Một nhóm nghiên cứu liên ngành tại Penn State cho biết, hệ thống trồng cây không cần đất trong nhà kính, còn gọi là nông nghiệp trong môi trường có kiểm soát, có tiềm năng giúp sản xuất các loại cây trồng đặc sản chất lượng cao quanh năm. Tuy nhiên, để duy trì tính cạnh tranh và bền vững, phương pháp này cần áp dụng các kỹ thuật nông nghiệp chính xác. Đáp ứng nhu cầu đó, nhóm nghiên cứu đã phát triển một hệ thống giám sát tự động, giúp theo dõi liên tục sự phát triển và nhu cầu của cây trồng, hỗ trợ việc quản lý hiệu quả hơn. Kết quả nghiên cứu của họ được công bố trên tạp chí Computers and Electronics in Agriculture.

Phó giáo sư Long He, trưởng nhóm nghiên cứu và giảng viên kỹ thuật nông nghiệp và sinh học, cho biết: “Theo truyền thống, giám sát cây trồng trong hệ thống nông nghiệp không cần đất trong môi trường có kiểm soát là một nhiệm vụ quan trọng nhưng tốn nhiều thời gian và đòi hỏi nhân sự chuyên môn. Tuy nhiên, các phương pháp giám sát truyền thống không thể thu thập dữ liệu thường xuyên, theo thời gian thực, khiến việc theo dõi động lực tăng trưởng của cây trồng trong suốt chu kỳ trở nên khó khăn. Các hệ thống giám sát tự động khắc phục hạn chế này bằng cách thu thập dữ liệu liên tục, giúp quản lý cây trồng hiệu quả hơn và cung cấp thông tin chi tiết hơn".

Các nhà nghiên cứu đã phát hiện rằng việc kết hợp mạng lưới vạn vật (IoT), trí tuệ nhân tạo (AI) và hệ thống thị giác máy tính có thể tạo ra một hệ thống giám sát và phân tích liên tục sự phát triển của cây trồng trong môi trường canh tác không cần đất, cho phép theo dõi và phân tích liên tục quá trình phát triển của cây trồng trong suốt chu kỳ cây trồng. IoT, hay mạng lưới vạn vật, là một hệ thống kết nối các thiết bị vật lý có khả năng trao đổi dữ liệu qua internet, nhờ vào cảm biến, phần mềm và các công nghệ tiên tiến.

Nhóm nghiên cứu cho biết cải tiến cốt lõi trong công trình của họ là lần đầu tiên triển khai một mô hình phân đoạn hình ảnh đệ quy, có khả năng xử lý các hình ảnh tuần tự được chụp ở độ phân giải cao theo các khoảng thời gian xác định trước, giúp theo dõi chính xác sự thay đổi trong quá trình phát triển của cây trồng. Trong nghiên cứu, phương pháp này đã được thử nghiệm trên cải thìa baby, một loại rau lá còn được gọi là cải thảo Trung Quốc. Tuy nhiên, các nhà nghiên cứu cho biết rằng phương pháp này có thể áp dụng hiệu quả cho nhiều loại cây trồng khác.

Nhóm nghiên cứu tại Cao đẳng Khoa học Nông nghiệp, trực thuộc Trung tâm Nghiên cứu và Mở rộng Trái cây của Penn State tại Biglerville, đã tập trung vào nông nghiệp tự động và chính xác trong hơn một thập kỷ. Nhóm đã phát triển các giải pháp robot cho nhiều ứng dụng nông nghiệp, bao gồm thu hoạch, cắt tỉa, tỉa quả xanh, thụ phấn, sưởi ấm vườn cây, phun thuốc trừ sâu và tưới tiêu. Hệ thống thị giác máy được sử dụng trong nghiên cứu này là một bước tiến của công nghệ mà nhóm đã phát triển trước đây cho các mục đích khác.

