Hệ thống quản lý trang trại thông minh (Smart Farm Management System – SFMS) do nhóm sinh viên chuyên ngành Trí tuệ nhân tạo, Trường Đại học FPT phân hiệu Thành phố Hồ Chí Minh nghiên cứu, phát triển.
Sản phẩm hỗ trợ các trang trại chăn nuôi heo giám sát và quản lý vật nuôi một cách hiệu quả, tối ưu chi phí, thời gian trước bối cảnh nhiều trang trại truyền thống chuyển dịch sang mô hình chăn nuôi công nghiệp, cần đạt được tiêu chuẩn sản phẩm đầu ra ở mức cao.
Hệ thống này gồm các mô hình AI được triển khai trên thiết bị máy tính nhúng AI Jetson Orin Nano của NVIDIA để theo dõi số lượng, phân tích hành vi, ước tính trọng lượng và phát hiện sớm các vấn đề về sức khỏe của đàn heo trong thời gian thực.
Nhóm sinh viên FPT đã sử dụng mô hình YOLO được tối ưu hóa để phát hiện, nhận dạng và phân loại heo, kết hợp với thuật toán tracking duy trì ID theo dõi ổn định, giám sát toàn bộ hành vi của đàn heo. Dựa trên phân tích chuyển động, nhóm sử dụng các thuật toán xử lý chuyển động và phân vùng không gian để nhận diện các hành vi cơ bản của heo từ di chuyển, đứng yên đến nằm và ăn uống. Ngoài ra, nhóm đã thử nghiệm công nghệ thị giác máy tính sử dụng mô hình Vision Transformer để phát hiện hành vi bất thường như hung hăng, cắn…
Theo nhóm sinh viên, công nghệ này đang trong giai đoạn phát triển. Tuy nhiên, tiềm năng của nó là rất khả thi đối với mô hình quản lý trang trại thông minh như nhóm sinh viên Trường Đại học FPT đang triển khai.
Để ước tính trọng lượng của lợn, nhóm áp dụng một quy trình kết hợp giữa thị giác máy tính và phân tích hình học. Cụ thể, mô hình YOLO được ứng dụng để phân đoạn ảnh, xác định diện tích thân heo, đồng thời nhận diện 5 điểm mốc quan trọng gồm đầu, cổ, lưng, mông và đuôi để xác định tư thế. Từ đó, các thông số như diện tích thân, chiều dài và độ cong của lưng được tính toán và đưa vào một mạng nơ-ron nhân tạo để ước tính trọng lượng. Mô hình đã được huấn luyện dựa trên dữ liệu của 174 con lợn, mỗi con được cân 5 lần để đảm bảo độ chính xác.
Mô hình học sâu ResNET50v2 được nhóm tinh chỉnh để phát hiện dấu hiệu bất thường trên da và phân loại tình trạng sức khỏe của lợn thành hai nhóm: bình thường và có dấu hiệu bất thường. Nhóm đã huấn luyện mô hình này trên tập dữ liệu gồm 4000 hình ảnh lợn từ một trang trại lợn tại Đồng Nai và các nguồn học thuật khác. Với những ưu điểm như khả năng học sâu phân tích dữ liệu hiệu quả và cơ chế tái sử dụng thông tin, mô hình ResNET50v2 tinh chỉnh đã cho thấy kết quả tích cực sau quá trình kiểm thử.
Thử nghiệm ban đầu cho thấy hệ thống quản lý trang trại thông minh hoạt động hiệu quả và thu được kết quả tích cực. Trong việc theo dõi đàn lợn, hệ thống đếm số lượng chính xác, mặc dù vẫn gặp khó khăn khi lợn bị che khuất hoặc ở vị trí xa camera. Đối với việc ước tính trọng lượng, hệ thống đạt sai số chỉ dưới 10% trong các điều kiện môi trường khác nhau. Mặc dù mô hình phát hiện bệnh còn tồn tại một số hạn chế như khó phát hiện các bệnh không có biểu hiện bên ngoài do dựa vào đặc điểm hình ảnh, song, hệ thống vẫn được đánh giá cao về hiệu quả ứng dụng thực tiễn và tiềm năng phát triển rộng trong ngành chăn nuôi.
Giảng viên Nguyễn Quốc Trung (Bộ môn ITS, Trường Đại học FPT phân hiệu Thành phố Hồ Chí Minh) cho biết: “Sản phẩm của nhóm mang lại những lợi ích thiết thực. Không chỉ giúp giảm chi phí và thời gian cho các quy trình cách ly an toàn, hệ thống còn giúp phát hiện sớm các vấn đề bất thường trong đàn lợn, giảm thiểu thiệt hại và nâng cao chất lượng đầu ra”.
Được biết, nhóm sinh viên FPT đang tiếp tục nghiên cứu, hoàn thiện hệ thống để thương mại, mở rộng bài toán phân loại đa lớp để nhận diện các bệnh cụ thể, kết hợp thêm dữ liệu về hành vi và chỉ số sinh trắc học để tăng độ chính xác trong chẩn đoán. Trông đợi rằng, hệ thống có thể mở rộng và áp dụng cho nhiều mô hình quản lý trang trại với các loại vật nuôi khác nhau, góp phần, vào mục tiêu chuyển đổi số nông nghiệp Việt Nam.
GIÁO DỤC VIỆT NAM