Trí Tuệ Nhân Tạo.pdf

TRÍ TUỆ NHÂN TẠO
- Tìm hiểu nhược điểm của việc thụ phấn nhờ gió, chim, cơn trùng, tự thụ phấn?
+ Sự thụ phấn nhờ gió có kết quả khi các bộ phận thụ trong hoa khơng có
thời gian chín cùng một lúc. Mùa hoa nở nhiều, hạt phấn bay khắp nơi
có thể gây bệnh viêm mũi họng nặng cho người khi hít phải nó. Sự thụ
phấn nhờ gió cũng cịn là dấu vết của cách truyền lan và thụ phấn cổ lổ
của các Đài, Khuyết thực vật. Và cách thụ phấn này khơng đem lại hiệu
quả cao vì số lượng phấn hoa đến với noãn rất thấp
+ Những con chim trên đường đi kiếm ăn, nhất là những loài chim hút mất
hay ăn sâu bọ thì việc chúng đậu lên những bơng hoa đực và phấn hoa
sẽ dính vào chân của chim sau đó chúng lại đậu lên những nỗn hoa cái
thế là quá trình thụ phấn diễn ra.Tuy nhiên cũng giống như phương pháp
thụ phấn nhờ gió, hiệu quả của phương pháp này không cao dù vậy tỷ lệ
thành cơng của nó cao hơn rất nhiều lần so với phương pháp thụ phấn
nhờ gió
+ Người nơng dân có thể dùng phương pháp thụ phấn nhân tạo bằng cách
dùng que gắn bơng gịn chà lên nhụy của hoa đực lấy phấn hoa rồi đem
phết lên đầu nhụy hoa cái. Tuy nhiên việc này đòi hỏi rất nhiều nhân lực
cũng như sự tinh tế, rất tốn thời gian và công sức
+ Bên cạnh đó, phương pháp sử dụng máy bay để thụ phấn cho cây bằng
việc phun phấn lên cây mẹ cũng được thực hiện nhưng do tốc độ của gió
và của máy bay khi di chuyển đã làm cho những hạt phấn hoa này không
tiếp cận được với nhụy hoa cái để thụ phấn một cách hiệu quả.
I.

Bối cảnh thế giới hiện nay ( lý do vì sao lại có ứng dụng này)
- An ninh lương thực là một trong những chủ đề thách thức xã hội. Khi
một phần ba tổng số thực phẩm được tiêu thụ bởi con người hiện đang
dựa vào sự thụ phấn của động vật.
- Theo số liệu của diễn đàn kinh tế thế giới,dân số thế giới dự kiến ​sẽ tăng
lên đáng kể trong vài năm tới. Và Theo ước tính, một phần ba tổng số

thực phẩm mà con người tiêu thụ là kết quả của các loài thụ phấn, là các
tác nhân sinh vật di chuyển phấn hoa, chẳng hạn như ong mật phương
Tây, ong khác, bướm đêm, bướm và chim. Tuy nhiên số lượng các lồi
cơn trùng thụ phấn (ví dụ như kiến, ong, bọ cánh cứng, bướm, ...) đang
suy giảm nghiêm trọng. Theo Tiến sĩ Eijiro Miyako - nhà nghiên cứu tại
Viện Khoa học Công nghiệp Tiên tiến và Công nghệ của Nhật Bản,
trong năm qua có số lượng đàn ong tự nhiên bị sụt giảm khoảng 44% và
vẫn chưa có dấu hiệu dừng lại. Ở Mỹ, một nửa số ong đang bị giết chết
mà không rõ nguyên do. Đây là điều khủng khiếp đối với loài ong và
các loài thực vật phụ thuộc vào lồi cơn trùng này để thụ phấn. Việc


thiếu hụt ong không chỉ đồng nghĩa với số lượng mật ong sẽ giảm, mà
cũng có nghĩa là sản lượng lương thực được tạo ra cũng sẽ ít hơn. Vì
vậy hiện nay các công nghệ mới phải được khám phá để vượt qua thách
thức về thiếu hụt lương thực trong tương lai ở tồn cầu
I GIỚI THIỆU:
Trong thời kì diễn ra cuộc cách mạng công nghiệp lần thứ 4, nhiều lĩnh vực công
nghiệp đã trải qua sự thay đổi trong cách thức hoạt động của doanh nghiệp, do việc sử
dụng ngày càng nhiều việc kết hợp trí tuệ nhân tạo (AI) với trí tuệ con người (HI)
Một trong những hoạt động sáng tạo nhất, rô bốt và hệ thống tự động (Robotics and
autonomous systems (RAS)) là thiết yếu đối với nền kinh tế tồn cầu, có tác động tích
cực đến xã hội liên quan đến hiệu quả là không thể đo lường được và đang xuất hiện
trong cuộc sống hàng ngày của chúng ta. Theo nghiên cứu mới của PwC [1], AI có thể
thêm $ 232BN vào GDP của Vương quốc Anh vào năm 2030. Điều này khiến AI trở
thành cơ hội thương mại quan trọng nhất trong nền kinh tế đang thay đổi nhanh chóng
ngày nay, trong đó, RAS sẽ đóng một vai trị ngày càng thiết yếu trong các lĩnh vực
công nghiệp của thế giới, bao gồm sản xuất, chăm sóc sức khỏe và thành phố siêu thị.
Mặc dù cịn vài năm nữa AI mới có thể phục vụ chúng ta trong cuộc sống và công
việc hàng ngày, nhưng AI đã và đang tác động sâu sắc đến thế giới theo một số cách

