Việt Nam đang đối mặt nhiều thách thức trong việc bảo đảm chất lượng và an toàn thực phẩm nông sản, nhất là các loại trái cây xuất khẩu chủ lực như xoài, thanh long. Yêu cầu kiểm soát dư lượng hóa chất và kim loại nặng trong nông sản xuất khẩu ngày càng cao, buộc các cơ sở sản xuất phải áp dụng công nghệ hiện đại để đánh giá chất lượng sản phẩm, trong đó có ứng dụng trí tuệ nhân tạo (AI).
Hiện nay, tỷ lệ thất thoát sau thu hoạch của nhóm nông sản xoài, thanh long dao động từ khoảng 20%-30%, gây thiệt hại lớn cho nông dân và ảnh hưởng đến khả năng cạnh tranh trên thị trường quốc tế. Bên cạnh đó, yêu cầu kiểm soát dư lượng các chất có hại trong nông sản xuất khẩu ngày càng cao, trong khi quy trình đánh giá chất lượng phần nhiều phụ thuộc vào kinh nghiệm thực tế kết hợp các phân tích hóa lý và vi sinh. Những phương pháp này thường phải thực hiện trong thời gian dài với nhiều nhân lực và chi phí cao, đồng thời dễ gây hư hỏng các mẫu nông sản.
Trước thực tế này, Tiến sĩ Bùi Quang Minh và các đồng nghiệp ở Trung tâm Đổi mới sáng tạo công nghệ cao (Viện Hàn lâm Khoa học và Công nghệ Việt Nam) đã chủ trì nhiệm vụ “Nghiên cứu ứng dụng trí tuệ nhân tạo trong đánh giá chất lượng nông sản” với các nội dung: Thu thập cơ sở dữ liệu khoảng 10.000 hình ảnh đặc điểm hình dáng, kích thước và thành phần dinh dưỡng của xoài, thanh long; phân tích chất lượng các loại xoài, thanh long bằng phương pháp hóa học kết hợp hình ảnh để tìm ra sự liên quan giữa chất lượng và hình ảnh; xây dựng cơ sở dữ liệu về đặc tính hóa lý quả xoài và quả thanh long; phát triển hệ thống phần mềm ứng dụng AI trong đánh giá chất lượng hai loại quả này. Các địa phương được nhóm nghiên cứu lựa chọn là những vùng trồng xoài, thanh long nổi tiếng như: Đồng Tháp, thành phố Cần Thơ, Long An, thành phố Đồng Nai...
Theo Tiến sĩ Bùi Quang Minh, Chủ nhiệm nhiệm vụ nghiên cứu, việc ứng dụng AI trong đánh giá nông sản không còn là câu chuyện xa vời trong phòng thí nghiệm. Hiện nay, công nghệ này được hình thành trên cơ sở các mô hình học sâu (deep learning) kết hợp phân tích hình ảnh (image processing) để phát hiện, phân loại và đánh giá chất lượng nông sản. Việc triển khai thành công công nghệ AI nêu trên giúp hạn chế đến mức thấp nhất tổn thất, góp phần nâng cao năng suất, chất lượng và uy tín nông sản Việt Nam trên thị trường quốc tế.
Bên cạnh đó, công nghệ AI còn tích hợp kỹ thuật quang học siêu phổ (HSI ) kết hợp các mô hình học máy phức tạp cho phép phân tích thành phần quang phổ của nông sản, ước tính chính xác hàm lượng dinh dưỡng, độ ẩm và chất lượng bên trong sản phẩm mà không cần phân tích phá hủy mẫu, từ đó rút ngắn thời gian phân tích mẫu trong phòng thí nghiệm. Đồng thời, việc chuyển đổi từ ảnh RGB (ba màu cơ bản) sang ảnh phổ rộng thông qua ứng dụng HSI với chi phí thấp hơn và tốc độ xử lý nhanh hơn, cho kết quả chất lượng sản phẩm ngay tại thực địa.
