Sau hơn 30 năm đổi mới, nông nghiệp Việt Nam đã chủ động tiếp cận và ứng dụng nhiều công nghệ tiên tiến trong các quá trình sản xuất nông nghiệp, do đó đã góp phần đưa Việt Nam trở thành một trong những nước xuất khẩu nông sản hàng đầu thế giới.
Cụ thể theo Cục Chế biến và Phát triển thị trường nông sản (Bộ NN&PTNT), tổng khối lượng và giá trị xuất khẩu gạo 5 tháng đầu năm đạt gần 2,9 triệu tấn và 1,41 tỷ USD, tăng 5,1% về khối lượng và tăng 18,9% về giá trị so với cùng kỳ năm 2019 [1].
Với kết quả này, Việt Nam được dự báo là có thể vượt qua Thái Lan về xuất khẩu gạo toàn cầu ngay trong năm 2020 này. Tuy nhiên quá trình ứng dụng tự động hóa trong sản xuất nông nghiệp nói chung còn diễn ra khá chậm, nhu cầu lao động trong sản xuất nông nghiệp còn nhiều, trong khi năng suất lao động thấp, sự kết hợp giữa các khâu thu hoạch, chế biến, bảo quản nông sản còn nhiều bất cập. Tỷ lệ thất thoát sau thu hoạch còn cao gây lãng phí và giảm giá trị kinh tế rất lớn.
Theo báo cáo của Bộ Lao động – Thương binh và Xã hội thì mặc dù nông nghiệp chỉ chiếm 16% trong cơ cấu GDP, nhưng lao động chiếm trên 42%. Với báo cáo này thì năng suất lao động nông nghiệp đang rất thấp. Cụ thể, với ngành trồng trọt chỉ đạt 204.000 đồng/ngày công, chăn nuôi 228.000 đồng và thủy sản 275.000 đồng/ngày công [2].
Do đó việc ứng dụng công nghệ cao trong sản xuất nông nghiệp đang là nhu cầu cấp thiết với sản xuất nông nghiệp Việt Nam hiện nay. Việc làm này sẽ giúp giảm nhân công lao động, nâng cao hiệu quả kinh tế, tạo bước đột phá về năng suất, chất lượng nông sản, thỏa mãn nhu cầu ngày càng cao của xã hội và đảm bảo sự phát triển nông nghiệp bền vững.
Trong khuôn khổ bài viết này, chúng tôi tập trung phân tích khó khăn và các thành tựu đạt được khi ứng dụng tự động hóa trong sản xuất nông nghiệp công nghệ cao ở trong và ngoài nước.
Tự động hoá là một lĩnh vực rộng lớn và được áp dụng vào tất cả các hoạt động của con người, đặc biệt là trong sản xuất. Tự động hoá là bước phát triển tiếp theo sau cơ khí hoá và điện khí hoá. Đây là quá trình sử dụng thiết bị để thay thế chức năng kiểm tra và điều khiển của con người trong một quy trình sản xuất. Hệ thống tự động hoá bắt đầu xuất hiện với việc sử dụng các thiết bị đo lường kiểm tra các thông số công nghệ và chất lượng của sản phẩm. Các hệ thống này thông báo chính xác các thông tin về trạng thái của thiết bị, các thông số quy trình công nghệ. Trong sản xuất nông nghiệp công nghệ cao, tự động hóa đã được áp dụng sâu rộng trong nhiều khâu, nhiều quá trình và nhiều ngành sản xuất. Bài viết sẽ tập trung phân tích các ưu nhược điểm của việc ứng dụng tự động hóa trong một sỗ lĩnh vực mũi nhọn của ngành sản xuất nông nghiệp công nghệ cao.