tinh tế, chẳng hạn như giải pháp thanh tốn nhận dạng khn mặt, an ninh mạng,
chăm sóc sức khỏe và canh tác chính xác [2], [3].
Trong nghiên cứu này, thụ phấn tự động là một trong những cơng nghệ quan trọng để
canh tác chính xác trong tương lai gần. Theo dữ liệu từ diễn đàn kinh tế thế giới, dân
số thế giới dự kiến ​sẽ tăng đáng kể trong vài năm tới, nhưng năng lực sản xuất lương
thực sẽ phải vật lộn để theo kịp tốc độ. AI đang thúc đẩy hiệu quả trong các phương
pháp canh tác hiện tại của chúng ta để tăng sản lượng và giảm lãng phí mà khơng ảnh
hưởng xấu đến môi trường. Các hệ thống như Máy kéo thu hoạch của John Deere [4]
cho phép đáng kể các loại máy móc gieo trồng cây trồng theo cách đồng đều và chính
xác hơn nhiều, đồng thời có thể giảm bớt sự chồng chất trong các quy trình nơng
nghiệp như xới đất, trồng trọt và bón phân, do đó làm giảm việc sử dụng hóa chất và
tăng năng suất. Cainthus cung cấp phương pháp tiếp cận thiết bị giám sát [5], sử dụng
deep learning, để tạo ra các hệ thống nhận dạng khn mặt / mẫu / mục tiêu có thể xác
định / phân loại từng con bò / ngựa / cừu theo các đặc điểm trên khuôn mặt / cơ thể
của chúng trong vài giây, và cho phép các đàn thú được giám sát với sự tham gia
không đáng kể của con người.


Hơn nữa, nó cũng có thể phát hiện và cảnh báo các dấu hiệu bất thường ở giai đoạn
đầu ở lồi bị dựa trên hình dạng cơ thể được kiểm tra chéo với các đặc điểm khác.
Các cảm biến được lắp đặt trên các cơ sở nông trại hoặc rô bốt di động (chẳng hạn
như máy bay không người lái và phương tiện dẫn đường tự động) được sử dụng để thu
thập dữ liệu hiện trường (chẳng hạn như hình ảnh / video) trong điều kiện thời gian
thực. Trong khi đó, các hệ thống tự động điều khiển bằng AI có thể hỗ trợ cơng nhân
nơng trại thực hiện các nhiệm vụ trồng trọt, dự đoán trước kết quả sản xuất nông
nghiệp trong vài tháng cho một vài hành động tiếp theo được tích hợp với cơng nghệ
nơng nghiệp kỹ thuật số [6].
Để canh tác chính xác trong tương lai, quá trình thụ phấn thực hiện một trong những
hoạt động chính của chúng và chịu trách nhiệm cho 90% các sinh vật sống trên hành
tinh của chúng ta, đó là quá trình chuyển phấn hoa từ bao phấn (cơ quan đực của hoa)

đến vịi nhụy (bộ phận cái của bơng hoa). Một số lồi thực vật có thể tự thụ phấn và
hiện tượng này được gọi là tự thụ phấn, bao gồm hai kiểu: giao tử tự phối và chế độ
giao phối; Các cây khác cần phấn hoa để chuyển giữa các bông hoa khác nhau trong
các cá thể khác nhau của cây, và điều này được gọi là thụ phấn chéo. Một số lồi thực
vật có thể được thụ phấn theo cả hai cách nhờ gió hoặc động vật, nhưng hầu hết các
lồi thực vật khơng có khả năng tự thụ phấn.
Sự thụ phấn có ảnh hưởng lớn đến các mối quan hệ sinh thái, sự bảo tồn và ổn định
của hệ sinh thái, sự biến đổi di truyền trong quần xã thực vật, sự đa dạng của hoa, sự
chun hóa và sự tiến hóa. Theo ước tính, một phần ba tổng số thức ăn mà con người
tiêu thụ là kết quả của các loài thụ phấn, là các tác nhân sinh học di chuyển phấn hoa,
chẳng hạn như ong mật phương tây,1 số loại ong khác, ngài, bướm và chim.
Về cơ bản, ong mật phương Tây là loài thụ phấn mạnh mẽ do sự đồng tiến hóa giữa
chúng và các lồi thực vật có hoa mà từ đó chúng hút thức ăn. Có hai lý do chính gây
ra tình trạng thiếu thụ phấn ngày càng gia tăng [7]: (1) Tại Hoa Kỳ, đại dịch gây rối
loạn sụp đổ tại địa phương của ong mật phương Tây (Apis mellifera), khiến 37% quần
thể lồi ong bị thu hẹp mà khơng được khoa học giải thích, do đó đã làm dấy lên mối
quan tâm đáng kể đối với phúc lợi chung của nhân loại trong khu vực. (2) Các khu
vực khác trên thế giới (ở châu Phi và châu Âu), dữ liệu của Food and Agriculture
Organization (FAO) [8] cho thấy mật độ tổ ong toàn cầu được quản lý đã tăng> 45%
trong nửa thế kỷ qua, tuy nhiên dữ liệu hiện tại của FAO cũng cho thấy tỷ lệ nông


