
Evenemanget lockade representanter från förvaltningsmyndigheter, forskningsinstitut, föreningar och företag för att diskutera tekniska tillämpningslösningar för att undanröja långvariga flaskhalsar inom jordbrukssektorn .
Vietnam, särskilt inom frukt- och grönsaksindustrin, har potential att exportera miljarder dollar, men produktionen är fortfarande huvudsakligen småskalig, beroende av erfarenhet och använder till och med överdriven kemikalieanvändning, vilket gör kvalitetskontroll och spårbarhet svår. Implementeringen av artificiell intelligens (AI) och digital transformation (DX) anses vara en oundviklig riktning för att öka värde och konkurrenskraft, även om det fortfarande finns stora hinder när det gäller kostnader och mänskliga resurser.
Därför gav experterna på workshopen en heltäckande bild av branschens nuvarande situation och introducerade AI-plattformar och billiga applikationsmodeller som kan implementeras direkt i jordbrukshushållen.
Herr Nguyen Van Muoi, biträdande generalsekreterare för Vietnams frukt- och grönsaksförening (Vinafruit), sa att frukt- och grönsaksindustrin växer väl. År 2024 nådde exportomsättningen 7,15 miljarder USD; det förväntas att den kan nå 8 miljarder USD år 2025. Vietnam är för närvarande bland de ledande länderna inom export av drakfrukt, litchi och durian.

Herr Muoi pekade dock på stora flaskhalsar, vilka är fragmenterad produktion och brist på kedjekoppling, vilket leder till långsam och osynkroniserad tillämpning av nya tekniker och digital transformation. Överanvändning av kemikalier, begränsad mekanisering och låg andel GAP-standardområden och växande riktnummer fortsätter att vara hinder. Samtidigt fokuserar marknadstrenderna alltmer på transparens i produktionsprocesser och efterfrågan på miljövänliga produkter, vilket kräver tillämpning av högteknologier som AI, IoT och blockkedja.
Dr. Tran Thi Tuyet Van, föreläsare vid fakulteten för informationsteknologi, An Giang- universitetet, presenterade också en översikt över AI:s roll i det moderna jordbruket. Enligt Dr. Van tillåter AI maskiner att simulera mänskligt tänkande, baserat på tekniker som maskininlärning och datorseende. I kombination med IoT hjälper AI till att koppla samman sensorer, smarta enheter, drönare för grödövervakning eller skörderobotar.
Således kan bildanalysalgoritmer identifiera växtsjukdomar snabbt och exakt, vilket stöder jordbrukare i att fatta datadrivna beslut, från väderprognoser till vatten- och näringshantering. Dr. Van medgav dock också att de största hindren fortfarande ligger i investeringskostnader och brist på högkvalitativa mänskliga resurser.

Baserat på de faktiska kostnaderna och egenskaperna hos vietnamesiska jordbrukare introducerade Chang SeHun, VD för SNE Company, en genomförbar metod, nämligen att konvertera befintlig data (DX) innan man går vidare till att tillämpa AI på en djupare nivå (AX).
Chang SeHun sa att många jordbrukare har svårigheter eftersom kostnaden för att bygga en "smart gård"-modell kan vara upp till 3 miljarder VND. Endast cirka 4 % av jordbrukarna har uppnått VietGAP-certifiering, medan de flesta jordbruksdagböcker fortfarande är handskrivna. SNE föreslår en billig AI SaaS-plattform som kan fungera i en utomhusodlingsmodell utan att behöva investera i dyra IoT-system.

Den första lösningen är att använda AI-OCR för att digitalisera alla handskrivna loggar – kärnsteget i digital datatransformation. När informationen matas in i datasjön analyserar och prognostiserar AI-systemet noggrant. Enligt Chang kan SNE:s plattform prognostisera jordbrukspriser med över 92 % noggrannhet, prognostisera avkastning via satellitdata och till och med utvärdera grödornas tillväxt med hjälp av smartphonebilder.
För närvarande testar SNE dessa lösningar i Lam Dong (durian), Bac Giang (melon), Dong Nai (ananas) och samarbetar med IAS och WinMart.

Workshopen noterade en hög grad av enighet om det akuta behovet av att integrera AI och digital transformation i det vietnamesiska jordbruket. Istället för dyra "smarta jordbruksmodeller" är en mer praktisk metod att fokusera på digitalisering av jordbruksdata (handskrivna dagböcker, grödinformation) och använda AI för att analysera stordata för prognoser och optimering.
Denna metod förväntas bidra till att förbättra spårbarheten, öka produktionseffektiviteten för småbrukare och gå mot precisionsjordbruk och hållbart jordbruk.
Källa: 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






Kommentar (0)