Một số mô hình ứng dụng công nghệ 4.0 hỗ trợ nông nghiệp, thủy sản thông minh
Abstract
The fourth industrial revolution is gradually supporting changing habits in life in a more automatic way. In this work, we introduce some technology application models of the fourth industrial revolution in supporting smart agriculture and fisheries. These systems include virtual assistant system in smart agriculture, rice leaf colorimetric system on mobile devices, disease diagnosis system on rice leaves from photos taken by deep learning technique, Promotion system. agriculture via text message, the system of monitoring and warning of water quality by deep learning techniques and the system to look up the origin of products by QR code. These systems have all been built and tested in the lab. Experimental results showed that the application in practice was completely feasible, but the application will need specific addresses as well as fine-tuning to suit each locality.
Tóm tắt
Cuộc cách mạng công nghiệp 4.0 đang dần hỗ trợ thay đổi những thói quen trong cuộc sống theo hướng tự động hơn. Trong bài viết này, chúng tôi giới thiệu một số mô hình ứng dụng công nghệ của cuộc cách mạng công nghiệp lần thứ 4 trong hỗ trợ lĩnh vực nông nghiệp và thủy sản thông minh. Các hệ thống này bao gồm: Hệ thống trợ lý ảo trong Nông nghiệp thông minh, Hệ thống so màu lá lúa trên thiết bị di động, Hệ thống chẩn đoán bệnh trên lá lúa từ ảnh chụp bằng kỹ thuật học sâu, Hệ thống khuyến nông qua tin nhắn, Hệ thống quan trắc và cảnh báo chất lượng môi trường nước bằng kỹ thuật học sâu và Hệ thống tra cứu nguồn gốc sản phẩm bằng mã QR. Các hệ thống này đều đã được xây dựng và thử nghiệm trong phòng nghiên cứu. Kết quả thực nghiệm cho thấy việc ứng dụng vào thực tế là hoàn toàn khả thi, tuy nhiên việc áp dụng sẽ phải cần địa chỉ cụ thể cũng như việc tinh chỉnh cho phù hợp với từng địa bàn.
Article Details
Tài liệu tham khảo
Durai, S. K. S. & Shamili, M. D. (2022). Smart farming using Machine Learning and Deep Learning techniques, Decision Analytics Journal, Volume 3, 2022, 100041, ISSN 2772-6622, doi.org/10.1016/j.dajour.2022.100041.
Meshram V., Patil K., Meshram V., Hanchate D., & Ramkteke, S.D. (2021). Machine learning in agriculture domain: A state-of-art survey. Artificial Intelligence in the Life Sciences. 1, 100010. doi.org/10.1016/j.ailsci.2021.100010.
Nghe, N. T., Hùng, T. T., & Ngôn, N. C. (2021). Xây dựng hệ thống tra cứu nguồn gốc thủy sản bằng mã QR. Tạp chí Khoa học Trường Đại học Cần Thơ, 57(Số chuyên đề Thủy sản), 181-191. https://doi.org/10.22144/ctu.jvn.2021.077
Nghe, N. T., Phương, L. T., & Hòa., N. H. (2016). Hệ thống so màu lá lúa trên thiết bị di động. Kỷ yếu Hội nghị khoa học công nghệ quốc gia lần thứ IX - "Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin" (FAIR 2016).
Nguyen, C.N., & Thai-Nghe, N. (2015, 14-16 Oct. 2015). An agricultural extension support system on mobile communication networks. 2015 International Conference on Advanced Technologies for Communications (ATC).
Nghe, N. T. H., Án, T. C., & Minh, V. Q. (2021). Một tiếp cận trong dự báo chỉ số môi trường nước bằng kỹ thuật học sâu. Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR).
Thai-Nghe, N., Ngo, T.-T., & Nguyen, H.-H. (2021). Deep learning for Rice leaf disease detection in Smart Agriculture. Proceedings of the 2021 International Conference on “Artificial Intelligence and Big Data in Digital Era” (ICABDE).
Thai-Nghe, N., Thanh-Hai, N., & Ngon, N. C. (2020). Deep Learning Approach for Forecasting Water Quality in IoT Systems. International Journal of Advanced Computer Science and Applications, 11(8). https://doi.org/10.14569/IJACSA.2020.0110883
Yang, X., Zhang, S., Liu, J., Gao, Q., Dong, S., & Zhou, C. (2021), Deep learning for smart fish farming: applications, opportunities and challenges. Rev. Aquacult., 13, 66-90. https://doi.org/10.1111/raq.12464
Zhao S., Zhang S., Liu J., Wang H., Zhu J., Li D., & Zhao R., (2021). Application of machine learning in intelligent fish aquaculture: A review. Aquaculture. 540, 736724. doi.org/10.1016/j.aquaculture.2021.736724