Ứng dụng tự động hóa theo dõi, chăm sóc sức khỏe vật nuôi
Ngành chăn nuôi Việt Nam cũng như trên toàn thế giới đang gặp nhiều khó khăn khi mà dịch bệnh trên cây trồng, vật nuôi luôn có nguy cơ bùng phát ở diện rộng. Đặc biệt việc dịch tả lợn châu Phi đã và đang lan rộng ở Việt Nam cũng như một số quốc gia trên thế giới đã ảnh hưởng không nhỏ đến nền kinh tế. Bên cạnh đó những yếu kém nội tại từ nền sản xuất nhỏ lẻ, phân tán không đáp ứng được nhu cầu ngày càng tăng về chủng loại, số lượng, chất lượng nông sản của người tiêu dùng. Trước bối cảnh đó để giảm thiểu những tác động không mong muốn từ các yếu tố môi trường đến sức khỏe của con vật nuôi đồng thời phát hiện sớm các triệu trứng nhiễm bệnh để kịp thời đưa ra các cảnh báo, các nước có nền chăn nuôi phát triển như Nhật Bản, Hàn Quốc, Hà Lan, Bỉ, Hoa Kỳ,… đã ứng dụng nhiều công nghệ hiện đại và thông minh (như công nghệ Internet vạn vật (IoT), công nghệ xử lý ảnh, mạng cảm biến thông minh) vào các quá trình chăm sóc vật nuôi, thu hoạch, chế biến và bảo quản các sản phẩm nông nghiệp như thịt, trứng, sữa. Trong mục này, chúng tôi cung cấp thông tin tổng quan về việc ứng dụng tự động hóa trong việc giám sát các quá trình chăn nuôi gia súc gia cầm ở trên thế giới, từ đó đề xuất các giải pháp phù hợp cho ngành chăn nuôi của Việt Nam.
Trong lĩnh vực nông nghiệp việc ứng dụng IoT đã mang lại nhiều kết quả khả quan, vừa giảm chi phí đầu tư cùng đồng thời tăng hiệu quả sử dụng. Cụ thể, trong lĩnh vực chăn nuôi, IoT đã chứng tỏ được việc giúp tăng hiệu quả cho các trang trại chăn nuôi gia súc gia cầm. Chẳng hạn trong chăn nuôi bò tại các trang trại [3-4], thay vì việc thường xuyên phải kiểm tra sức khỏe định kỳ cho cả đàn bò hàng ngàn con, các chủ trang trại đã sử dụng những chiếc vòng cảm biến không dây có tuổi thọ pin lên tới 10 năm để giám sát sức khỏe của từng con. Chiếc vòng cảm biến có nhiệm vụ đếm số bước chân bò mỗi ngày, và liên tục gửi dữ liệu về hệ thống quản lý dữ liệu trung tâm của chủ trang trại thông qua các trạm thu phát tín hiệu không dây. Các trạm thu phát tín hiệu này được lắp đặt ở các vị trí trong trang trại sao cho không bỏ lọt bất kỳ con bò nào khỏi tầm kiểm soát. Những dấu hiệu bất thường đầu tiên về sức khỏe của bò sẽ thể hiện ngay qua số bước chân, và lập tức được giám sát chặt chẽ hơn. Nhờ có các dữ liệu cập nhật liên tục này, người quản lý trang trại có thể xác định được chính xác vị trí của con bò đang ốm để có phương án thăm khám kịp thời. Nhờ vậy vấn đề về bệnh dịch của đàn bò hàng ngàn con sẽ được phát hiện từ rất sớm và dễ dàng khoanh vùng, dập dịch một cách hiệu quả.
