Bối cảnh

• Cây lúa là nguồn lương thực quan trọng của hơn một nửa dân số thế giới và là mặt hàng nông sản xuất khẩu chủ lực của Việt Nam.
• Sâu bệnh ảnh hưởng trực tiếp đến năng suất, chất lượng lúa và thu nhập của người nông dân.
• Việc phát hiện bệnh hiện nay chủ yếu dựa vào kinh nghiệm; nhiều bệnh có biểu hiện tương tự nên dễ chẩn đoán nhầm.
• Kiểm tra thủ công mất nhiều thời gian, khó triển khai trên diện tích lớn và có thể dẫn đến sử dụng thuốc bảo vệ thực vật không phù hợp.
• Vì vậy, cần một công cụ nhận diện bệnh nhanh, chính xác và có khả năng triển khai rộng rãi.

Giải pháp

• Ứng dụng AI, Computer Vision và Deep Learning để tự động phân loại bệnh trên ảnh lá lúa.
• Đầu vào là ảnh lá lúa hoặc cây lúa chụp bằng điện thoại/camera; đầu ra gồm loại bệnh hoặc trạng thái bình thường cùng xác suất dự đoán.
• Sử dụng bộ dữ liệu mở Paddy Doctor trên Kaggle, gồm các ảnh đã được chuyên gia kiểm tra và gán nhãn.
• Dữ liệu được chia thành ba tập: Train, Validation và Test để huấn luyện, điều chỉnh và đánh giá mô hình độc lập.
• Quy trình xử lý gồm: Kiểm tra số lượng ảnh, nhãn và mức độ cân bằng giữa các lớp; loại bỏ ảnh lỗi/trùng lặp; chuẩn hóa kích thước, định dạng, không gian màu và giá trị điểm ảnh.
• Mã hóa nhãn, huấn luyện và so sánh nhiều mô hình để lựa chọn phương án tốt nhất.
• Xây dựng giao diện cho phép người dùng tải ảnh lên và nhận kết quả dự đoán nhanh chóng.

Mục tiêu

• Xây dựng mô hình tự động nhận diện các loại bệnh trên lá lúa từ hình ảnh.
• Tạo quy trình xử lý dữ liệu ảnh đầy đủ, nhất quán và hạn chế rò rỉ dữ liệu.
• Huấn luyện, đánh giá và so sánh các mô hình học sâu nhằm lựa chọn mô hình có hiệu năng phù hợp nhất.
• Rút ngắn thời gian chẩn đoán và nâng cao độ chính xác so với phương pháp thủ công.
• Hỗ trợ phát hiện bệnh sớm, giúp nông dân đưa ra biện pháp xử lý kịp thời.
• Tạo nền tảng phát triển các hệ thống AI phục vụ nông nghiệp thông minh và bền vững.

Ứng dụng

• Nhận diện bệnh trên lá lúa trực tiếp từ ảnh chụp bằng điện thoại hoặc camera.
• Hỗ trợ nông dân, kỹ thuật viên và cơ quan nông nghiệp kiểm tra tình trạng cây trồng nhanh chóng.
• Giảm thiểu thiệt hại về năng suất, chi phí sản xuất và việc lạm dụng thuốc bảo vệ thực vật.
• Tích hợp vào ứng dụng di động, website, hệ thống giám sát đồng ruộng hoặc nền tảng nông nghiệp thông minh.
• Định hướng phát triển tương lai: Bổ sung thêm nhiều loại sâu bệnh; ứng dụng EfficientNet, ConvNeXt, Vision Transformer hoặc Attention; phát hiện nhiều bệnh và xác định vị trí vùng bệnh trên cùng một ảnh; cung cấp thông tin về nguyên nhân, mức độ nguy hiểm và biện pháp phòng trừ phù hợp.