Trang chủ Sự kiện VCM 2016 Giải pháp hỗ trợ nông nghiệp thông minh trên thiết bị di động

Giải pháp hỗ trợ nông nghiệp thông minh trên thiết bị di động

1. Giới thiệu
Việt Nam là một trong những nước có nhiều người dân làm nghề trồng trọt, đặc biệt là việc trồng lúa, chiếm gần 72% lực lượng lao động cả nước. Trong đó, Đồng bằng sông Cửu Long (ĐBSCL) chiếm khoảng 52% tổng sản lượng lúa của cả nước, hàng năm đóng góp trên 90% sản lượng gạo xuất khẩu. Sản xuất lúa có vai trò đặc biệt quan trọng trong việc đảm bảo an ninh lương thực quốc gia và góp phần tích cực trong xuất khẩu. Tuy nhiên, để duy trì sự tăng trưởng ổn định trong sản xuất lúa gạo ở nước ta, cần có những giải pháp bền vững. Những năm qua, do ảnh hưởng của biến đổi khí hậu và môi trường đã gây ra những đe dọa lớn đối với sản xuất lúa, nhất là sự bùng phát của các loại bệnh hại trên lúa và côn trùng hại lúa. Việc phát hiện kịp thời tình hình dịch hại trong sản xuất lúa là rất quan trọng và là nhu cầu cấp thiết, tuy vậy, để thực hiện được việc này đòi hỏi nông dân cần được trang bị kỹ thuật công nghệ cao.

Đã có nhiều tiến bộ khoa học kỹ thuật được đưa vào nông nghiệp nhằm giảm chi phí sản xuất, tăng lợi nhuận cho nông dân, một trong số đó là bảng so màu lá lúa (BSMLL [1], bên trái Hình 1). Áp dụng BSMLL vào đồng ruộng là một giải pháp tích cực cho những người trồng lúa, góp phần đảm bảo năng suất và chất lượng lúa, đồng thời hạ giá thành sản phẩm tăng thu nhập cho người nông dân. BSMLL được chế tạo theo công nghệ của Nhật Bản, nhằm xác định màu sắc lá lúa và dự đoán tình trạng thiếu hay thừa đạm trong cây lúa. Từ đó nông dân có thể dễ dàng quyết định bón hay không bón phân đạm trên ruộng lúa của mình. Nhưng khó khăn ở chỗ là BSMLL không được sử dụng thường xuyên, màu sắc bị phai mờ theo thời gian, bị lạc mất, nông dân quên đi cách sử dụng và cách tính lượng phân đạm dẫn đến việc ứng dụng không hiệu quả.

Với sự phổ biến của những dòng điện thoại thông minh (Smartphone) như hiện nay, với giá cả khá rẻ và phù hợp với rất nhiều người dân nên việc xây dựng hệ thống hỗ trợ nông nghiệp thông minh trên thiết bị di động hỗ trợ người dân là rất cần thiết và khả thi. Bài viết này giới thiệu giải pháp so màu lá lúa và nhận dạng bệnh trên lúa từ ảnh chụp của thiết bị di động thông minh. Các giải pháp này đã được xây dựng thành hệ thống hoàn chỉnh và có thể triển khai.

 
 Hình 1. Chuyển kỹ thuật So màu lá lúa thủ công sang tự động trên thiết bị di động

2. Hệ thống So màu lá lúa trên thiết bị di động
Kiến trúc tổng quan của hệ thống được mô tả như trong Hình 2. Để thực hiện việc so màu, chúng tôi thử nghiệm trên hai phương pháp nhằm xác định phương pháp nào phù hợp nhất.

Hình 2. Tổng quan về hệ thống So màu lá lúa

Phương pháp so khớp ảnh. Từ những tập dữ liệu đã được thu thập, chúng tôi trích đặc trưng màu sắc và áp dụng phương pháp thống kê trung bình để tìm vector đại diện cho từng mức màu. Dựa vào các vector đại diện, quá trình so khớp màu một ảnh mới sẽ được thực hiện để xác định ảnh đó tương tự với vector đại diện (mức màu) nào nhất.

Phương pháp phân lớp ảnh với kỹ thuật máy học. Trong thực nghiệm, phương pháp KNN (K-Nearest Neighbors) đã được sử dụng để phân lớp các đối tượng dựa vào khoảng cách gần nhất giữa đối tượng cần xếp lớp với tất cả các đối tượng trong tập dữ liệu thu thập được.

Kết quả minh họa. Giao diện chính được minh hoạ trong Hình 3. Ở đó, khi người dùng khởi động hệ thống thì module cắt/chọn hình ảnh trực tiếp từ camera cũng khởi động để người dùng cắt/chọn hình ảnh từ camera lá lúa trước khi thực hiện việc so màu. Bằng cách chỉ sử dụng một phần hình ảnh thay vì cả tấm ảnh, hệ thống sẽ cải thiện khả năng xử lý đáng kể, đặc biệt khi đang ở môi trường thiết bị di động có nhiều hạn chế về khả năng phần cứng. Sau đó, hình ảnh sẽ được tiền xử lý (khử nhiễu) và trích đặt trưng màu để xây dựng vector màu biễu diễn cho ảnh. Vector màu của ảnh là dữ liệu đầu vào của kỹ thuật so khớp ảnh hoặc phân lớp ảnh bằng kỹ thuật máy học, cuối cùng là cho ra kết quả gồm: mức màu trung bình của lá lúa và những gợi ý về lượng phân đạm cần bón.

