Bài báo này đề xuất và trình bày một phương pháp tiếp cận mới nhằm tối ưu hóa năng suất và chất lượng cây rau má trong môi trường thủy canh thông qua việc ứng dụng mạnh mẽ các kỹ thuật Machine Learning (ML) và Deep Learning (DL). Hệ thống được xây dựng bao gồm các cảm biến IoT để thu thập dữ liệu thời gian thực về các thông số môi trường quan trọng như pH dung dịch dinh dưỡng, nồng độ EC, nhiệt độ, cường độ ánh sáng và độ ẩm không khí. Dữ liệu này sau đó được truyền tải lên nền tảng đám mây để trí tuệ nhân tạo (AI) xử lý và phân tích thông qua các mô hình ML và DL. Mục tiêu chính là phát triển các mô hình dự đoán chính xác, hỗ trợ ra quyết định tự động và cảnh báo sớm, từ đó nâng cao hiệu quả canh tác và giảm thiểu rủi ro.

Tuabin gió là một thành phần quan trọng trong việc tận dụng năng lượng gió để sản xuất điện sạch, giúp giảm thiểu ô nhiễm môi trường. Nghiên cứu này chú trọng vào việc tích hợp Định luật Coriolis, mô tả ảnh hưởng của quay của Trái Đất, vào thuật toán điều khiển. Thêm vào đó, dữ liệu vận tốc gió thực tế từ cảm biến vận tốc gió, cảm biến hướng gió và từ nguồn OpenWeatherMap được sử dụng để có một biểu diễn chính xác hơn về điều kiện môi trường…

Particle Swarm Optimization (PSO) là một thuật toán tối ưu hóa lấy cảm hứng từ hành vi của đàn chim trong việc tìm kiếm thức ăn. PSO giúp tối ưu hóa thông qua việc điều chỉnh vị trí và vận tốc của các cá thể (particles) trong không gian tìm kiếm. Trong bài toán tối ưu hóa điều khiển robot bằng sóng hồng ngoại, PSO có thể đóng vai trò quan trọng trong việc tìm ra các thông số tối ưu, như tốc độ di chuyển, tốc độ quay và độ nhạy cảm biến, để robot có thể phát hiện và tránh vật cản một cách hiệu quả.