Ứng dụng AI và công nghệ xử lý ảnh trong phân tích đánh giá điểm thể trạng của bò sữa
Đánh giá điểm thể trạng ở bò sữa (Tên tiếng Anh: Dairy Body Condition Scoring (BCS) là kỹ thuật quan sát hoạt động, các biểu hiện về hình thể của bò sữa giúp người chăn nuôi có thể đánh giá được tình trạng sức khỏe, các biến đổi về sinh lý, các triệu trứng bệnh lý ban đầu của vật nuôi để từ đó có thể đưa ra chế độ chăm sóc, cung cấp dinh dưỡng phù hợp hoặc có thể can thiệp tách ly đàn cho các cá thể bị nhiễm bệnh và đưa ra pháp đồ điều trị hợp lý. Để đánh giá điểm thể trạng của vật nuôi, các nhà khoa học đến từ đại học Virginia Polytechnic Institue và State University – Hoa Kỳ đã đưa ra thang từ 1 đến 5 điểm khi dùng mắt và tay để đánh giá lượng mỡ bao phủ vùng thăn, vùng mông và khấu đuôi. Tuy nhiên, trên thực tế việc đánh giá điểm thể trạng của vật nuôi thường do các chuyên gia có kiến thức sâu rộng và có kinh nghiệm lâu năm đảm nhiệm. Hơn thế nữa, kỹ thuật BCS được các chuyên gia thực hiện thủ công bằng mắt thường và tay sờ nắn do đó số lượng bò được đánh giá điểm thể trạng sẽ không nhiều và độ chính xác của kỹ thuật này sẽ phụ thuộc rất nhiều vào sức khỏe của các chuyên gia. Đối với các trang trại có số lượng bò lớn sẽ rất khó khăn khi thực hiện kỹ thuật BCS như hình thức này và công việc này sẽ là bất khả thi khi muốn giám sát “online” tình trạng sức khỏe của vật nuôi. Để giải quyết bài toán này, rất nhiều tác giả [5-14] đã tập trung vào việc tự động hóa kỹ thuật BCS bằng việc ứng dụng trí tuệ nhân tạo và công nghệ xử lý ảnh.
Thông qua kết quả việc đánh giá điểm thể trạng trên bò sữa, chúng ta thấy rằng kết quả của kỹ thuật này có ý nghĩa rất lớn trong việc điều tiết khẩu phần dinh dưỡng hàng ngày của bò sữa. Bên cạnh đó, thông qua kỹ thuật BCS chúng ta có thể phát hiện sớm tình hình sức khỏe của từng con vật nuôi trong trang trại. Việc ứng dụng công nghệ xử lý ảnh kết hợp với việc xử lý kết quả bằng trí tuệ nhân tạo sẽ góp phần tự động hóa kỹ thuật BCS và chúng có thể áp dụng trên các trang trại có số lượng vật nuôi lớn và kết quả của BCS trong thời gian thực sẽ giúp việc giám sát tự động, từ xa và online tình trạng sức khỏe của vật nuôi ở các trang trại tại Việt Nam.
Ứng dụng công nghệ xử lý ảnh tích hợp trên các thiết bị IoT phát hiện sớm và từ xa một số bệnh trên vật nuôi
Khi bị nhiễm bệnh hoặc bị thương, cơ thể vật nuôi thường có thân nhiệt cao và có thể xuất hiện một số đốm đỏ bất thường trên cơ thể.
Như thể hiện trên hình 1, lợn mắc bệnh đóng dấu do vi khuẩn Erysipelothrix rhusiopathiae gây ra sẽ xuất hiện những đốm son có dạng đồng tiền hoặc hình quả trám. Tuy nhiên để chuẩn đoán, phát hiện sớm dấu hiệu nhiễm bệnh trên vật nuôi bằng việc đo thân nhiệt trực tiếp sẽ gặp nhiều khó khăn. Do đó kỹ thuật phân tích phổ ảnh thân nhiệt vật nuôi đã và đang là phương pháp hiệu quả giúp phát hiện sớm và từ xa các cá thể vật nuôi bị nhiễm bệnh [15-16]. Ưu điểm nổi bật của phương pháp này là không tiếp xúc trực tiếp với cơ thể vật nuôi, sẽ không gây xáo trộn, ức chế tâm lý cho vật nuôi khi đang chuẩn đoán tình trạng sức khỏe của chúng. Các tác giả trong nghiên cứu [15] đã sử dụng ảnh thân nhiệt trên các vùng cơ thể để dự đoán các chỉ số sinh lý trên cơ thể cừu. Ngoài ra, việc phân tích phổ ảnh thân nhiệt cừu cũng giúp cho các nhà nghiên cứu biết được tình trạng sức khỏe của chúng, biết nguyên nhân gây bất ổn về tinh thần (Stress) để từ đó từng bước can thiệp để hạn chế những bất ổn này. Trong hình 2, các tác giả đã sử dụng ảnh thân nhiệt để chuẩn đoán các chỉ số sinh lý trên cơ thể cừu nuôi [15]. Trong nghiên cứu [17], bằng việc đo nhiệt độ trên tai lợn, các tác giả đã chứng tỏ rằng chúng có mối tương quan với sự tập trung của hooc môn nội tiết tố cortisol và hooc môn này được tiết ra từ tuyến thượng thận để phản ứng lại stress ở vật nuôi.
