Page 46 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL
P. 46

cách tiếp cận neuron động để mô hình hóa các thông lượng độ ẩm đất tạm
          thời. Các mô hình được đào tạo để đưa ra dự đoán trước một ngày về độ ẩm
          của đất dựa trên độ ẩm của đất trong quá khứ, lượng mưa và các phép đo khí
          hậu. Kết quả chỉ ra rằng hệ thống dự đoán đạt được mức tiết kiệm nước từ
          20% đến 46%. Vakilian and Massah (2017) đã thiết kế một robot để xác định
          sự thiếu hụt dinh dưỡng nitrogen của cây dưa chuột trong nhà kính, từ đó điều
          khiển cung cấp phân bón cho cây; kết quả cho thấy mức tiêu thụ phân đạm
          giảm khoảng 18% mà không làm giảm năng suất quả hoặc các thông số chất
          lượng của trái cây bao gồm độ cứng, tổng chất rắn hòa tan, chất diệp lục và
          hàm lượng ascorbic acide. Minh et al. (2023) đã đề xuất phương pháp sử dụng
          màu đất làm chỉ thị đánh giá và tương quan với hàm lượng carbon hữu cơ
          trong đất làm chỉ thị thoái hóa đất. Nghiên cứu này có thể phát triển thành
          giải pháp tự động hóa giúp xác định nhanh mức độ thoái hóa của đất, giúp có
          giải pháp cải thiện độ màu mỡ đất phù hợp nhất. The-Anh et al. (2024) đã xây
          dựng giải pháp đo độ dẫn điện EC (electrical conductivity) của đất lúa, tích
          hợp trên máy nông nghiệp có định vị, để tự động lập bản đồ EC mặt ruộng,
          phục vụ đánh giá độ mặn và quá trình sinh trưởng của lúa nước (Hình 2.5).
          Ngoài ra, công nghệ tự đông hóa cũng đã được nghiên cứu để ứng dụng vào
          khâu sau thu hoạch như hệ thống gọt vỏ nâu cơm dừa tự động (Nghiệm và
          ctv., 2019), hệ thống phân loại độ ngọt trái táo (Tran et al., 2021), hệ thống
          phát hiện điểm bệnh trên trái táo (Nguyen et al., 2022).



























                            Hình 2.5. Tự động lập bản đồ EC đất lúa
                                 (Nguồn: The-Anh et al, 2024)


          32
   41   42   43   44   45   46   47   48   49   50   51