
Η εκδήλωση προσέλκυσε εκπροσώπους από φορείς διαχείρισης, ερευνητικά ιδρύματα, ενώσεις και επιχειρήσεις για να συζητήσουν λύσεις τεχνολογικών εφαρμογών για την άρση μακροχρόνιων σημείων συμφόρησης στον γεωργικό τομέα.
Το Βιετνάμ, ιδίως στον κλάδο των φρούτων και λαχανικών, έχει τη δυνατότητα να εξάγει δισεκατομμύρια δολάρια, αλλά η παραγωγή εξακολουθεί να είναι κυρίως μικρής κλίμακας, εξαρτάται από την εμπειρία και μάλιστα χρησιμοποιεί υπερβολικά χημικά, γεγονός που δυσχεραίνει τον ποιοτικό έλεγχο και την ιχνηλασιμότητα. Η ανάπτυξη της τεχνητής νοημοσύνης (AI) και του ψηφιακού μετασχηματισμού (DX) θεωρείται αναπόφευκτη κατεύθυνση για την αύξηση της αξίας και της ανταγωνιστικότητας, αν και εξακολουθούν να υπάρχουν σημαντικά εμπόδια όσον αφορά το κόστος και τους ανθρώπινους πόρους.
Συνεπώς, στο εργαστήριο, οι ειδικοί παρείχαν μια ολοκληρωμένη εικόνα της τρέχουσας κατάστασης του κλάδου, παρουσιάζοντας πλατφόρμες Τεχνητής Νοημοσύνης και μοντέλα εφαρμογών χαμηλού κόστους που μπορούν να αναπτυχθούν απευθείας σε αγροτικά νοικοκυριά.
Ο κ. Nguyen Van Muoi, Αναπληρωτής Γενικός Γραμματέας του Συνδέσμου Φρούτων και Λαχανικών του Βιετνάμ (Vinafruit), δήλωσε ότι η βιομηχανία φρούτων και λαχανικών αναπτύσσεται με ταχείς ρυθμούς. Το 2024, ο κύκλος εργασιών των εξαγωγών έφτασε τα 7,15 δισεκατομμύρια δολάρια ΗΠΑ. Προβλέπεται ότι θα μπορούσε να φτάσει τα 8 δισεκατομμύρια δολάρια ΗΠΑ το 2025. Το Βιετνάμ συγκαταλέγεται σήμερα στις κορυφαίες χώρες στις εξαγωγές φρούτων του δράκου, λίτσι και ντούριαν.

Ωστόσο, ο κ. Muoi επεσήμανε σημαντικά σημεία συμφόρησης, τα οποία είναι η κατακερματισμένη παραγωγή και η έλλειψη αλυσιδωτής σύνδεσης, που οδηγούν σε αργή και ασύγχρονη εφαρμογή νέων τεχνικών και ψηφιακού μετασχηματισμού. Η υπερβολική χρήση χημικών ουσιών, η περιορισμένη μηχανοποίηση και το χαμηλό ποσοστό περιοχής GAP και οι αυξανόμενοι κωδικοί περιοχής εξακολουθούν να αποτελούν εμπόδια. Εν τω μεταξύ, οι τάσεις της αγοράς επικεντρώνονται όλο και περισσότερο στη διαφάνεια των διαδικασιών παραγωγής και στη ζήτηση για φιλικά προς το περιβάλλον προϊόντα, απαιτώντας την εφαρμογή υψηλών τεχνολογιών όπως η Τεχνητή Νοημοσύνη, το Διαδίκτυο των Πραγμάτων και το blockchain.
Ο Δρ. Tran Thi Tuyet Van, Λέκτορας της Σχολής Πληροφορικής του Πανεπιστημίου An Giang , παρουσίασε επίσης μια επισκόπηση του ρόλου της Τεχνητής Νοημοσύνης στη σύγχρονη γεωργία. Σύμφωνα με τον Δρ. Van, η Τεχνητή Νοημοσύνη επιτρέπει στις μηχανές να προσομοιώνουν την ανθρώπινη σκέψη, βασισμένη σε τεχνολογίες όπως η Μηχανική Μάθηση και η Υπολογιστική Όραση. Σε συνδυασμό με το Διαδίκτυο των Πραγμάτων, η Τεχνητή Νοημοσύνη βοηθά στη σύνδεση αισθητήρων, έξυπνων συσκευών, drones παρακολούθησης καλλιεργειών ή ρομπότ συγκομιδής.
Έτσι, οι αλγόριθμοι ανάλυσης εικόνας μπορούν να εντοπίσουν γρήγορα και με ακρίβεια τις ασθένειες των φυτών, υποστηρίζοντας τους αγρότες στη λήψη αποφάσεων που βασίζονται σε δεδομένα, από την πρόγνωση καιρού έως τη διαχείριση του νερού και των θρεπτικών συστατικών. Ωστόσο, ο Δρ. Van παραδέχτηκε επίσης ότι τα κύρια εμπόδια εξακολουθούν να έγκεινται στο κόστος επένδυσης και στην έλλειψη ανθρώπινου δυναμικού υψηλής ποιότητας.