nghiệp phụ thuộc vào thụ phấn của động vật trong nửa thế kỷ qua tăng nhanh hơn
nhiều (> 300%), điều này có thể làm tăng nhu cầu đối với các dịch vụ thụ phấn nông
nghiệp và làm tăng khả năng thụ phấn trên toàn cầu.
Khi cần thụ phấn trên quy mô lớn trong canh tác bền vững trong tương lai, chẳng hạn
như cây trồng trên cánh đồng, vườn cây ăn quả hoặc sản xuất hạt giống thương mại,
thì cơng nghệ mới phải được khám phá để vượt qua thách thức về an ninh lương thực
toàn cầu trong tương lai. Robot thụ phấn siêu nhỏ tự động (A robotic micro air vehicle
(MAV) pollinator (MPr)) là một trong những giải pháp mới nổi để duy trì nguồn cung

cấp lương thực cho thế giới. Báo cáo này nhằm mục đích cung cấp một lộ trình kỹ
thuật khái niệm của hệ thống thụ phấn tự động cho việc canh tác trong tương lai bằng
cách sử dụng Robot thụ phấn siêu nhỏ tự động có thể vỗ cánh.
Robot siêu nhỏ có cánh đã được phát triển đáng kể trong những năm gần đây, do đặc
điểm của chúng là kích thước nhỏ, tiết kiệm năng lượng và linh hoạt. Chúng cung cấp
một loạt các tiềm năng trong các ứng dụng dân sự và quân sự. Cho đến nay, đã có một
số robot có thể vỗ cánh thành công, chẳng hạn như Nano Humming-bird [9] của
Aeroosystem Inc., DelFly [10] của TU Delft, Harvard Microrobotic Fly [11], Harvard
RoboBees, Robot Dragonfly của TechJect, FESTO BionicOpter và robot muỗi, v.v ...
Hầu hết cơng việc tìm kiếm lại tập trung vào thiết kế cấu trúc rô bốt, thiết kế mạch
điện hoặc mơ phỏng hành động bay, chỉ ít thơng tin (của FESTO) đề cập đến 'trí thơng
minh' của các hệ thống rô bốt 'tự hành'. Để lấp đầy khoảng trống này, báo cáo này đề
xuất một máy thụ phấn tự động bằng rô bốt sử dụng các phương pháp tiếp cận trí tuệ
tính tốn.
Đóng góp của cơng trình này có thể được phác thảo như một lộ trình kỹ thuật của quá
trình thụ phấn tự động cho canh tác trong tương lai bằng cách sử dụng hệ thống robot
siêu nhỏ cùng với AI-in-the-loop (AIL) và Human-in-the-loop (HIL). Như trong Hình
1, mỗi con robot của bầy robot được điều khiển bởi hệ thống điều khiển trung tâm
(central control system (CCS)) thông qua các kết nối tín hiệu khơng dây. Dữ liệu
trường thời gian thực, chẳng hạn như cây trồng và hoa, được máy ảnh và các cảm biến
khác (ví dụ: cảm biến nhiệt) ghi lại vào CCS. CCS thông minh tạo ra các tín hiệu điều
khiển. Hệ thống được thiết kế thơng qua trí tuệ tính tốn (computational intelligence
(CI)), là một tập hợp các phương pháp tiếp cận lấy cảm hứng từ thiên nhiên, cung cấp
nhiều khả năng giải quyết vấn đề phức tạp. So với các phương pháp tối ưu hóa truyền
thống, CI khơng cần phải định dạng lại bài tốn để tìm kiếm một khơng gian phi tuyến
tính hoặc khơng phân biệt. Để tận dụng lợi ích của một loạt các phương pháp tiếp cận


CI, bộ giải tích hợp trí thơng minh tính tốn (Computational intelligence integrated
solver (CIS)) đã được sử dụng trong nghiên cứu này [3], [12].