Trong nghiên cứu [18], các tác giả đã đề xuất sử dụng ảnh thân nhiệt để phát hiện những vùng bị nhiễm trùng hoặc những dấu hiệu bất thường đặc biệt ở vùng chân và móng của ngựa. Trong hình 3 thể hiện sự viêm, nhiễm ở chân ngựa có thể phát hiện được bằng công nghệ xử lý ảnh.
Hơn thế nữa, công nghệ xử lý ảnh cũng được phát triển mạnh mẽ ở Trung Quốc. Theo New York Times, để đối phó với khả năng lây nhiễm dịch bệnh tả lợn châu Phi, Công ty Yingzi Technology ở Quảng Châu – Trung Quốc đã sử dụng trí tuệ nhân tạo kết hợp công nghệ xử lý ảnh để nhận diện khuôn mặt lợn [19]. Mỗi con lợn khi được nhận dạng sẽ được so sánh với các thông số của chính nó trong các thời gian trước đó để có thể phát hiện những dấu hiệu bất thường về hình thái, màu sắc và các cử chỉ hoạt động hiện tại của chúng. Từ đó hệ thống sẽ tự động đưa ra các chuẩn đoán về tình trạng sức khỏe của lợn nuôi và đề xuất các giải pháp cho từng con trong mỗi khoảng thời gian thích hợp.
Ứng dụng công nghệ xử lý ảnh kết hợp các thuật toán phân tích dựa trên trí tuệ nhân tạo để phát hiện sớm và từ xa các cá thể vật nuôi trong các trang trại lớn đã và đang chứng tỏ những ưu thế vượt bậc so với kỹ cấy ghép trực tiếp trên cơ thể vật nuôi trước đó. Đây hứa hẹn là một trong những kỹ thuật mới có khả năng áp dụng hiệu quả trên các trang trại chăn nuôi ở Việt Nam.
Ứng dụng tự động hóa trong theo dõi, chăm sóc cây trồng
Trong lĩnh vực cây trồng việc ứng dụng hệ thống tự động hóa, trí tuệ nhân tạo và IoT đang phát triển rất mạnh trên thế giới. Ví dụ với các hệ thống tưới, cung cấp dinh dưỡng cho cây trồng trước đây chỉ đơn thuần là phương pháp tưới tiết kiệm nhỏ giọt thì giờ đây đã có những hệ thống tưới tối ưu áp dụng công nghệ trí tuệ nhân tạo để dự báo độ ẩm của đất, dự báo khả năng mưa để từ đó đưa đến quyết định tưới phù hợp.
Nhóm nghiên cứu [20], đã sử dụng mạng nơron để ước tính sự thoát hơi nước tham chiếu (ETo), sau đó sử dụng ETo và lượng mưa, hệ số cây trồng được để ước tính độ ẩm của đất. với các thông số đầu vào là các giá trị tối đa, trung bình và tối thiểu hàng ngày của nhiệt độ không khí. Kết quả thực hiện trên vùng lúa ở 2 mùa vụ ở Indonesia.
