PHÁT TRIỂN ỨNG DỤNG DI ĐỘNG QUẢN LÝ NHẬT KÍ RUỘNG LÚA CÓ HỖ TRỢ DỰ BÁO NĂNG SUẤT

Abstract

Trong thời đại Công nghệ 4.0, sự quan tâm đến việc tích hợp công nghệ thông tin vào lĩnh vực nông nghiệp ngày càng gia tăng, được thúc đẩy bởi nghiên cứu và phát triển nhằm tối ưu hóa năng suất cây trồng và theo dõi quá trình phát triển của chúng. Lúa, là loại cây lương thực quan trọng nhất của đất nước, chiếm diện tích gieo trồng lớn. Do đó, quản lý mùa vụ trở nên không thể thiếu để ghi lại quá trình canh tác lúa trong mỗi mùa vụ. Đồng thời, việc dự đoán năng suất lúa mang lại nhiều ưu ích cho người trồng lúa và cả cho quy hoạch kinh tế quốc gia. Ứng dụng di động ghi lại nhật kí mùa vụ lúa đã tích hợp chức năng dự đoán năng suất để đáp ứng những yêu cầu này. Ứng dụng sử dung Flutter và Dart cho phần giao diện, Node.js để xử lý logic phía sau, và lưu trữ dữ liệu trên máy chủ MongoDB. Thêm vào đó, dữ liệu thời tiết tại các mẫu ruộng được lấy từ API của WeatherAPI. Mô hình dự đoán năng suất lúa được xây dựng trên thư viện Scikit-learn (Sklearn) và OpenCV của Python. Hệ thống cung cấp môi trường làm việc cho ba nhóm người dùng: quản trị viên, nhân viên và chuyên gia. Quản trị viên có thể thực hiện các hoạt động quản trị người dùng như tạo và cập nhật thông tin người dùng, xóa người dùng, và vô hiệu hóa tài khoản người dùng. Nhân viên nghiên cứu là những người làm việc trực tiếp tại các mẫu ruộng, theo dõi các hoạt động như bón phân, phun thuốc, và theo dõi tình hình bệnh tật. Chuyên gia có thêm quyền để thực hiện dự đoán năng suất lúa, thống kê mùa vụ và quản lý thông tin canh tác lúa như phân bón, thuốc trị bệnh, loại giống lúa, và các hoạt động khác trên mùa vụ. Ứng dụng nhật kí mùa vụ với tích hợp dự đoán năng suất đã hoàn thành các chức năng cơ bản, sử dụng nội dung và tài liệu tham khảo từ các nguồn đáng tin cậy. Hệ thống hỗ trợ người dùng quản lý mùa vụ lúa và dự báo năng suất lúa, giúp họ đưa ra quyết định thông minh về việc sử dụng phân thuốc phù hợp. Trong tương lai, khi có được một lượng lớn dữ liệu từ mùa vụ lúa, hệ thống có thể nâng cấp mô hình dự đoán với nhiều dữ liệu hơn, từ đó tăng cường độ chính xác của các dự đoán.