Phần còn lại của bài báo được sắp xếp như sau. Phần II giới thiệu khái niệm thụ phấn
tự động với AIL và HIL, đồng thời mô tả lộ trình kỹ thuật tổng thể, bao gồm một số
tiểu mục với các bước chính chi tiết để thực hiện. Phần III giới thiệu quy trình thụ
phấn tự chủ sử dụng robot siêu nhỏ. Phần IV tóm tắt một số tiêu chí đánh giá hiệu suất
của các Robot thụ phấn siêu nhỏ tự động và giới thiệu hệ thống quản lý thụ phấn
thông minh. Phần V thảo luận về các vấn đề đạo đức và quy định tiềm ẩn. Phần VI
thảo luận sáng kiến ​về các tác động xã hội, kinh tế và môi trường từ các Robot thụ
phấn siêu nhỏ tự động. Phần VII kết thúc bài báo cáo và nêu bật các hoạt động trong
tương lai.
II. THỤ PHẤN TỰ ĐỘNG
Được kết hợp với AI và Con người, rô bốt và hệ thống tự động (Robotics and
autonomous systems (RAS)) tạo nên cuộc cách mạng đối với nền kinh tế và xã hội
thế giới trong hai mươi năm tới, với các lĩnh vực ứng dụng chính bao gồm: sản xuất,
chăm sóc sức khỏe, năng lượng biển, giám sát mơi trường, tìm kiếm và cứu hộ, quốc
phịng và canh tác chính xác, đã được nhấn mạnh bởi một số liên minh kinh tế, chẳng
hạn như: Chính phủ Vương quốc Anh năm 2013 là một trong tám Công nghệ vĩ đại
làm nền tảng cho Chiến lược Công nghiệp của Vương quốc Anh về cả việc làm và
tăng trưởng; Kế hoạch phát triển trí tuệ nhân tạo thế hệ tiếp theo của chính phủ Trung
Quốc, trong đó nêu rõ một chương trình đầy tham vọng để Trung Quốc dẫn đầu thế
giới về AI. Trong phần này, phương pháp thụ phấn tự động theo khái niệm liên quan
đến AIL và HIL sẽ được giới thiệu, cho thấy một hệ thống rô bốt và hệ thống tự động
(Robotics and autonomous systems (RAS)) lấy AI và Con người làm trung tâm trong
canh tác chính xác, với nhiều ứng dụng, ví dụ, nơng nghiệp trong vũ trụ với nhiệm kì
dài và định cư trên Mặt trăng hoặc sao Hỏa.
A. AI in the loop (Hệ thống máy móc tự động hóa theo trí tuệ nhân tạo):
AI đã được ứng dụng rộng rãi cho nhiều vấn đề học thuật và cơng nghiệp. Trên thực
tế, nó có thể được coi là một cách tiếp cận cơ bản cho mọi vấn đề trong thời đại công
nghiệp 4.0. AI đang hỗ trợ con người đưa ra quyết định và có thể giúp mở rộng kinh
nghiệm và kiến ​thức hiện có của họ để giải quyết các biên giới ngày càng mở rộng với
những bất ổn.

Như thể hiện trong Hình 1, các vịng lặp khái niệm của AI-in-the-loop (AIL, loop
'H-I-K') và Human-in-the-loop (HIL, loop 'H-J-K') đã được trình bày, điều này sẽ chỉ
ra những tiến bộ khoa học của cả AI và chuyên môn của Con người, tương ứng.
Các vòng lặp của AIL và HIL có thể tạo ra một hệ thống phản hồi cho phép mọi người
sửa lỗi của rô-bốt ngay lập tức mà không cần đến bộ não của họ, hoặc ngược lại, trong
đó, nó cung cấp sự hiểu biết nhiều hơn của AI và các phương pháp tiếp cận mô phỏng
lại sinh học để : (1) tính tự chủ bền bỉ, tương tác đa phương thức nâng cao sự đồng
cảm giữa con người và máy móc trong các hoạt động vận hành tự chủ để canh tác
chính xác; (2) rơ bốt tiên tiến với cảm biến siêu nhỏ và tính tốn trong các phương án
nơng nghiệp; (3) hành động tn thủ thích ứng ở nhiều quy mơ; (4) các yếu tố hình
thức, hiểu biết ngữ nghĩa của môi trường từ dữ liệu cảm biến nhiễu và hơn thế nữa.
Hai vịng lặp khơng chỉ có thể trình bày những tiến bộ mà cịn có thể hiện thực hóa
các phương pháp nghiên cứu và thực hành để đạt được chúng.
Ví dụ: những cấu trúc phần cứng trong vịng lặp để có thể tái sử dụng và thử nghiệm
dễ dàng với chi phí thấp.)


B. HUMAN-IN-THE-LOOP (Hệ thống tự động hóa có sự giám sát của con
người)
Có hàng tỷ tế bào thần kinh kết nối với nhau trong não của con người. Suy nghĩ
của con người và cảm xúc của họ ảnh hưởng đến sự tương tác giữa các tế bào
thần kinh. Mỗi sự tương tác giữa các tế bào thần kinh tạo ra một năng lượng
không thể thay đổi, cái mà không thể đo được bằng công nghệ hiện đại. Sự
tương tác giữa các tế bào thần kinh đó có thể là nguyên nhân của các mơ hình/
trạng thái não có khác nhau về thay đổi biên độ và tần số, nó có thể được sử
dụng để xác định trạng thái cảm xúc. Thậm chí một trong những kỹ thuật của
AI, là deep learning (học sâu), là đang sử dụng mơ hình này và với hiệu suất