Các tác giả [21] đã xây dựng một mô hình tưới tự động cho canh tác lúa. Mô hình tưới được đã sử dụng kỹ thuật xử lý ảnh để xác định độ ẩm của đất bằng cách so sánh giá trị pixel ảnh thu được, kết hợp các cảm biết độ ẩm không khí, cảm biến mưa và cảm biết nhiệt độ để xem tại thời điểm tưới trời có mưa hay không. Để đưa ra quyết định tưới. Ngoài ra các thông tin về môi trường được gửi đến người nông dân qua điện thoại bằng tin nhắn. Hệ thống đề xuất chỉ sử dụng 58,57% nước và tiết kiệm 41,43% nước so với phương pháp tưới thủ công, và cũng chỉ sử dụng 86,97% nước và tiết kiệm 13,03% nước so với phương pháp tưới nhỏ giọt. Bài viết [22], trình bày một cách tiếp cận nơron 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 nằm trong khoảng từ 20 đến 46%.
Nghiên cứu [23] đã thiết kế một robot để xác định sự thiếu hụt dinh dưỡng Nitơ 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 axit ascobic.
Ứng dụng tự động hóa trong nuôi trồng thủy sản
Giám sát và điều chỉnh thông số môi trường nuôi trồng thủy sản
• Giám sát, quan trắc các thông số môi trường nuôi trồng
Nuôi trồng thủy sản là nuôi trồng các sinh vật thủy sinh trong môi trường nước ngọt, nước biển tự nhiên hoặc trong môi trường nước có kiểm soát. Hiện nay ở nước ta nuôi trồng thủy sản đang phát triển rất nhanh, trở thành ngành sản xuất mũi nhọn mang lại hiệu quả kinh tế lớn. Tuy nhiên một trong những vấn đề khó khăn mà người nuôi trồng thủy sản luôn phải đối mặt là làm thế nào để giám sát, kiểm soát được chất lượng môi trường nuôi trồng. Đảm bảo được chất lượng của môi trường nước là yếu tố quan trọng nhất quyết định đến sự thành công hay thất bại trong nuôi trồng thủy sản. Qua nghiên cứu và khảo sát thực tế có thể thấy các thông số môi trường ảnh hưởng đến cá, tôm gồm các yếu tố thủy lý (độ đục, nhiệt độ); các yếu tố thủy hóa (độ pH, oxi hòa tan DO, hydro sulphit H2S); các muối dinh dưỡng và oxi tiêu hao. pH là một trong các yếu tố ảnh hưởng trực tiếp tới cá, tôm. pH thấp có thể làm tổn thương tới phần phụ, mang, quá trình lột xác và cứng vỏ tôm, làm cá chậm phát dục, không đẻ hoặc đẻ rất ít; pH nước ao nhỏ hơn 4, lớn hơn 11 làm tôm, cá chết, pH từ 4 – 6,5 và 9 – 11 sinh trưởng chậm, khả năng hấp thụ thức ăn kém [24]. Phương pháp phổ biến để đánh giá chất lượng nước trong ao nuôi trồng thủy sản dựa vào quan sát màu nước, lấy mẫu nước và phân tích mẫu. Phương pháp này có giá thành cao, tốn nhân công đặc biệt trong những trại nuôi trồng thủy sản có quy mô lớn, số lượng ao nuôi nhiều hoặc các bè nuôi trồng trên biển, ở xa bờ và các thông số môi trường cũng không được cập nhật liên tục do thời gian lấy mẫu gián đoạn [25]. Với sự phát triển của khoa học máy tính, các công nghệ không dây, sự ra đời của IoT, các mạng cảm biến không dây (WSNS) đã mang đến một giải pháp hiệu quả, phù hợp trong giám sát, kiểm soát chất lượng nước nuôi trồng thủy sản. Trên thế giới nhiều công trình nghiên cứu ứng dụng IoT, mạng cảm biến trong nuôi trồng thủy sản đã được thực hiện.
