Vietnam ialah pengeksport kopi kedua terbesar di dunia dan menyumbang lebih separuh daripada bekalan Robusta global. Pengeluaran kopi pada tahun tanaman 2022/23 dijangka mencecah 29.75 juta beg, di mana Robusta menyumbang lebih daripada 95%.
Dalam Tinjauan Tahunan 2021/2022 Pertubuhan Kopi Antarabangsa, Vietnam menduduki tempat pertama dalam produktiviti penanaman kopi dengan 2.4 tan/ha. Pengeluaran kopi di Vietnam terdiri daripada biji kopi Robusta, Arabica, Cherri, Moka dan Culi, yang merupakan biji kopi paling popular yang ditanam di Vietnam.
Walau bagaimanapun, harga produk pertanian secara amnya dan harga biji kopi khususnya selalunya tidak stabil dan boleh turun naik dengan kuat semasa musim menuai bumper, dengan ketara menjejaskan pendapatan petani dan menyebabkan kerosakan kepada ekonomi .
Dari kiri ke kanan: Pelajar RMIT Fakulti Sains , Kejuruteraan dan Teknologi: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (baris atas), Le Ngoc Nguyen Thuan, Doan Chanh Thong (baris bawah)
Dari kiri ke kanan: Pelajar RMIT Fakulti Sains, Kejuruteraan dan Teknologi: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (baris atas), Le Ngoc Nguyen Thuan, Doan Chanh Thong (baris bawah)
Untuk menyelidik penyelesaian kepada masalah ini, dalam tempoh empat bulan, sekumpulan pelajar tahun akhir Sarjana Muda Teknologi Maklumat, Fakulti Sains, Kejuruteraan dan Teknologi, termasuk Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam dan Lam Tin Dieu, melatih dan menilai enam model pembelajaran mesin (ML) untuk meramalkan harga ladang kopi mereka, yang boleh membantu meramalkan harga ladang kopi mereka, yang boleh membantu mereka meramalkan harga ladang kopi, sewajarnya, mengoptimumkan keuntungan dan meminimumkan kerugian.
“Kami membangunkan enam model ML, iaitu LSTM, GRU, ARIMA, SARIMA, SVM dan RF, berdasarkan sejarah harga kopi, harga petrol, suhu dan hujan, untuk meramalkan harga kopi Robusta di wilayah Lam Dong dan mendapati bahawa model RF, menggunakan keseluruhan set data, adalah yang paling berkesan,” kata Trang.
Antara 6 model pembelajaran mesin, model RF, yang menggunakan keseluruhan set data, memberikan hasil yang terbaik.
"RF boleh menggabungkan set data yang lebih kaya dan mengendalikan hubungan tak linear. Selain itu, harga bahan api ditunjukkan sebagai peramal yang penting dan mengatasi semua ciri yang diuji jika digabungkan."
Pasukan itu menegaskan bahawa model itu berpotensi untuk diperbaiki lagi dengan mengkaji dan menggabungkan kesan hasil tanaman, trend pasaran dan peristiwa geopolitik ke atas harga pertanian.
Setiap ahli pasukan menghadapi cabaran yang berbeza semasa projek, seperti kekurangan pemahaman yang mendalam tentang model ML yang berbeza, secara berkesan menyampaikan kerumitan perkara yang mereka lakukan kepada domain AI, atau mengurus masa dan komunikasi apabila bekerja dari jauh. Walau bagaimanapun, dengan melaburkan masa yang banyak dalam penyelidikan, menyelidiki kertas penyelidikan berkaitan AI dan ML, dan meningkatkan kemahiran teknikal dan kerjasama mereka, mereka meningkatkan kemahiran penyelidikan AI mereka untuk masalah dunia sebenar dan dapat membangunkan penyelidikan pasukan mereka ke dalam produk dunia sebenar.
"Cabaran utama bagi kami berkisar pada pengumpulan dan penyepaduan data," kongsi Thuan.
"Walaupun pembangunan model agak mudah, pelaburan masa yang besar yang diperlukan dalam pengumpulan dan penyepaduan data menimbulkan cabaran besar bagi kami. Setiap ahli pasukan melalui satu siri pembelajaran dan kemajuan dalam kedua-dua kemahiran teknikal dan penyelarasan projek mereka, daripada penyelidikan mendalam, kepada mendorong inovasi dan menghasilkan penyelesaian baharu."
Pada masa kajian, Nam berpangkalan di Hanoi dan mempunyai pekerjaan sepenuh masa. Untuk mengelakkan kelewatan dan potensi gangguan, Nam berkata pasukan itu mengadakan mesyuarat mingguan dan mengekalkan komunikasi tetap, kedua-duanya untuk memotivasikan satu sama lain untuk terus berada di landasan yang betul dan menyelesaikan beban kerja yang diberikan.
Projek batu penjuru pasukan itu diawasi rapi oleh ahli fakulti dari Pusat Pengajian Sains, Kejuruteraan dan Teknologi, RMIT Vietnam. Keputusan projek baru-baru ini dibentangkan di acara antarabangsa yang berprestij - Persidangan Antarabangsa IEEE/ACIS ke-8 mengenai Data Besar, Pengkomputeran Awan dan Kejuruteraan Sains Data (BCD 2023) - bersama penyelidik, saintis, jurutera dan pakar dalam bidang Data Besar, Pengkomputeran Awan dan Sains Data.
Pelajar Nguyen Phuong Nam menunjukkan cara laman web simulasi harga kopi berfungsi
Pasukan merancang untuk memperhalusi model berdasarkan maklum balas daripada pembentangan persidangan, dan juga meneroka pendekatan lain untuk meningkatkan ketepatan dan kebolehgunaan ramalan mereka.
"Kami merancang untuk menyelidiki lebih lanjut mengenai teknik canggih dan kaedah baru dalam bidang ini untuk mengukuhkan lagi hasil penyelidikan yang dicapai oleh pasukan itu," kata Thong.
"Selain itu, kami merancang untuk bekerjasama dengan pakar lain dalam bidang itu dan meneroka potensi perkongsian untuk mengembangkan skop dan kesan penemuan penyelidikan kumpulan."
Pasukan itu merancang untuk terus mengulangi dan menaik taraf penyelidikan supaya ia boleh membuat sumbangan praktikal kepada bidang Data Besar dan AI yang sentiasa berkembang daripada penyelidikan khusus anda.
Pautan sumber
Komen (0)