máy tính tốn cao hơn được cung cấp bởi phương tiện tính tốn hiệu suất cao,
như là hệ thống hiệu suất cao HPC
Điện não đồ (EEG) là một trong những công nghệ được sử dụng rộng rãi để đo
sự dao động điện áp của não đối với các hoạt động điện bởi sự tương tác giữa
các tế bào thần kinh, nó được ghi lại, đo lường bởi cảm biến của điện não đồ
(EEG) và thể hiện trên màn hình. Dữ liệu thu thập được đến từ cảm biến EEG
có thể sử dụng để xác định các tín hiệu điều khiển cho robot
Liên quan đến chuyên môn của con người, hệ thống canh tác RAS bao gồm
một hệ thống kiểm soát tâm trí, cho MAV thơng qua giao diện não máy tính,
bao gồm 32 kênh EEG, một vài robot MAV, và một máy ảnh CCD,... HIL cho
phép con người kết nối với lỗi robot bằng cách sử dụng tín hiệu não. Sử dụng
dữ liệu đến từ màn hình EEG ghi lại các hoạt động của não, hệ thống có thể
phát hiện nếu một người nhận thấy lỗi robot khi nó đang thực hiện nhiệm vụ
thực hiện phân loại đối tượng. Các thuật toán học máy mới cho phép hệ thống
phân loại sóng não trong khoảng thời gian từ 10-30 triệu giây. Người máy
được điều khiển bởi HIL đã được AIL liên kết để đánh giá theo cách quy định
mà máy có thể tạo ra.
Ví dụ như, một kĩ sư con người được quy định để nhìn ¼ màn hình với đa dạng
các ô dữ liệu. mỗi một ô sẽ thể hiện một nhiệm vụ khơng chắc chắn để robot
thực hiện, có thể được coi như là quá trình đào tạo lẫn nhau và các hành động
điều chỉnh những suy nghĩ của một người có thể bị đánh thuế, đặc biệt đối với
những người mà giám sát các nhiệm vụ trong điều hướng hoặc xây dựng đòi
hỏi cường độ cao tập trung thông qua thực tế ảo (VR) hoặc thực tế tăng cường
(AR). Kiểm sốt tâm trí MAV ghi lại và xử lý các hoạt động điện não. Các
động lực đằng sau nghiên cứu này nằm ở việc tạo ra các sản phẩm giá thấp hơn
trong các ứng dụng canh tác trong tương lai, bao gồm dữ liệu lớn thời gian cần
thiết để chẩn đốn tình trạng canh tác của đánh giá thụ phấn cc
C. Lộ trình cơng nghệ thụ phấn tự động
Lấy cảm hứng từ sinh học của các loài thụ phấn tự nhiên (NPrs), việc làm này

đang phát triển một phương pháp thụ phấn, đó là một hệ thống rơ bốt MAV
giống với chim ruồi, cái mà có thể thực hiện vai trị thụ phấn nhân tạo trong
nơng nghiệp, cứu trợ thiên tai và các ứng dụng đa lĩnh vực khác.


Như đã nhìn thấy ở hình 2, khái niệm về thụ phấn tự phối bao gồm 7 bước:
+ Bước 1: là bước thông báo CCS chỉ định MAV thụ phấn đến khu vực thụ phấn
cụ thể j, các MPrs đã sẵn sàng để thực hiện quá trình thụ phấn của loài hoa cụ
thể trong khu vực làm việc j.
+ Bước 2: để nắm bắt dữ liệu trực quan, như một bức ảnh về bông hoa, hoặc các
dữ liệu khác nếu cần thiết nếu máy ảnh cần thiết và các hệ thống thu thập dữ
liệu khác, chẳng hạn như tín hiệu khứu giác cái có thể giúp chúng ta học về
trạng thái của hoa,... tức là nó có tiết ra phấn hoa hay đầu nhụy là dễ tiếp thu
+ Bước 3: xử lý các dữ liệu thô được thu thập từ các nguồn dữ liệu và sau đó
sàng lọc, lọc và xử lý trước nguồn dữ liệu.
+ Bước 4: là thực hiện các hành động để nhận ra hoa bằng cách sử dụng dữ liệu
từ các bước trước đó, cái mà xác định loài hoa cụ thể để thụ phấn
+ Bước 5: là xác nhận và đánh giá sự công nhận bơng hoa từ các dữ liệu ở các
bước trước đó và sau đó một quyết định được liên kết dến việc liệu q trình
thụ phấn có tiếp tục hoặc chấm dứt, do đó sẽ chuyển sang bước 1’ ( là chấm
dứt)
+ Bước 6: là thực hiện quá trình tự chủ bằng cách sử dụng MAV.
+ Bước 7: là để đánh giá hiệu quả của quá trình thụ phấn, và sau đó quyết định
xem cơng việc thụ phấn có được chấp nhận hay không bởi CCS và di chuyển


các loài thụ phấn MAV đến bước tiếp theo, hoặc khơng đủ tốt và q trình thụ
phấn cần được lặp lại
+ Bước 1’: là xử lý dữ liệu thụ phấn cho khu vực hiện tại là j, phân tích kết quả
hình dùng kết quả dữ liệu, gửi kết quả đến bộ lưu trữ dữ liệu (hoặc đám mây dữ

liệu) và di chuyển các loài thụ phấn MAV đến khu vực làm việc tiếp theo j+1
D. Xác định khoảng cách của MAV đến Hoa
- Việc hứng chịu sự ảnh hưởng đến từ môi trường, chẳng hạn như bức xạ mặt trời, sự
biến động trong khơng khí và ảnh hưởng bởi điện động lực, tất cả đều được cho là
khơng có lợi trong bối cảnh mơ hình thụ phấn tự động. Ngồi các giả định được đưa ra
để suy ra phương trình chuyển động cho tất cả các loại mơ hình MPrs, kết nối ổ trục
của các bộ phận cơ học được giả định là hồn hảo và khơng gây ra tổn thất ma sát
đáng kể, tức là mơi trường khơng có ma sát. Giả định này ngụ ý rằng nguồn điện, hệ
thống điều khiển và thiết bị thông tin liên lạc, v.v. được giả định là được lắp trong
APS khi lắp đặt thực tế. Trừ khi có quy định khác, tất cả các mơ hình đều dựa trên các
điều kiện đã nêu ở trên.

