Máy bay không người lái sáu cánh quạt đang bay – ảnh minh họa. Tín dụng hình ảnh: Richard Unten qua Flickr, CC BỞI 2.0
Vì lý do an ninh lương thực và khuyến khích kinh tế, nông dân liên tục tìm cách tối đa hóa năng suất cây trồng có thể bán được trên thị trường. Do cây trồng phát triển không đồng đều nên tại thời điểm thu hoạch chắc chắn sẽ có sự khác biệt về chất lượng và kích cỡ của từng loại cây trồng. Vì vậy, việc tìm ra thời điểm thu hoạch tối ưu là ưu tiên hàng đầu của người nông dân.
Một cách tiếp cận mới sử dụng máy bay không người lái và trí tuệ nhân tạo đã cải thiện đáng kể ước tính này một cách cẩn thận và chính xác. phân tích từng loại cây trồng để đánh giá các đặc điểm tăng trưởng có thể có của chúng.
Đường ống AI dựa trên máy bay không người lái. Tổng quan trực quan về hệ thống nhằm thu thập và phân tích dữ liệu hình ảnh về cây trồng, sau đó đưa ra mô hình giúp nông dân biết thời điểm tốt nhất để thu hoạch trên cánh đồng của họ. Nguồn hình ảnh: Guo và cộng sự. CC-BY
Một số câu chuyện khoa học viễn tưởng lạc quan nói về một tương lai hậu khan hiếm, nơi mà nhu cầu của con người được đáp ứng và lao động nặng nhọc được cung cấp bởi máy móc. Có một số cách mà tầm nhìn này dường như dự đoán một số yếu tố của tiến bộ công nghệ hiện tại. Một lĩnh vực như vậy là nghiên cứu nông nghiệp, nơi tự động hóa đang tạo ra ảnh hưởng.
Lần đầu tiên, các nhà nghiên cứu, bao gồm cả những người đến từ Đại học Tokyo, đã trình diễn một hệ thống tự động hóa phần lớn để cải thiện năng suất cây trồng, có thể mang lại lợi ích cho nhiều người và có thể giúp mở đường cho các hệ thống trong tương lai có thể thu hoạch trực tiếp cây trồng trong tương lai.
Phó giáo sư Wei Guo từ Phòng thí nghiệm Hiện tượng học hiện trường cho biết: “Ý tưởng tương đối đơn giản nhưng việc thiết kế, triển khai và thực hiện lại cực kỳ phức tạp.
“Nếu nông dân biết thời điểm lý tưởng để thu hoạch ruộng trồng trọt, họ có thể giảm thiểu chất thải, điều này tốt cho họ, cho người tiêu dùng và môi trường. Nhưng thời điểm thu hoạch tối ưu không phải là điều dễ dự đoán và lý tưởng nhất là cần có kiến thức chi tiết về từng loại cây; những dữ liệu đó sẽ rất tốn kém về chi phí và thời gian nếu mọi người được thuê để thu thập nó. Đây là nơi máy bay không người lái xuất hiện.”
Guo có nền tảng về cả khoa học máy tính và khoa học nông nghiệp, vì vậy rất phù hợp để tìm ra những cách thức phần cứng và phần mềm tiên tiến có thể hỗ trợ nông nghiệp. Ông và nhóm của mình đã chứng minh rằng một số máy bay không người lái giá rẻ với phần mềm chuyên dụng có thể chụp ảnh và phân tích cây non - bông cải xanh trong trường hợp của nghiên cứu này - và dự đoán chính xác các đặc điểm tăng trưởng dự kiến của chúng.
Máy bay không người lái thực hiện quá trình chụp ảnh nhiều lần và thực hiện mà không cần sự tương tác của con người, nghĩa là hệ thống đòi hỏi ít chi phí lao động.
Trực quan hóa dữ liệu trên ảnh chụp từ trên không. Chi phí nhân công và thời gian liên quan ngăn cản việc lập danh mục thủ công từng loại cây trên cánh đồng. Tại đây, dữ liệu danh mục được thu thập bởi máy bay không người lái và được hệ thống học sâu tạo ra sẽ được xếp chồng lên các bức ảnh về cánh đồng. Nguồn hình ảnh: Guo và cộng sự. CC-BY
Guo cho biết: “Một số người có thể ngạc nhiên khi biết rằng việc thu hoạch trên một cánh đồng chỉ một ngày trước hoặc sau thời gian tối ưu có thể làm giảm thu nhập tiềm năng của cánh đồng đó đối với người nông dân từ 3.7% đến 20.4%.
“Nhưng với hệ thống của chúng tôi, máy bay không người lái xác định và lập danh mục mọi nhà máy trên đồng ruộng, đồng thời dữ liệu hình ảnh của chúng cung cấp cho mô hình sử dụng công nghệ học sâu để tạo ra dữ liệu trực quan dễ hiểu cho nông dân. Với chi phí máy bay không người lái và máy tính tương đối thấp hiện nay, phiên bản thương mại của hệ thống này sẽ nằm trong tầm tay của nhiều nông dân”.
Thử thách chính của nhóm là ở khía cạnh phân tích hình ảnh và học sâu. Bản thân việc thu thập dữ liệu hình ảnh là tương đối đơn giản, nhưng xét đến cách thực vật di chuyển trong gió và cách ánh sáng thay đổi theo thời gian và các mùa, dữ liệu hình ảnh chứa rất nhiều biến thể mà máy móc thường khó có thể bù đắp được.
Vì vậy, khi đào tạo hệ thống của mình, nhóm đã phải đầu tư rất nhiều thời gian để dán nhãn các khía cạnh khác nhau của hình ảnh mà máy bay không người lái có thể nhìn thấy để giúp hệ thống học cách xác định chính xác những gì nó nhìn thấy. Thông lượng dữ liệu khổng lồ cũng là một thách thức - dữ liệu hình ảnh thường ở mức hàng nghìn tỷ pixel, lớn hơn hàng chục nghìn lần so với cả một chiếc máy ảnh điện thoại thông minh cao cấp.
Guo cho biết: “Tôi được truyền cảm hứng để tìm ra nhiều cách hơn để xác định kiểu hình thực vật (đo lường các đặc điểm phát triển của thực vật) từ phòng thí nghiệm đến hiện trường nhằm giúp giải quyết những vấn đề chính mà chúng ta gặp phải”.
nguồn:Đại học Tokyo