Hình 4 mô tả một hệ thống theo dõi, kiểm soát từ xa các thông số mực nước, pH, DO, nhiệt độ trong môi trường ao nuôi. Hệ thống tự động cung cấp thức ăn cho cá, sục khí, theo dõi đánh giá sự phát triển của cá bằng hình ảnh [26].
• Giám sát, quan trắc các yếu tố trong môi trường vùng nuôi nhằm kiểm soát ô nhiễm môi trường vùng nuôi
Bên cạnh những thành quả đạt được, hoạt động nuôi trồng thủy sản cũng gây ra tác động không nhỏ đến môi trường như xả thải các chất thải dinh dưỡng dư thừa; thuốc, hóa chất cũng như bao bì, thùng đựng thuốc, hóa chất và mầm bệnh ra ngoài môi trường [27]. Việc giám sát, quan trắc môi trường vùng nuôi cũng góp phần không nhỏ nhằm kiểm soát ô nhiễm môi trường tại các vùng nuôi. Ứng dụng công nghệ thông tin để mô hình hóa lượng chất thải cũng như sự phát tán của các chất thải từ các trang trại nuôi ra môi trường xung quanh là hướng nghiên cứu khả thi và hiệu quả để kiểm soát, cánh báo sớm ô nhiễm môi trường cho những vùng nuôi, sản xuất thủy sản.
Ứng dụng công nghệ xử lý ảnh trong nuôi trồng thủy sản
Sự phát triển của công nghệ xử lý ảnh đã mang đến một kỹ thuật hiệu quả trong nuôi trồng thủy sản. Các bộ đếm tôm, cá giống sử dụng công nghệ xử lý ảnh được phát triển, hay thực hiện theo dõi đánh giá sự phát triển của đối tượng nuôi trồng bằng kỹ thuật xử lý hình ảnh.
Với công cụ là kỹ thuật xử lý hình ảnh cùng với nguồn dữ liệu khổng lồ từ vệ tinh viễn thám, con người có thể phân tích, thống kê, đánh giá được quy mô, sản lượng ao nuôi trồng tại các vùng nuôi trồng thủy sản trên trái đất [28].
Ứng dụng tự động hóa trong quản lý, truy xuất nguồn gốc nông sản
Trong hai thập kỷ gần đây với sự phát triển mạnh mẽ của nền kinh tế làm cho chất lượng cuộc sống của mọi người ngày càng được cải thiện và nâng cao, an toàn thực phẩm đã trở thành tâm điểm chú ý và là vấn đề được đặc biệt quan tâm trên toàn thế giới. Những đại dịch bệnh này về gia súc, gia cầm khiến mọi người cảm thấy lo lắng về nguồn thực phẩm sử dụng hàng ngày có thể chế biến từ những sản phẩm không an toàn: có lượng hormone dư thừa; dùng nhiều chất tạo màu, tạo mùi; có hàm lượng hóa chất tồn đọng cao.
Để giải quyết vấn đề này rất cần một hệ thống truy xuất nguồn gốc thực phẩm có thể theo dõi và giám sát toàn bộ diễn biến của quá trình sản xuất thực phẩm, bao gồm các quá trình canh tác, chăn nuôi, chế biến, vận chuyển, lưu kho, và bán hàng,…
Hiện nay truy xuất nguồn gốc thực phẩm chủ yếu vẫn sử dụng mã vạch QR code, tuy nhiên phương pháp này có nhiều nhược điểm, khi tra các thông tin (thực hiện quét mã vạch QR), các thông tin nhận được chủ yếu do nhà phân phối cung cấp, còn các thông tin quan trọng của các nhà cung cấp phía trước của chuỗi và của người sản xuất trực tiếp ra sản phẩm lại không có, từ đó tính minh bạch thông tin của sản phẩm chưa được đảm bảo.
Để thỏa mãn các yêu cầu trên thì công nghệ chuỗi khối Blockchain kết hợp mạng IoT sẽ là giải pháp hoàn hảo cho việc truy suất nguồn gốc nông sản.