Trong nghiên cứu này, hệ thống thị giác máy tích hợp đã phân lập thành công từng cây cải thìa baby phát triển trong hệ thống thủy canh, tạo ra các hình ảnh giúp theo dõi thường xuyên sự gia tăng diện tích lá trong suốt chu kỳ sinh trưởng của chúng. Các nhà nghiên cứu cho biết mô hình đệ quy trong thuật toán duy trì "hiệu suất mạnh mẽ", cung cấp thông tin chính xác trong toàn bộ quá trình phát triển của cây trồng.

Long He đã ghi nhận Chenchen Kang, một nghiên cứu sinh bậc sau tiến sĩ trong phòng thí nghiệm của mình và là tác giả chính của nghiên cứu, vì đã đóng góp sự sáng tạo và nỗ lực cần thiết để "huấn luyện" hệ thống thị giác máy tính theo dõi quá trình sinh trưởng của cây.

"Chenchen đã triển khai cảm biến để thu thập và xử lý dữ liệu, đồng thời phát triển phương pháp luận, lập trình và mã hóa các mô hình AI," ông cho biết.

Nghiên cứu này là một dự án liên ngành, kết hợp giữa các kỹ sư nông nghiệp và nhà khoa học thực vật, đồng thời là một phần của dự án liên bang quy mô lớn mang tên "Thúc đẩy tính bền vững trong hệ thống nông nghiệp đô thị trong nhà".

Phó giáo sư Francesco Di Gioia, chuyên gia về khoa học cây trồng rau và là nhà nghiên cứu chính của dự án bao trùm trong lĩnh vực công nghệ và môi trường, nhấn mạnh vai trò của việc kết hợp các chuyên môn khác nhau trong phát triển giải pháp nông nghiệp chính xác. Ông nhận định rằng cách tiếp cận liên ngành sẽ ngày càng quan trọng trong việc nâng cao hiệu quả và đảm bảo tính bền vững lâu dài cho các hệ thống nông nghiệp trong môi trường được kiểm soát hiện nay.

Di Gioia cho biết, Việc ứng dụng công nghệ IoT và AI trong nông nghiệp không chỉ giúp tự động theo dõi và thu thập dữ liệu về tình trạng cây trồng mà còn hỗ trợ ước tính sự phát triển và nhu cầu dinh dưỡng của cây một cách chính xác. Đồng thời, hệ thống này có thể giám sát các yếu tố môi trường như bức xạ, nhiệt độ, độ ẩm tương đối cũng như điều chỉnh dung dịch dinh dưỡng phù hợp, từ đó tối ưu hóa quá trình canh tác. Sự kết hợp giữa dữ liệu thời gian thực và các thuật toán phân tích thông minh sẽ giúp cải thiện năng suất, giảm lãng phí tài nguyên và nâng cao hiệu quả sản xuất nông nghiệp.

Việc nâng cao hiệu quả và khả năng cạnh tranh của các hệ thống nông nghiệp trong môi trường được kiểm soát không chỉ giúp tối ưu hóa sản xuất mà còn góp phần quan trọng vào việc đảm bảo an ninh lương thực và dinh dưỡng. Bằng cách giảm thiểu tình trạng kém hiệu quả, hạn chế lãng phí tài nguyên và tối ưu hóa điều kiện canh tác, các hệ thống này có thể cung cấp nguồn thực phẩm ổn định, chất lượng cao và bền vững hơn.

Trong tương lai, việc tích hợp các công nghệ nông nghiệp chính xác vào các hệ thống nông nghiệp có môi trường được kiểm soát cũng có thể mang lại cơ hội nâng cao chất lượng của các loại cây trồng đặc sản và thậm chí điều chỉnh hồ sơ dinh dưỡng của chúng, Di Gioia nói thêm.

Xinyang Mu, tốt nghiệp với bằng tiến sĩ về kỹ thuật nông nghiệp và sinh học tại Penn State và hiện là học giả sau tiến sĩ tại Đại học bang Michigan, và Aline Novaski Seffrin, ứng viên tiến sĩ về khoa học thực vật, là các cá nhân đã đóng góp nhiều nỗ lực vào nghiên cứu này.

P.T.T (NASATI), theo https://phys.org/, 6/2025