo tính bền vững lâu dài cho các hệ thống nông nghiệp trong môi trường được kiểm soát hiện nay.

Di Gioia cho biết, Việc ứng dụng công nghệ IoT và AI trong nông nghiệp không chỉ giúp tự động theo dõi và thu thập dữ liệu về tình trạng trồng cây mà còn hỗ trợ tính chất phát triển và nhu cầu dinh dưỡng của cây một cách chính xác. Đồng thời, hệ thống này có thể giám sát các môi trường yếu tố như bức xạ, nhiệt độ, độ ẩm tương đối cũng như điều chỉnh dịch dinh dưỡng phù hợp, từ đó tối ưu hóa quá trình cánh tác. Sự kết hợp giữa thực tế thời gian dữ liệu và thông tin phân tích thuật toán sẽ giúp cải thiện hiệu suất, giảm lãng phí tài nguyên và nâng cao hiệu quả sản xuất nông nghiệp.

Việc nâng cao hiệu quả và khả năng cạnh tranh của hệ thống nông nghiệp trong môi trường được kiểm soát không chỉ giúp tối ưu hóa sản xuất mà còn góp phần quan trọng vào việc đảm bảo an ninh lương thực và dinh dưỡng. Bằng cách giảm thiểu tình trạng hiệu quả, hạn chế lãng phí tài nguyên và tối ưu hóa điều kiện hoạt động, hệ thống này có thể cung cấp nguồn thực phẩm ổn định, chất lượng cao và bền vững hơn.

Trong tương lai, việc tích hợp các công nghệ nông nghiệp chính xác vào các hệ thống nông nghiệp có môi trường được kiểm soát cũng có thể mang lại cơ hội nâng cao chất lượng của các loại cây trồng đặc sản và thậm chí còn điều chỉnh hồ sơ dinh dưỡng của, Di Gioia nói thêm.

Xinyang Mu, tốt nghiệp as tiến sĩ về kỹ thuật nông nghiệp và sinh học tại Penn State và hiện là học giả sau tiến sĩ tại Đại học bang Michigan, và Aline Novaski Seffrin, ứng viên tiến sĩ về khoa học thực vật, là những cá nhân đã đóng góp nhiều nỗ lực vào nghiên cứu này.

Nguồn: NASATI