Các nhà nghiên cứu tại Đại học Bonn (Đức) đã phát triển một phần mềm có khả năng mô phỏng sự phát triển của cây trồng trên đồng ruộng. Họ đã sử dụng hàng nghìn bức ảnh từ các thí nghiệm thực địa để đào tạo một thuật toán học máy (machine learning). Kết quả là, thuật toán có thể dự đoán sự phát triển trong tương lai của cây trồng chỉ dựa trên một hình ảnh ban đầu duy nhất. Bằng cách sử dụng các hình ảnh được tạo ra trong quá trình mô phỏng, các thông số như diện tích lá, năng suất có thể được ước tính một cách chính xác. Kết quả nghiên cứu này đã được công bố trên Tạp chí Plant Methods.
"Chúng tôi đã phát triển phần mềm sử dụng ảnh chụp từ máy bay không người lái (drone) để mô phỏng quá trình phát triển trong tương lai của các loài cây", nhà nghiên cứu Lukas Drees (Viện Địa chất và Thông tin Địa lý, Đại học Bonn) cho biết.
Hỗ trợ ra quyết định qua mô phỏng hình ảnh và AI
Để chương trình này hoạt động hiệu quả, cần cung cấp ảnh chụp bằng máy bay không người lái từ các thí nghiệm thực địa. "Chúng tôi đã chụp hàng nghìn bức ảnh trong cùng một giai đoạn sinh trưởng. Bằng cách này, chúng tôi ghi lại quá trình phát triển của cây súp lơ trong một số điều kiện nhất định," nhà nghiên cứu Lukas Drees cho biết. Sau đó, các nhà nghiên cứu đã đào tạo một thuật toán học máy dựa trên những hình ảnh này. Dựa vào một hình ảnh trên không duy nhất về giai đoạn đầu của quá trình phát triển, thuật toán có thể tạo ra những hình ảnh mô phỏng sự phát triển trong tương lai của cây trồng.
Toàn bộ quá trình này rất chính xác, miễn là điều kiện của cây trồng tương tự như những điều kiện tại thời điểm chụp ảnh đào tạo. Tuy nhiên, phần mềm chưa tính đến tác động của những yếu tố bất lợi như một đợt lạnh đột ngột hoặc mưa liên tục kéo dài trong nhiều ngày. Trong tương lai, phần mềm sẽ được cải thiện để hiểu cách mà sự phát triển của cây trồng bị ảnh hưởng bởi các yếu tố như thời tiết và việc sử dụng nhiều phân bón, cho phép dự đoán kết quả của các biện pháp can thiệp từ người trồng trọt.
"Chúng tôi cũng sử dụng một phần mềm AI thứ hai để ước tính nhiều thông số khác nhau từ ảnh chụp thực vật, chẳng hạn như năng suất cây trồng. Điều này cũng áp dụng cho các hình ảnh được tạo ra, cho phép ước tính khá chính xác kích thước tiếp theo của bông súp lơ ở giai đoạn rất sớm trong thời kỳ sinh trưởng," ông Lukas Drees cho biết thêm.
Hướng tới phân tích đối với phương pháp đa canh
Một lĩnh vực mà các nhà nghiên cứu đang chú trọng là phương pháp đa canh, tức là gieo trồng nhiều loài cây khác nhau trên cùng một cánh đồng, chẳng hạn như đậu và lúa mì. Vì các loại cây có nhu cầu khác nhau, chúng ít cạnh tranh với nhau hơn trong môi trường đa canh so với độc canh, điều này vô hình chung làm tăng năng suất. Đặc biệt, cây đậu có khả năng cố định Nitơ từ không khí và sử dụng nó như một loại phân bón tự nhiên, từ đó giúp cây lúa mì cũng được hưởng lợi.
Ông Drees giải thích: "Đa canh cũng ít bị ảnh hưởng hơn bởi sâu bệnh và các tác động môi trường khác. Tuy nhiên, hiệu quả của toàn bộ quá trình phụ thuộc rất nhiều vào các loài kết hợp và tỷ lệ pha trộn của chúng." Khi kết quả từ nhiều thí nghiệm trộn khác nhau được đưa vào thuật toán học máy, có thể đưa ra khuyến nghị về loại cây nào đặc biệt tương thích và tỷ lệ trồng phù hợp.
Mô phỏng tăng trưởng thực vật dựa trên thuật toán học là một bước phát triển tương đối mới. Trước đây, các mô hình dựa trên quy trình chủ yếu được sử dụng cho mục đích này. Những mô hình này chủ yếu dựa trên hiểu biết cơ bản về các chất dinh dưỡng và điều kiện môi trường mà một số loài cây nhất định cần để phát triển mạnh. Tuy nhiên, phần mềm của chúng tôi đưa ra kết quả dựa trên kinh nghiệm thu thập được từ các hình ảnh đào tạo," ông Drees nhấn mạnh.
Cả hai phương pháp này đều bổ sung cho nhau. Nếu được kết hợp một cách hợp lý, chúng có thể cải thiện đáng kể chất lượng dự báo. "Đây cũng là một điểm mà chúng tôi đang nghiên cứu trong dự án của mình: Làm thế nào để tận dụng tốt nhất các phương pháp dựa trên quy trình và hình ảnh để hỗ trợ lẫn nhau," nhà khoa học chia sẻ thêm.
