Page 363 - Nong nghiep DBSCL hien trang va dinh huong phat trien (GS.TS. Nguyen Thanh Phuong)_16x24_(392p)

xác tương ứng là 94% và 92%. Hệ thống so màu lá lúa đã được xây dựng
thành một ứng dụng hoàn chỉnh và có thể vận hành trên các thiết bị di động
chạy hệ điều hành Android như minh họa trong Hình 12.30.

Hình 12.30. Hệ thống so màu lá lúa trên thiết bị di động

Hệ thống chẩn đoán bệnh lá lúa từ ảnh chụp bằng kỹ thuật học sâu
(Thai-Nghe et al., 2021): Các tác giả đã đề xuất một phương pháp phát hiện
bệnh lá lúa thông qua ảnh chụp từ thiết bị di động sử dụng kỹ thuật học sâu
kết hợp phương pháp học chuyển giao. Mô hình đề xuất có thể phát hiện ba
loại bệnh phổ biến trên lá lúa (đốm nâu, cháy bìa lá và đạo ôn lá). Mô hình đã
được huấn luyện trên 1790 hình ảnh và đạt độ chính xác 95% và được tích
hợp vào ứng dụng Android (Hình 12.31). Khi áp dụng thực tế trên thiết bị di
động, thời gian phát hiện và đưa ra giải pháp điều trị bệnh chỉ mất khoảng 1,7
giây, do vậy đây có thể là giải pháp hữu ích giúp ích cho bà con nông dân.

Hệ thống dự báo chất lượng môi trường nước bằng kỹ thuật học sâu
(Nguyễn Thái Nghe, 2021; Thai-Nghe et al., 2020): Nhóm tác giả đã đề xuất
mô hình dự báo các chỉ số môi trường nước (như chỉ số về độ mặn, nhiệt độ,
pH và oxy hòa tan - DO) trong hệ thống IoT phục vụ nuôi trồng thủy sản hoặc
canh tác nông nghiệp (Hình 12.32). Kỹ thuật học sâu đã được sử dụng để dự
báo các chỉ số môi trường nước thu thập hàng ngày từ các cảm biến. Kết quả
thử nghiệm trên một số bộ dữ liệu cho thấy phương pháp đề xuất hoạt động

352