Áp dụng kỹ thuật Explainable AI, nhóm sinh viên FPT Edu đã phát triển hệ thống “Tomatoes Healthy Check” đếm số lượng và phân loại chất lượng cà chua dựa trên hình ảnh, video, giúp nông dân chọn thời điểm thu hoạch thích hợp.
Hệ thống Tomatoes Healthy Check đếm số lượng và phân loại chất lượng cà chua dựa trên hình ảnh (Ảnh: FPT Edu).
“Tomatoes Healthy Check” là ứng dụng nông nghiệp thông minh được nghiên cứu bởi nhóm hai sinh viên Tổ chức Giáo dục FPT – FPT Edu thuộc Trường Đại học (ĐH) FPT phân hiệu Cần Thơ là Nguyễn Quốc Khang và Nguyễn Quỳnh Anh.
Áp dụng kỹ thuật Explainable AI (XAI), cụ thể là Grad-CAM, hệ thống này được thiết kế với khả năng phân loại tình trạng sinh lý của quả cà chua (chưa chín, chín, già, hỏng) thông qua hình ảnh, video được ghi lại bằng webcam hoặc camera điện thoại.
Bên cạnh đó, hệ thống còn xây dựng một bộ đếm thông minh dựa trên mô hình YOLO phiên bản 5 (You Look Only Once) và MobileNetV2, kết hợp với giải thuật SORT (Simple Online and Real-time Tracking), giúp người dùng tính toán sản lượng cà chua và dễ dàng so sánh hiệu quả sản xuất giữa các vụ mùa.
“Bằng cách kết hợp trí tuệ nhân tạo và các mô hình học sâu, Tomatoes Healthy Check sẽ góp phần tối ưu hóa quá trình phân loại trái cà chua, đảm bảo chất lượng cao và ổn định cho nông sản đầu ra, đồng thời tiết kiệm chi phí và giảm sức lao động cho người nông dân do toàn bộ quá trình đều tự động hóa”, Nguyễn Quốc Khang cho biết.
Theo nam sinh viên này, thách thức lớn nhất với nhóm khi nghiên cứu phát triển ứng dụng Tomatoes Healthy Check đó là tìm cách áp dụng kỹ thuật XAI, cụ thể là Grad-CAM để đánh giá độ hiệu quả của các mô hình học sâu.
XAI là một hướng nghiên cứu mới và chỉ mới nổi lên gần đây, đặc biệt là ở châu Âu, nên không có nhiều tài liệu liên quan và hầu hết đều là nguồn từ nước ngoài. Khó nhưng không bỏ cuộc, với sự đồng hành của giảng viên hướng dẫn, nhóm hai sinh viên FPT Edu vẫn kiên trì, nỗ lực với hành trình nghiên suốt hơn nửa năm.
Quốc Khang, Quỳnh Anh (phải) và giảng viên hướng dẫn Quách Luyl Đa (Ảnh: FPT Edu).
Trái ngọt cuối cùng cũng đến ngày gặt hái khi đề tài nghiên cứu “Explainable Deep Learning Models with Gradient-weighted Class Activation Mapping for Smart Farming” (Các mô hình học sâu có thể giải thích với Grad-CAM cho mô hình nông nghiệp thông minh) với sản phẩm đi kèm là ứng dụng Tomatoes Healthy Check của nhóm đã xuất sắc đạt giải nhì tại cuộc thi Nghiên cứu khoa học FPT Edu ResFes 2023, tổ chức vào tháng 8 vừa qua.
Đặc biệt, một phần của đề tài nghiên cứu cũng đã được tạp chí khoa học quốc tế Q1 IEEE Access chấp nhận và công bố vào cuối tháng 7.
Những thành công bước đầu này là nguồn động lực để nhóm sinh viên FPT Edu tính toán những bước đi dài hơi hơn cho dự án, mở rộng phạm vi ứng dụng của hệ thống cho tất cả giống cây trồng chứ không riêng cà chua. Điều này đòi hỏi sự điều chỉnh và tinh chỉnh về mô hình cho phù hợp với từng loại cây trồng cụ thể.
Nhóm cũng đang tìm cách tích hợp dữ liệu đa nguồn, bao gồm dữ liệu từ cảm biến nông nghiệp, thời tiết và độ ẩm để tăng cường khả năng dự đoán và phân loại tình trạng của trái cây…
Nghiên cứu của nhóm sinh viên FPT Edu được xuất bản trên tạp chí Q1 IEEE Access (Ảnh: FPT Edu).
Với việc ứng dụng những xu hướng công nghệ hàng đầu hiện nay, hai sinh viên FPT Edu kỳ vọng rằng, đề tài nghiên cứu này sẽ có nhiều cơ hội để mở rộng và phát triển trong tương lai.
Nếu nhận được đầu tư, nhóm kỳ vọng có thể sớm đưa ứng dụng Tomatoes Healthy Check vào thực tế, qua đó đóng góp vào sự phát triển của công nghệ trong lĩnh vực nông nghiệp thông minh và thúc đẩy bền vững trong sản xuất nông sản.
“Nhóm còn có ý định phát triển các ứng dụng mở rộng từ hệ thống Tomatoes Healthy Check, chẳng hạn như ứng dụng theo dõi sức khỏe của cây trồng, dự đoán thu hoạch và quản lý tài nguyên nông nghiệp”, Quốc Khang chia sẻ.