Hình 3. Hệ tọa độ của MAVs và hoa

- Như trong Hình 3, một hệ thống thụ phấn tự động với MPrs có hai hệ tọa độ tổng
quát. Đầu tiên là một máy ảnh đặt tại hệ tọa độ Descartes - {X, Y, Z}, và thứ hai là hệ
tọa độ Cầu - {r, θ, ψ}. Tâm của máy ảnh được cố định tại O (𝑥0, 𝑦0, 𝑧0), được xác định
là điểm gốc của hệ {X, Y, Z}, trong đó, (x0, y0, z0) được đặt thành (0, 0, 0), tức là
máy ảnh có tọa độ O (0, 0, 0).


- Hệ thống con liên quan đến thị giác máy tính với một máy ảnh có độ phân giải cao
đặt tại O (0, 0, 0), có thể cung cấp các tọa độ thời gian thực 𝑙1 (gọi là 𝑙1), 𝑙2 (gọi là 𝑙2),
𝑖

𝑖

α, β, γ và τ là các tham số đã biết. MPr định vị tại 𝑀𝑖 (𝑥1, 𝑦1, 𝑧1) (gọi là M) và hoa
được chọn để thụ phấn được định vị tại 𝐹𝑖 (𝑥2, 𝑦2, 𝑧2) trong tọa độ Descartes, có thể
được chuyển đổi thành tọa độ hình cầu của chúng, cụ thể là 𝑀𝑖 (𝑙1 , α, γ,) và 𝐹𝑖 (𝑙2 , β,

𝑖

𝑖

τ,) (gọi là F), như đã cho trong Phương trình (1) và (2).

- Khi đó, khoảng cách động từ MPr (M) đến Hoa được chọn (F) có thể được biểu thị
trong Cơng thức (3).

E. Lập mơ hình Terrain của khu vực trồng hoa
- Như hình 3, camera được lắp đặt tại vị trí O, 𝑟0 là khoảng cách làm việc của camera,
ℎ0 là khoảng cách ngắn nhất từ vị trí O đến vùng thụ phấn j tại P, 𝑂𝑃 = ℎ0. Giả sử rằng
khu vực thụ phấn là một mặt phẳng, Hình 4 xác định khu vực thụ phấn j, là một đơn vị
diện tích hình vng ABCD mà hệ thống MAV được chỉ định để thực hiện các hoạt
động thụ phấn tự động.
- 𝑃𝐵 = 𝑟1 là bán kính của hình trịn ngoại tiếp hình vng ABCD, như trong Hình 4,
diện tích của hình trịn tâm P và hình vng ABCD được cho trong phương trình (4)
và (5), ngụ ý rằng các vùng thụ phấn phụ thuộc vào khoảng cách làm việc 𝑟0 và
khoảng cách định vị ℎ0 của camera.
● a
2

2

2

○ 𝑆𝑃 = π𝑟1 = π (𝑟0 - ℎ0 )
2

○ 𝑆𝐴𝐵𝐶𝐷 = 𝐴𝐵 = (2 .

2
2

(4)
2

2

2

2

𝑟1) = 2𝑟1 = 2 (𝑟0 - ℎ0 )

(5)


Hình 4. Hệ thống tọa độ của khu vực thụ phấn

F. THU THẬP VÀ XỬ LÍ DỮ LIỆU
Như trong hình 5, các loại dữ liệu (hình ảnh, video, dữ liệu khơng gian 3D, âm
thanh..) có thể được chụp bởi máy ảnh và các thiết bị cảm biến khác (quét laze,
sóng siêu âm – sonar -tìm khoảng cách, hướng, tốc độ của các vật thể, máy ảnh
kỹ thuật số,..). Nhìn chung, có 2 loại dữ liệu: (1) Odometry Data for MAVs và
(2) Sorrounding Data for Flowers – dữ liệu xung quanh hoa. Tất cả dữ liệu thô
từ máy ảnh hay cảm biến phải trải qua q trình xử lí dữ liệu – data handling,
bao gồm lọc dữ liệu, khử/giảm nhiễu, chuẩn hố.. Và sau đó chuyển qua bước
tiếp theo: nhận dạng hoa -flower recognition.

G. NHẬN BIẾT HOA
Nhận biết hoa là một trong những bước quan trọng của q trình thụ phấn
nhân tạo. Ví dụ, dưa hấu không hạt cần người cho phấn hoa, vì phấn hoa của nó
khơng thể tạo quả (vơ sinh). Hơn nữa, việc bổ sung các sinh vật biến đổi gen
(GMOs – Genetically modified organisms) thực vật và cây dại có thể lai với
cây trồng, cũng là một bước cơ bản cho các loài thụ phấn nhân tạo.
Bằng cách áp dụng dữ liệu thị giác máy tính từ các bước trước, bước này thực
hiện việc nhận dạng hoa từ những bức ảnh, bắt đầu với việc xác định vị trí
bơng hoa trong ảnh, tiếp theo là xác định và trích xuất các đặc điểm cụ thể của
hoa, cuối cùng là đưa ra kết quả phù hợp nhất với dữ liệu hoa đã cho. Nghiên
cứu cụ thể về thực vật, trong đó có thể u cầu thuật tốn phân đoạn nhanh –
Segmentation algorithm (dựa trên thông tin đầu vào của người dùng) và triển
khai một số tính năng/ đặc điểm trực quan (phù hợp để phân biệt hoa). Như
trong hình 6, việc nhận dạng hoa có thể được tóm tắt: phân đoạn hố
(segmentation), trích xuất đặc điểm/ tính trạng (feature extraction), đối sánh


tính trạng với dữ liệu hoa và khu vực (bản địa hoá), và cuối cùng, quyết định
thực hiện thụ phấn hay kết thúc.

