Ứng dụng AI trong cảnh báo sâu bệnh hại lúa

TMO - Ứng dụng trí tuệ nhân tạo (AI) trong cảnh báo sâu bệnh hại lúa đã mở ra nhiều triển vọng mới cho nền nông nghiệp tỉnh Bình Định. Với khả năng nhận diện chính xác các loại sâu bệnh, cảnh báo sớm nguy cơ dịch bệnh và hệ thống quản lý thông tin toàn diện, hệ thống cảnh báo sâu bệnh sử dụng trí tuệ nhân tạo T-Pest đóng vai trò quan trọng trong việc nâng cao năng suất và đảm bảo an ninh lương thực cho địa phương.

Theo Chi cục Trồng trọt và Bảo vệ thực vật (Sở NN&PTNT) tỉnh Bình Định, tổng diện tích gieo trồng lúa cả năm 2024 của tỉnh Bình Định ước đạt hơn 92.300 ha (đạt 99,7% kế hoạch), giảm 385 ha so với năm trước, nhưng năng suất bình quân ước đạt 70,1 tạ/ha (tăng 1,2 tạ/ha); sản lượng ước đạt hơn 647,7 nghìn tấn, tăng hơn 8.800 tấn so cùng kỳ. Năm 2025, toàn tỉnh sẽ gieo trồng hơn 90.700 ha lúa, trong đó vụ Đông Xuân 2024 - 2025 chiếm hơn 46.300 ha.

Để đảm bảo vụ Đông Xuân 2024 - 2025 đạt hiệu quả cao, Sở NN&PTNT đã sớm ban hành lịch thời vụ và cơ cấu giống lúa phù hợp. Cơ cấu giống vụ Đông Xuân năm nay không thay đổi nhiều, ngành Nông nghiệp tiếp tục ưu tiên giống lúa phù hợp điều kiện thổ nhưỡng, thời tiết, khí hậu địa phương, kháng sâu bệnh, năng suất cao.

Để kiểm soát được dịch hại gây bệnh cho lúa trong năm 2025 và các giai đoạn sau, tỉnh Bình Định đã đẩy mạnh nghiên cứu, ứng dụng khoa học công nghệ, triển khai các hệ thống cảnh báo sâu bệnh. Đặc biệt sản phẩm được thực hiện từ đề tài "Nghiên cứu ứng dụng trí tuệ nhân tạo trong nhận diện và cảnh báo một số sâu bệnh hại lúa trên địa bàn tỉnh Bình Định" đã mang lại hiệu quả tích cực. Hệ thống T-Pest, bao gồm máy thu thập dữ liệu côn trùng tự động và ứng dụng điện thoại nhận diện bệnh hại trên cây lúa. Hệ thống được phát triển bởi đơn vị doanh nghiệp về giải pháp phần mềm trên địa bàn tỉnh Bình Định.

Theo đại diện doanh nghiệp giải pháp phần mềm – nhóm nghiên cứu triển khai hệ thống  T-Pest cho biết, với diện tích canh tác lớn và khí hậu đặc thù của miền Trung, tỉnh Bình Định thường phải đối mặt với các đợt sâu bệnh hại lúa bùng phát. Trước đây, nông dân chủ yếu dựa vào kinh nghiệm và các phương pháp thủ công để nhận diện và xử lý, vừa tốn thời gian vừa thiếu chính xác.

Việc sử dụng thông tin từ khí tượng để kết hợp và đưa ra dự báo về khả năng xuất hiện sâu bệnh hại không hiệu quả so với việc đặt thiết bị trực tiếp tại đồng ruộng. Hệ thống T-Pest hoạt động tự động, bao gồm camera độ phân giải cao, đèn UV và các cảm biến môi trường.

Thiết bị thu hút côn trùng và ghi nhận hình ảnh. Tất cả dữ liệu thu thập được phân tích bởi mô hình AI cải tiến dựa trên YOLOv5-Ghost, giúp nhận diện và phân loại sâu bệnh chính xác. Điểm nổi bật của hệ thống là khả năng hoạt động tự động 24/7, giúp ghi nhận và cảnh báo kịp thời về tình hình sâu bệnh. Toàn bộ dữ liệu được tích hợp trên nền tảng web quản lý, cho phép theo dõi diễn biến dịch hại theo thời gian thực và hiển thị trực quan trên bản đồ chuyên đề. T-Pest hiện nhận diện được 7 loại bệnh (bạc lá, đạo ôn, đốm nâu, vàng lá sinh lý, khô vằn, lép hạt, đốm sọc vi khuẩn) và 8 loại côn trùng (rầy lưng trắng, rầy nâu, sâu đục thân, sâu cuốn lá nhỏ, sâu năn (muỗi hành), rầy xanh đuôi đen, bọ xít đen, bọ xít mù xanh).