Blockchain là công nghệ mới, là một cuốn sổ cái ghi lại các giao dịch một cách công khai trên một hệ thống máy tính đồng đẳng theo phương thức mã hóa, từ đó loại bỏ các bên trung gian giúp tăng cường sự tin tưởng, trách nhiệm và minh bạch với chi phí, rào cản pháp lý và quy trình thủ tục được giảm thiểu đáng kể.
Công nghệ Blockchain có một sức mạnh được xây dựng sẵn. Bằng cách lưu trữ các khối thông tin giống nhau trên mạng, blockchain không thể bị kiểm soát bởi bất kỳ một bên nào và nó đem lại sự quản lý thông tin minh bạch, chính xác. Blockchain như một hệ thống dữ liệu, nó được chia sẻ tới mọi người. Mọi người đều được phép xem nội dung bên trong và có thể cập nhật thông tin vào. Tuy nhiên, việc xoá, chỉnh sửa nội dung đã có là không thể.
Theo tài liệu [29], Blockchain được định nghĩa là cơ sở dữ liệu phân phối của hồ sơ hoặc sổ cái công khai của tất cả các giao dịch hoặc sự kiện kỹ thuật số đã được thực hiện và chia sẻ giữa các bên tham gia. Mỗi giao dịch trong sổ cái công khai được xác minh bởi sự đồng thuận của đa số những người tham gia hệ thống. Sau khi nhập, thông tin không bao giờ có thể bị xóa. Blockchain chứa một bản ghi nhất định và có thể kiểm chứng đối với mọi giao dịch đơn lẻ từng được thực hiện. Một khối Blockchain bao gồm hai khối chính như chỉ ra trong hình phía dưới.
Kết luận
Ứng dụng công nghệ kỹ thuật cao trong sản xuất nông nghiệp nói chung và trong chăn nuôi nói riêng đã và đang là một xu thế tất yếu của rất nhiều nền nông nghiệp tiên tiến trên thế giới như Nhật Bản, Hàn Quốc, Trung Quốc, Israel, Hà Làn, Pháp, Hoa Kỳ,… Bởi chỉ có những nền nông nghiệp thông minh với các thiết bị làm việc chính xác sẽ giúp nâng cao hiệu quả sản xuất, tạo ra nhiều loại nông sản đáp ứng được các yêu cầu khắt khe của người tiêu dùng trên toàn thế giới. Nông nghiệp Việt Nam cũng cần phát huy sức mạnh của mình với một nền nông nghiệp phát triển trên thế giới đồng thời tiếp nhận có chọn lọc các công nghệ hiện đại sao cho phù hợp với các điều kiện sản xuất của nước ta. Trong chăn nuôi, Việt Nam đã và đang là nơi dịch bệnh tả lợn châu Phi xâm nhập và lây lan rất mạnh. Bên cạnh việc tích cực tìm ra vacxin phòng trừ triệt để dịch bệnh thì theo tôi việc tự động phát hiện và sớm có các giải pháp ngăn chặn phòng ngừa như trình bày trong bài viết này cũng là một lựa chọn không tồi trong thời điểm này.
Tài liệu tham khảo
[1].http://baochinhphu.vn/Thi-truong/Gia-tri-xuat-khau-gao-tang-gan-19/397459.vgp
[2]. http://consosukien.vn/day-manh-co-gioi-hoa-nong-nghiep.htm
[3]. Dziak., et al. “IoT-based information system for healthcare application: design methodology approach.” Applied Sciences 7.6 (2017): 596.
[4]. Neethirajan, Suresh. “Recent advances in wearable sensors for animal health management.” Sensing and Bio-Sensing Research 12 (2017): 15-29.
[5]. JM Bewley., et al. (2008) “Potential for estimation of body condition scores in dairy cattle from digital images.” Journal of Dairy Science 91(9): 3439-3453
[6]. Marilyn Krukowski (2009). “Automatic determination of body condition score of dairy cows from 3d images.” Master’s thesis. P. 1-89.