III Thụ phấn bằng MAV
- MAV là 1 loại máy bay khơng người lái (UAV) có kích thước hạn chế và
điều khiển từ xa hoặc tự hành. Trong những năm gần đây, những chiếc
đã truyền cảm hứng cho MAVS, chẳng hạn như robot giống như chim
ruồi hay côn trùng đã là 1 trong các UAV đã phát triển nhanh chóng bởi
ngày càng nhiều nhà nghiên cứu có khả năng phi thường đã kiểm soát
năng lượng hiệu quả chuyến bay với kích thước nhỏ
- Như một giải pháp ngắn hạn cho các vấn đề của CCD trong khi các
nguyên nhân cơ bản được phát hiện và giải quyết, trong trang này, chúng

tơi tìm cách giới thiệu một robot MAV giống chim ruồi giải pháp cho


I.
-

-

II.
-

canh tác trong tương lai, có khả năng tự chủ thụ phấn trên một cánh
đồng hoa
Máy thụ phấn MAV
Một bầy các loài thụ phấn MAV nhân tạo (MPrs) sẽ bao gồm một số lượng lớn,
cịn được đặt tên là µMAV trong nghiên cứu này, có thể là hàng trăm đến hàng
nghìn MAV robot nhanh nhẹn, có khả năng phục vụ một cơng việc đã được xác
định trước đó diện tích cây trồng. Các khu vực làm việc sẽ được phân định
bằng một số các điểm đánh dấu biên giới thưa thớt dùng để phát các thông điệp
ngắn gọn với bầy đàn, hoạt động như các báo hiệu bản địa hóa cho các MPrs và
cũng có thể hoạt động như các trạm sạc. Một khi các nghị sĩ được được giải
phóng khỏi các trạm làm việc - 'tổ ong', họ sẽ phân tán và di chuyển qua các
loại cây trồng để tìm kiếm sự ra hoa thực vật bằng cách sử dụng các tín hiệu
hình ảnh máy tính. Phạm vi bảo hiểm tối ưu sẽ được được kiểm soát bởi CCS
bằng cách sử dụng triển khai hoạt động tối ưu một cách tự chủ. Quá trình thụ
phấn sẽ xảy ra dưới dạng máy thụ phấn µMAV nán lại những bơng hoa được
chỉ định trong khu vực làm việc hiện tại, sau đó chuyển sang khu vực làm việc
tiếp theo
Như thể hiện trong hình 7, kiến ​trúc của máy thụ phấn µMAV có thể được thực
hiện như một sơ đồ thí điểm, có thể được phân loại thành 6 phần:

● phần 1, thiết kế cấu trúc (sử dụng tạo mẫu vật lý và ảo), bao gồm: Thân
MAV, Thiết kế Cánh và tất cả các thành phần cho khung cấu trúc robot
● phần 2, điều khiển và thiết bị truyền động thông minh, bao gồm: phần
cứng và phần mềm
● phần 3, cảm biến thông minh, thu thập và giao tiếp dữ liệu.
● phần 4, pin, cung cấp điện và thu năng lượng.
● phần 5, thiết bị thụ phấn, có thể là bàn chải thụ phấn tích cực (bàn chải
p). Tương tự như NPrs, 'p-brush' của MPrs sẽ có hiệu quả cao trong việc
bắt phấn hoa bằng
● cấu trúc phân nhánh trên mỗi lông bàn chải p.
● phần 6, các thành phần phụ kiện khác, ví dụ: Trình khởi chạy MPrs
Lập kế hoạch đường dẫn thông minh
IPM (Intelligent pollination management) là hệ thống quản lý việc thụ phấn do
AI điều khiển đối với quá trình thụ phấn tự động cho các hoạt động trồng cây
hiệu quả trong nơng nghiệp, có thể tăng cường thụ phấn cho cây trồng và cải
thiện năng suất hoặc chất lượng, bằng cách hiểu rõ về nhu cầu thụ phấn của cây
trồng cụ thể và quản lý có kiến thức đối với cây phấn hoa (cây cung cấp phấn


