AI mở hướng mới trong kiểm định chất lượng nông sản
Trước thực tế đó, Tiến sĩ Bùi Quang Minh cùng các cộng sự tại Trung tâm Đổi mới sáng tạo công nghệ cao (Viện Hàn lâm Khoa học và Công nghệ Việt Nam) đã triển khai nhiệm vụ "Nghiên cứu ứng dụng trí tuệ nhân tạo trong đánh giá chất lượng nông sản".
 |
| AI còn tích hợp kỹ thuật quang học siêu phổ (HSI ) kết hợp các mô hình học máy phức tạp cho phép phân tích thành phần quang phổ của nông sản, ước tính chính xác hàm lượng dinh dưỡng, độ ẩm và chất lượng bên trong sản phẩm mà không cần phân tích phá hủy mẫu, từ đó rút ngắn thời gian phân tích mẫu trong phòng thí nghiệm (Ảnh: https://nhandan.vn). |
Nhóm nghiên cứu thu thập dữ liệu về hình dạng, kích thước và thành phần dinh dưỡng của xoài, thanh long; kết hợp phân tích hóa học với xử lý hình ảnh để xây dựng mô hình AI đánh giá chất lượng sản phẩm. Dữ liệu được thu thập tại các vùng trồng trọng điểm như Đồng Nai, TP. Cần Thơ, Long An và Đồng Tháp.
Tiến sĩ Bùi Quang Minh thông tin cho biết, AI hiện được phát triển trên nền tảng học sâu (Deep Learning) kết hợp xử lý ảnh (Image Processing), từ đó cho phép phát hiện, phân loại và đánh giá chất lượng nông sản với độ chính xác cao. Công nghệ này góp phần hạn chế tổn thất sau thu hoạch, nâng cao năng suất và tăng sức cạnh tranh của nông sản Việt Nam trên thị trường quốc tế.
Bên cạnh đó, hệ thống còn tích hợp công nghệ quang học siêu phổ (HSI) giúp phân tích thành phần quang phổ để ước tính hàm lượng dinh dưỡng, độ ẩm và chất lượng bên trong quả mà không cần phá hủy mẫu. So với các phương pháp truyền thống, việc ứng dụng HSI giúp rút ngắn thời gian phân tích, giảm chi phí và có thể đánh giá chất lượng ngay tại hiện trường.
Phần mềm AI đạt độ chính xác trên 90%
Trong quá trình triển khai, nhóm nghiên cứu đã xây dựng bộ dữ liệu gồm 14.411 hình ảnh xoài và thanh long ở nhiều mức chất lượng khác nhau. Đây là nguồn dữ liệu phục vụ huấn luyện, kiểm thử và vận hành mô hình AI.
 |
| AI còn tích hợp kỹ thuật quang học siêu phổ (HSI ) kết hợp các mô hình học máy phức tạp cho phép phân tích thành phần quang phổ của nông sản, ước tính chính xác hàm lượng dinh dưỡng, độ ẩm và chất lượng bên trong sản phẩm mà không cần phân tích phá hủy mẫu, từ đó rút ngắn thời gian phân tích mẫu trong phòng thí nghiệm. |
Từ nền tảng này, nhóm phát triển phần mềm Fruit Monitor/Fruit AI, có khả năng nhận diện, đánh giá và cảnh báo chất lượng nông sản với độ chính xác trên 90%.
Phần mềm đồng thời quản lý dữ liệu người dùng, trang trại, kho bảo quản, camera, mô hình AI và lịch sử huấn luyện. Quy trình vận hành gồm các bước từ thu thập, tiền xử lý hình ảnh, gắn nhãn dữ liệu, phân tích thành phần hóa học, xây dựng và huấn luyện mô hình AI đến triển khai trên nền tảng web và thiết bị di động.
Ngoài đánh giá chất lượng, AI còn được tích hợp với blockchain nhằm hỗ trợ truy xuất nguồn gốc, theo dõi chất lượng trong toàn bộ chuỗi cung ứng từ thu hoạch, bảo quản, vận chuyển đến tiêu thụ. Các thuật toán phân tích dữ liệu về nhiệt độ, độ ẩm, pH đất và chỉ số sinh trưởng cũng hỗ trợ xác định thời điểm thu hoạch tối ưu, góp phần giảm thất thoát và nâng cao hiệu quả sản xuất.
Tuy nhiên, việc ứng dụng AI trong nông nghiệp vẫn đối mặt nhiều thách thức như yêu cầu hạ tầng điện toán đám mây, đường truyền internet ổn định, chi phí đầu tư cho camera chuyên dụng, cảm biến HSI và phần mềm còn cao. Bên cạnh đó là nhu cầu đào tạo nguồn nhân lực, hoàn thiện khung pháp lý về bảo mật dữ liệu, quyền riêng tư và tiêu chuẩn chất lượng để mở rộng ứng dụng trong thực tiễn.
Kết quả nghiên cứu đã được công bố qua ba bài báo quốc tế SCIE, hai bài báo trong nước và đào tạo một thạc sĩ. Theo Hội đồng nghiệm thu của Viện Hàn lâm Khoa học và Công nghệ Việt Nam, nhiệm vụ có ý nghĩa cả về khoa học lẫn thực tiễn, góp phần thúc đẩy ứng dụng AI trong lĩnh vực nông nghiệp và nâng cao chất lượng nông sản Việt Nam.