[7]. Azzaro, Giuseppe, et al. “Objective estimation of body condition score by modeling cow body shape from digital images.” Journal of dairy science.
[8]. Bercovich, A., et al. “Development of an automatic cow body condition scoring using body shape signature and Fourier descriptors.” Journal of dairy science 96.12 (2013): 8047-8059.
[9]. Salau, Jennifer, et al. “Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns.” SpringerPlus 3.1 (2014).
[10]. Fischer, Amélie, et al. “Rear shape in 3 dimensions summarized by principal component analysis is a good predictor of body condition score in Holstein dairy cows.” Journal of dairy science 98.7 (2015): 4465-4476.
[11]. Roii Spoliansky, et al. (2016) “Development of automatic body condition scoring using a low-cost 3-dimensional kinect camera.” Journal of Dairy Science.
[12]. I Halachmi, et al. (2013) “Automatic assessment of dairy cattle body condition score using thermal imaging.” Computers and Electronics in Agriculture 99: 35-40.
[13]. Anthony N Shelley (2016) “Incorporating machine vision in precision dairy farming technologies.” PhD thesis, University of Kentucky.
[14]. Dorota Anglart (2010) “Automatic estimation of body weight and body condition score in dairy cows using 3d imaging technique.” Master’s thesis.
[15]. McManus, Concepta, et al. “Infrared thermography in animal production: An overview.” Computers and Electronics in Agriculture 123 (2016).
[16]. Chusnul Arif, et al. “Estimation of soil moisture in paddy field using Artificial Neural Networks.” IJARAI, Vol. 1, No. 1:17-21, 2012.
[17]. Warriss, P. D., et al. “Estimating the body temperature of groups of pigs by thermal imaging.” Veterinary Record 158.10 (2006): 331-334.
[18]. Yanmaz, et al. “Instrumentation of thermography and its applications in horses.” J. Anim. Vet. Adv. 6(7), 858–862
[19].https://www.nytimes.com/2019/02/24/business/china-pig-technology-facial-recognition.html
[20]. Chusnul Arif, “Estimation of soil moisture in paddy field using Artificial Neural Networks”. (IJARAI), Vol. 1, No. 1:17-21, 2012.
[21]. S.R. Barkunan, et al. (2019). “Smart sensor for automatic drip irrigation system for paddy cultivation.” Computers and Electrical Engineering 73 (2019).
[22]. Olutobi Adeyemi, et al. “Dynamic Neural Network Modelling of Soil Moisture Content for Predictive Irrigation Scheduling” Sensors 2018, 18, 3408;
[23]. Vakilian, , et al. “A farmer-assistant robot for nitrogen fertilizing management of greenhouse crops.” Computers and Electronics in Agriculture.
[24] X. Gu, et al. 2017. “A MCIN-based architecture of smart agriculture.” International Journal of Crowd Science 1, 3 (2017), 237-248.
[25] A.S. Patil, et al. “A Framework for Blockchain Based Secure Smart Green House Farming.” In Advances in Computer Science & Ubiquitous Computing.
[26]. Y. Shifeng, K. Jing, and Z. Jimin, “Wireless monitoring system for aquiculture environment,” presented at the IEEE international workshop on RF.
[27]. Đề án “Kiểm soát ô nhiễm môi trường nuôi trồng thủy sản (tôm, cá tra) đến năm 2020”, Viện nuôi trồng thủy sản 1, Bộ nông nghiệp và phát triển nông thôn.
[28]. Marco Ottinger, et al. “Opportunities and Challenges for the Estimation of Aquaculture Production Based on Earth Observation Data”. Remote Sens. 2018.
[29]. Mohanraj, et al.. “Field monitoring and automation using IOT in agriculture domain.” Procedia Computer Science 93 (2016): 931-939.
TS. Nguyễn Thái Học và Nhóm nghiên cứu mạnh Công nghệ và Thiết bị tự động hóa trong sản xuất nông nghiệp công nghệ cao, Học Viện Nông nghiệp Việt Nam -VNUA