Để bảo đảm hiệu quả truy xuất nguồn gốc sản phẩm cũng như sự minh bạch thông tin chất lượng từ khâu thu hoạch đến tay người tiêu dùng, AI còn được tích hợp vào chuỗi giá trị nông sản thông qua việc kết hợp công nghệ blockchain. Hơn nữa, ứng dụng AI còn cho phép giám sát chất lượng sản phẩm tại mỗi khâu, qua đó cải thiện hiệu quả hoạt động lưu kho, vận chuyển và phân phối. Trong khi các thuật toán dự báo dựa trên dữ liệu môi trường như: Nhiệt độ, độ ẩm, pH đất và chỉ số sinh trưởng cây trồng cũng hỗ trợ nông dân xác định thời điểm thu hoạch tối ưu, giảm thiểu thất thoát sau thu hoạch và gia tăng lợi nhuận...
Quá trình thực hiện nhiệm vụ, nhóm nghiên cứu đã xây dựng được bộ cơ sở dữ liệu gồm 14.411 ảnh quả xoài và thanh long với chất lượng khác nhau. Đây là nguồn dữ liệu gốc quan trọng phục vụ huấn luyện, kiểm thử và vận hành mô hình AI trong đánh giá chất lượng nông sản.
Ngoài ra, nhiệm vụ đã phát triển được phần mềm Fruit Monitor/Fruit AI nhận diện, đánh giá và cảnh báo chất lượng nhóm nông sản này với độ chính xác hơn 90%. Hệ thống phần mềm còn cho phép quản lý dữ liệu người dùng, trang trại, kho bảo quản, camera, mô hình AI và lịch sử huấn luyện. Nhiệm vụ đã xây dựng được quy trình áp dụng hệ thống AI trong việc đánh giá chất lượng các trái cây nêu trên gồm các bước chính: Thu thập và tiền xử lý ảnh; gắn nhãn dữ liệu; phân tích thành phần hóa học của xoài, thanh long ở các mức chất lượng khác nhau; xây dựng, huấn luyện và khai thác mô hình AI; triển khai hệ thống trên nền tảng web và mobile.
Tuy nhiên, việc ứng dụng AI đánh giá chất lượng nông sản cũng đòi hỏi hạ tầng lưu trữ và điện toán đám mây đủ mạnh để xử lý khối lượng dữ liệu lớn từ cảm biến và hình ảnh, cùng với băng thông internet ổn định để truyền về trung tâm phân tích. Bên cạnh đó, chi phí đầu tư ban đầu cho camera chuyên dụng, cảm biến HSI và phần mềm AI vẫn còn cao, tạo rào cản cho các hộ nông dân quy mô nhỏ. Việc đào tạo nhân lực để vận hành, bảo trì và phát triển công nghệ AI tại các vùng nông thôn là rất cần thiết nhưng còn hạn chế; đồng thời, chính sách hỗ trợ của Nhà nước và các tổ chức quốc tế cần bảo đảm khung pháp lý về bảo mật dữ liệu, quyền riêng tư và tiêu chuẩn chất lượng thống nhất.
Nhiệm vụ đã công bố ba bài báo quốc tế SCIE và hai bài báo quốc gia, đào tạo được một thạc sĩ. Theo Hội đồng nghiệm thu nhiệm vụ Viện Hàn lâm Khoa học và Công nghệ Việt Nam, nhiệm vụ “Nghiên cứu ứng dụng trí tuệ nhân tạo trong đánh giá chất lượng nông sản” có ý nghĩa trong khoa học và thực tiễn cuộc sống, góp phần nâng cao hiệu quả đánh giá chất lượng nông sản, thúc đẩy ứng dụng AI trong nông nghiệp.
![[Video] Quy trình xử lý mẫu ADN thân nhân liệt sĩ tại GeneStory](https://cdn.nhandan.vn/images/8f0e69cb696c03bfdf91ec30c3d24bbdd2125bf36623fdba08e19c8b50bc03a29f029ebb205b7324f2a937a72c388eae/anh-2-1781.png.avif)