-

-

-

-

-

hoa), các tác nhân thụ phấn và điều kiện thụ phấn. IPM cung cấp chức năng

giám sát cũng như dịch vụ thụ phấn, trong đó, mạng lưới cảm biến thơng minh
để đo dòng dữ liệu đến và đi của quá trình thụ phấn cũng như các phần trung
gian của quá trình.
Intelligent path planning (Lập kế hoạch đường đi thơng minh) là một trong
những thủ thuật quan trọng nhất trong quá trình thụ phấn tự động của các MPrs
do hệ thống IPM cung cấp. Như trong Hình 8, cùng với phân tích luồng dữ liệu
thơng minh, các sự kiện quản lý và hành động vận hành được tối ưu hóa để các
lỗi thực tế được phát hiện tối thiểu cho quá trình thụ phấn, và sau đó, hiệu quả
của MPrs, do các con số, vóc dáng và hành vi thụ phấn trên một bơng hoa cụ
thể tại một thời điểm, có thể được quản lý và hỗ trợ tập trung bởi CIAD.
Lập kế hoạch đường đi thông minh là một trong những khía cạnh thiết yếu của
quyền tự chủ MPrs, và mức độ tự chủ của MPrs phụ thuộc vào các phương
pháp tiếp cận để lập kế hoạch đường đi tối ưu và kiểm sốt MAV và kiểm sốt
MAV. Thơng thường, việc lập kế hoạch đường đi thường thấy như một bài tốn
tối ưu hóa tồn cầu, trong đó tính khả thi của các con đường ứng cử viên tùy
thuộc vào sứ mệnh, môi trường và các hạn chế về thể chất của MPrs
Tìm quỹ đạo thời gian thực giúp MPrs di chuyển trong một môi trường năng
động và tạo quỹ đạo / đường đi tối ưu từ vị trí xuất phát đến bông hoa mục tiêu,
trong khi thỏa mãn tất cả các ràng buộc là một thách thức trong cả hai lý thuyết
và thực hành. Ở giai đoạn hiện tại, khơng có giải pháp nào có thể sử dụng để
giải quyết thách thức này. Trong một vài năm gần đây, các nhà nghiên cứu đã
và đang nghiên cứu các vấn đề về lập kế hoạch đường đi và một số cách tiếp
cận đã được đề xuất, có thể về cơ bản được chia thành hai loại: (1) "mơ hình
tốn học" và (2) "mơ hình hóa theo hướng dữ liệu"
Với dung lượng dữ liệu ngày càng tăng được hỗ trợ bởi thế hệ hệ thống vật lý
mạng cho ngành công nghiệp 4.0, bao gồm cảm biến thơng minh, phương tiện
tính tốn hiệu suất cao và các thuật tốn thơng minh, v.v., phương pháp tiếp cận
'mơ hình hóa theo hướng dữ liệu' hoặc phương pháp tiếp cận kết hợp ngày càng
trở nên phổ biến
Trong nghiên cứu này, như trong Hình 8, có 7 tổ chức mô-đun cho kịch bản lập

kế hoạch đường dẫn thông minh, bao gồm:
● Mô - đun 1:
● Mô - đun 2: Liên kết dữ liệu
● Mô-đun 3: Cập nhật dữ liệu và tạo đường dẫn tối ưu
● Mô-đun 4: Thiết kế điều khiển cho MPrs thụ phấn


III.
-

● Mơ - đun 5: Mơ hình động lực học MPrs của q trình thụ phấn
● Mơ - đun 6: Quản lý thụ phấn
● Mô - đun 7: Thiết kế hỗ trợ trí tuệ tính tốn (CIAD) [3] với tư cách là
người tối ưu hóa thơng minh
Quy trình đánh giá
Trước khi thụ phấn, dữ liệu thực địa ban đầu của khu vực thụ phấn Ai đã được
cảm biến thu thập, chẳng hạn như: chất lượng, số lượng, chủng loại và vị trí
của hoa cây trồng bằng cảm biến (bao gồm: máy ảnh), và được chuyển sang hệ
thống CCS cho thụ phấn cho nhiệm vụ chuẩn bị và các hoạt động trước khi ra
mắt. Hình 9 cho thấy 6 bước chính đối với nhân tạo tự trị quá trình thụ phấn
của các MPrs được giao nhiệm vụ thụ phấn việc cho khu vực làm việc Ai.
● B1: MPr có thể đến thụ phấn khu vực A j với công việc được giao bởi hệ
thống CCS
● B2: Sử dụng dữ liệu thực tế đã thu thập trước đó và kết quả được phân
tích bởi hệ thống CCS, sau khi các MPrs đến, mỗi MPr Mi riêng lẻ (i =
1, 2, …, M) có được giao cho khối lượng cơng việc của nó, bao gồm cả
hoa cây trồng FN chờ thụ phấn, trong đó N là hoa cây trồng
● B3: MPr Mi xác định vị trí và thu thập các hạt phấn hoa từ bao phấn của
hoa Fk (k = 1, 2, …, N)
● B4: Khơng mất tính tổng qt, hãy bắt đầu với tình huống dễ hiểu nhất,

khi một MPr Mi bay tới hoa Fk + 1, nó mang hạt phấn đến một nhụy hoa.
Fk + 1, sau đó Mi di chuyển đến hoa mục tiêu tiếp theo của nó Fk + 2 và Fk +
3. Công việc thụ phấn vẫn chưa hồn thành cho đến mỗi Mi kết thúc q
trình thụ phấn của nó
● B5: đánh giá cơng việc thụ phấn của các MPrs’ sẽ được thực hiện bởi hệ
thống CCS sử dụng dữ liệu thực địa cập nhật của khu vực thụ phấn Ai.
Cụ thể, hiệu suất tiêu chí được sử dụng để đánh giá kết quả thụ phấn, và
sau đó quyết định xem các nghị sĩ có nên tiếp tục và chuyển sang bước 6
(Có), hoặc q trình thụ phấn phải lặp lại và chuyển sang bước 2
(Không)
● B6: MPr di chuyển đến khu vực thụ phấn A j + 1