Hình 3. Giao diện của hệ thống So màu lá lúa

Để xác định độ chính xác của các mô hình, chúng tôi đã thực nghiệm tại môi trường thực là ruộng lúa của Viện nghiên cứu Lúa Đồng bằng Sông Cửu Long. Các điện thoại dùng để chụp ảnh: Asus Zenfone 5, LG f260s 4G LTE, và HTC One E8. Dùng BSMLL thực tế để so màu các lá lúa, sau đó dùng các điện thoại trên chụp ảnh lại thông qua module cắt chọn hình ảnh đã được xây dựng. Tập ảnh thực nghiệm thu được là 400 ảnh (100 ảnh/mức màu, cho mỗi mức màu từ 2 đến 5). Độ chính xác của mô hình kNN là 92% so với phương pháp so khớp ảnh là 94%. Dù khá đơn giản, thực hiện nhanh hơn nhưng kết quả của phương pháp so khớp ảnh lại tốt hơn, đặc biệt khi sử dụng hệ màu độc lập với thiết bị (CIE-LAB).

3. Hệ thống nhận dạng bệnh trên lúa từ thiết bị di động

Từ ảnh chụp đầu vào, hệ thống tiến hành trích chọn đặc trưng ảnh (như đặc trưng SIFT [2]) sau đó đưa vào mô hình phân lớp (như máy học SVM – Support Vector Machines) để phân lớp/nhận dạng. Kết quả đầu ra là bệnh tương ứng trên cây lúa và gợi ý một số phương pháp phòng trừ bệnh cũng như cách chăm sóc cây lúa sao cho đạt năng suất cao nhất.
Mô hình nhận dạng bệnh trên lúa. Mô hình được đề xuất như trong Hình 4 [4], gồm 3 giai đoạn chính. Giai đoạn 1: Trích đặc trưng SIFT; Giai đoạn 2: Biểu diễn ảnh bằng mô hình Bag of Words và xây dựng dữ liệu huấn luyện cho bộ phân lớp SVM; Giai đoạn 3: Huấn luyện mô hình SVM và sử dụng trong việc phân lớp.

Hình 4. Mô hình nhận dạng bệnh lúa

Kết quả minh họa. Hệ thống nhận dạng bệnh trên lá lúa gồm 2 module chính: Dành cho Quản trị viên và dành cho người dân. Module dành cho Quản trị gồm những chức năng như trích đặc trưng SIFT, tạo Bag-of-visual Words cho tập ảnh dữ liệu, tạo file huấn luyện và tạo file kiểm thử. Module dành cho người dân được minh hoạ như trong Hình 5. Ở đó, người dân chỉ đơn giản khởi động hệ thống và chọn nút “Chụp Ảnh”, sau đó hệ thống tự động xử lý và cho kết quả phân loại bệnh kèm theo các gợi ý phòng trừ.

Hình 5. Giao diện hệ thống nhận dạng bệnh trên lúa

Để xác định độ chính xác, mô hình được thử nghiệm trên 04 loại bệnh thường xảy ra ở ĐBSCL là bệnh Cháy bìa lá, bệnh Cháy lá (đạo ôn), bệnh Vàng lá, và bệnh Đốm vằn. Ảnh được chụp bằng điện thoại Asus Zenfone 5 chạy hệ điều hành Android phiên bản 4.3 có 8Mpx trong điệu kiện ánh sáng ban ngày bình thường. Ảnh được chụp với khoảng cách từ 10-20 cm từ camera điện thoại đến lá lúa. Tổng số ảnh thu được là 1446 ảnh bao gồm 5 lớp: Cháy bìa lá, cháy lá, đốm vằn, vàng lá và lớp không bệnh. Dùng phương pháp kiểm tra chéo 3-fold cross validation, kết quả trung bình đạt độ chính xác khoảng 81%. Ngoài ra, để xem tính khả thi của việc xử lý ảnh trên thiết bị di động, chúng tôi cũng xác định thời gian xử lý trung bình trên một ảnh bằng điện thoại Asus Zenfone 5 là 1.1 giây và điện thoại Lenovo A369i là 1.3 giây. Như vậy việc nhận dạng bệnh trên lá lúa bằng thiết bị di động là hoàn toàn khả thi.

TÀI LIỆU THAM KHẢO CHÍNH
[1].    Randall G. Mutters, James W. Eckert (2004). ”Method and Apparatus for determining plant        nutrient status”. United States Patent, Patent No: US 6.734.973 B1, Date of Patent: May 11,2004. United States.
[2].    David G. Lowe (2004), “Distinctive Image
Features from Scale-Invariant Keypoints”,
International Journal of Computer Vision,
PP. 91-110.
[3].    Nguyễn Thái Nghe, Lâm Tấn Phương, Nguyễn Hữu Hòa (2016). Hệ thống so màu lá lúa trên thiết bị di động. Kỷ yếu Hội thảo Quốc gia “Một số vấn đề chọn lọc của Công nghệ thông tin và Truyền thông (to appear)
[4].    Nguyễn Hữu Hòa, Lâm Tấn Phương, Nguyễn Thái Nghe (2016). Giải pháp nhận dạng bệnh trên lúa từ thiết bị di động thông minh. Kỷ yếu Hội nghị quốc gia lần thứ IX Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (to appear)

Nguyễn Thái Nghe
Khoa Công nghệ Thông tin & Truyền thông, Trường Đại học Cần Thơ  |  Email: Địa chỉ email này đã được bảo vệ từ spam bots, bạn cần kích hoạt Javascript để xem nó.


Newer news items:
Older news items:

 

Nhà tài trợ

vaa logo

CorporateLogo Colo CFBr

Liên kết & Quảng cáo

 
 

 

 
 




 


 



Sửa biến tần

Quảng cáo&Liên kết