Sinh viên FPT ứng dụng AI quản lý trang trại thông minh trên nền tảng NVIDIA, giải pháp mới cho ngành chăn nuôi 

Nhóm sinh viên Trường Đại học FPT phân hiệu TP.HCM đã phát triển hệ thống quản lý trang trại thông minh (Smart Farm Management System - SFMS) ứng dụng AI, vận hành trên thiết bị máy tính nhúng của NVIDIA Jetson Orin Nano. Đây là giải pháp hỗ trợ các trang trại chăn nuôi heo giám sát và quản lý đàn lợn một cách thông minh, giúp giảm thiểu chi phí và thời gian, đồng thời đáp ứng xu hướng chuyển đổi từ chăn nuôi truyền thống sang mô hình công nghiệp . 

Hệ thống quản lý trang trại thông minh sử dụng AI và công nghệ thị giác máy tính trên thiết bị máy tính nhúng AI của NVIDIA. Nguồn ảnh: Tạp chí Giáo dục Việt Nam

Hệ thống SFMS tích hợp các mô hình AI tiên tiến, cho phép theo dõi số lượng, phân tích hành vi, ước tính trọng lượng và phát hiện sớm các vấn đề sức khỏe của đàn heo theo thời gian thực. Nhóm đã sử dụng mô hình YOLO tối ưu hóa để nhận diện và phân loại lợn, kết hợp thuật toán tracking nhằm duy trì ID theo dõi ổn định. Hệ thống còn phân tích hành vi thông qua các thuật toán xử lý chuyển động và phân vùng không gian, giúp nhận diện chi tiết các hành vi cơ bản từ di chuyển, đứng yên, nằm đến ăn uống. Đặc biệt, nhóm đã áp dụng công nghệ Vision Transformer để phát hiện các hành vi bất thường như hung hăng hay cắn nhau. 

Hệ thống được chạy kiểm thử trong một trang trại lợn ở Đồng Nai. Nguồn ảnh: Tạp chí Giáo dục Việt Nam

Để ước tính trọng lượng lợn, nhóm áp dụng quy trình kết hợp thị giác máy tính và phân tích hình học. Cụ thể, mô hình YOLO được sử dụng để phân đoạn ảnh, xác định diện tích thân heo và nhận diện năm điểm mốc quan trọng trên cơ thể 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 lưng được tính toán, sau đó đưa vào một mạng nơ-ron nhân tạo để ước tính trọng lượng, với sai số dưới 10% qua các thử nghiệm thực tế. 

Mô hình học sâu ResNET50v2 được nhóm tinh chỉnh để phát hiện các dấu hiệu bất thường trên da, 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 trên tập dữ liệu 4.000 hình ảnh thu thập từ các trang trại tại Đồng Nai và nguồn học thuật, cho thấy hiệu quả cao nhờ khả năng học sâu và tái sử dụng thông tin. 

Sử dụng mô hình YOLO kết hợp phân tích hình học để ước tính trọng lượng heo. Nguồn ảnh: Tạp chí Giáo dục Việt Nam

Dù mô hình phát hiện bệnh hiện còn hạn chế trong việc nhận diện các bệnh không có biểu hiện bên ngoài, kết quả kiểm thử vẫn cho thấy tiềm năng ứng dụng thực tiễn và khả năng phát triển trong ngành chăn nuôi. 

Giảng viên Nguyễn Quốc Trung, đại diện Bộ môn ITS, Trường Đại học FPT phân hiệu TP.HCM, chia sẻ: "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”. 

Hiện nhóm sinh viên đang tiếp tục hoàn thiện hệ thống để hướng tới thương mại hóa, mở rộng bài toán phân loại đa lớp nhằm nhận diện các loại bệnh cụ thể. Đồng thời, việc kết hợp dữ liệu hành vi và sinh trắc học được kỳ vọng sẽ cải thiện độ chính xác trong chẩn đoán. 

Trong tương lai, hệ thống có thể được ứng dụng rộng rãi cho nhiều loại vật nuôi khác nhau, góp phần thúc đẩy chuyển đổi số trong nông nghiệp Việt Nam, đồng thời nâng cao tính cạnh tranh và hiệu quả kinh tế trong ngành nông nghiệp công nghệ cao. 

>>Phát hiện kinh doanh dép giả nhãn hiệu Hermes ngay trong làng nghề Gia Lộc