Máy T-Pest được triển khai thực tế ngoài đồng ruộng tại xã Phước Sơn, huyện Tuy Phước (tỉnh Bình Định). Ảnh: TC

Để triển khai đề tài, nhóm nghiên cứu đã xây dựng cơ sở dữ liệu chi tiết về các loại sâu bệnh phổ biến trên đồng ruộng Bình Định. Dữ liệu được thu thập qua ảnh chụp từ điện thoại thông minh và hệ thống máy chuyên dụng.

Toàn bộ hình ảnh được thu thập từ các cánh đồng lúa, sau đó gắn nhãn loại bệnh chính xác, có sự xác nhận của các chuyên gia. Dựa vào cơ sở dữ liệu, nhóm thiết kế hệ thống T-Pest. Ngoài chức năng thu hút, nhận diện và phân loại tự động các loại bệnh trên lúa, hệ thống T-Pest còn có khả năng thu thập và biểu diễn dữ liệu về diện tích canh tác, thông tin giống lúa, thời vụ và sâu bệnh trên lúa.

Đồng thời, cung cấp các giải pháp ứng phó từ cơ quan quản lý; bản đồ chuyên đề quản lý thiết bị và tình trạng sâu hại, bệnh trên lúa toàn khu vực. Toàn bộ dữ liệu được thu thập sẽ được gửi về máy chủ và quản lý trên trang web, cho phép người dùng theo dõi dữ liệu, nhận dự báo về sâu bệnh và quản lý thông tin thuận tiện. Thành viên nhóm nghiên cứu cho biết, cải tiến mô hình YOLOv5 là bước đột phá quan trọng trong nghiên cứu nhằm phát triển một giải pháp có khả năng nhận diện bệnh và côn trùng gây hại trên lúa nhanh chóng, chính xác.

Việc này giúp tinh gọn mô hình, giảm thiểu dung lượng và tài nguyên cần thiết mà vẫn duy trì hiệu suất cao. Cấu trúc cải tiến này không chỉ nâng cao độ chính xác mà còn đảm bảo khả năng triển khai linh hoạt trong điều kiện thực tế tại đồng ruộng, đóng vai trò cốt lõi trong việc tự động hóa giám sát sâu bệnh. Qua thử nghiệm tại 5 điểm thuộc 3 xã: Cát Nhơn (Phù Cát), Phước Sơn và Phước Thuận (Tuy Phước), hệ thống đã thu thập được hơn 1.000 ảnh côn trùng.

Kết quả cho thấy độ chính xác trong nhận diện các loại côn trùng và sâu bệnh nguy hiểm như Bọ xít đen, Bọ xít mù xanh, Rầy nâu đạt trên 80% trong điều kiện thực tế. Ngoài ra, ứng dụng nhận diện bệnh trên điện thoại di động cũng giúp nông dân dễ dàng tra cứu thông tin, nhận cảnh báo sớm và áp dụng giải pháp xử lý kịp thời. Nông dân xã Phước Sơn, huyện Tuy Phước chia sẻ: Máy T-Pest này giúp nông dân theo dõi ruộng lúa và phát hiện sâu bệnh dễ dàng mà không cần ra đồng thường xuyên. Lãnh đạo Chi cục Trồng trọt và Bảo vệ thực vật Bình Định đánh giá cao tính năng và hiệu quả của hệ thống.

Thời gian qua, địa phương đã sử dụng hệ thống này để tham khảo thông tin, giúp xác định giai đoạn sinh trưởng của sâu bệnh, từ đó có biện pháp xử lý kịp thời, góp phần giảm thiểu thiệt hại cho nông dân. Tuy nhiên, hiện hệ thống mới thử nghiệm tại 3 xã và chỉ nhận diện được một số loại côn trùng. Để ứng dụng hiệu quả hơn, cần bổ sung thêm dữ liệu về các loại sâu bệnh và mở rộng vùng triển khai máy T-Pest.

Hiện nay, thiết bị được gia hạn thời gian vận hành để thử nghiệm, đánh giá và phân tích thêm các tính năng hiệu quả khác trong nhận diện các loại côn trùng, dịch bệnh hại khác trên cây lúa để phục vụ nghiên cứu về sau. Kết thúc giai đoạn chạy thử, nhóm nghiên cứu tiếp tục vận dụng thiết bị cho nhiều loại sâu bệnh dịch hại khác ở nhiều cây trồng khác nhau.

Nhật Lệ