Με βάση το πραγματικό κόστος και τα χαρακτηριστικά των Βιετναμέζικων αγροτών, ο κ. Chang SeHun, Διευθύνων Σύμβουλος της εταιρείας SNE, παρουσίασε μια εφικτή προσέγγιση, η οποία συνίσταται στη μετατροπή των υπαρχόντων δεδομένων (DX) πριν από τη μετάβαση στην εφαρμογή της Τεχνητής Νοημοσύνης σε βαθύτερο επίπεδο (AX).
Ο κ. Chang SeHun δήλωσε ότι πολλοί αγρότες αντιμετωπίζουν δυσκολίες επειδή το κόστος κατασκευής ενός μοντέλου «έξυπνης φάρμας» μπορεί να φτάσει τα 3 δισεκατομμύρια VND. Μόνο περίπου το 4% των αγροτών έχουν επιτύχει την πιστοποίηση VietGAP, ενώ τα περισσότερα γεωργικά ημερολόγια εξακολουθούν να είναι χειρόγραφα. Το SNE προτείνει μια οικονομική πλατφόρμα SaaS με τεχνητή νοημοσύνη που μπορεί να λειτουργήσει σε ένα μοντέλο υπαίθριας γεωργίας χωρίς να χρειάζεται να επενδύσει σε ακριβά συστήματα IoT.

Η πρώτη λύση είναι η χρήση του AI-OCR για την ψηφιοποίηση όλων των χειρόγραφων αρχείων καταγραφής - το βασικό βήμα του ψηφιακού μετασχηματισμού δεδομένων. Μόλις τα δεδομένα τροφοδοτηθούν στη Λίμνη Δεδομένων, το σύστημα AI αναλύει και κάνει ακριβείς προβλέψεις. Σύμφωνα με τον κ. Chang, η πλατφόρμα του SNE μπορεί να προβλέψει τις γεωργικές τιμές με ακρίβεια άνω του 92%, να προβλέψει τις αποδόσεις μέσω δορυφορικών δεδομένων, ακόμη και να αξιολογήσει την ανάπτυξη των καλλιεργειών χρησιμοποιώντας εικόνες smartphone.
Αυτή τη στιγμή, η SNE δοκιμάζει αυτές τις λύσεις στις ποικιλίες Lam Dong (ντούριαν), Bac Giang (πεπόνι) και Dong Nai (ανανάς) και συνεργάζεται με την IAS και την WinMart.

Το εργαστήριο κατέγραψε υψηλό επίπεδο συναίνεσης σχετικά με την επείγουσα ανάγκη εισαγωγής της Τεχνητής Νοημοσύνης και του ψηφιακού μετασχηματισμού στη βιετναμέζικη γεωργία. Ωστόσο, αντί για ακριβά μοντέλα «έξυπνων αγροκτημάτων», μια πιο πρακτική προσέγγιση είναι η εστίαση στην ψηφιοποίηση γεωργικών δεδομένων (χειρόγραφα ημερολόγια, πληροφορίες καλλιεργειών), χρησιμοποιώντας την Τεχνητή Νοημοσύνη για την ανάλυση μεγάλων δεδομένων για πρόβλεψη και βελτιστοποίηση.
Αυτή η προσέγγιση αναμένεται να συμβάλει στη βελτίωση της ιχνηλασιμότητας, στην αύξηση της αποδοτικότητας της παραγωγής για τους μικροκαλλιεργητές και στη μετάβαση προς την ακριβή και βιώσιμη γεωργία.
Πηγή: https://baotintuc.vn/khoa-hoc-cong-nghe/ung-dung-tri-tue-nhan-tao-nang-cao-gia-tri-nong-san-viet-trong-ky-nguyen-so-20251114171452732.htm






Σχόλιο (0)