Đồ Án Tốt Nghiệp: Nhận Dạng Sâu Bệnh Trên Lá Cây Sầu Riêng Sử Dụng Machine Learning

Tài liệu nghiên cứu Nhận dạng sâu bệnh trên lá cây sầu riêng, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về ., phục vụ nghiên cứu và ứng dụng thực tiễn

• Tác giả: Nguyễn Thọ Khang
• Người hướng dẫn: TS. Nguyễn Văn Thái
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Công Nghệ Kỹ Thuật Điều Khiển Và Tự Động Hóa
• Đề tài: Nhận Dạng Sâu Bệnh Trên Lá Cây Sầu Riêng Bằng Machine Learning
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• 1. CHƯƠNG 1: Lý do chọn đề tài
• 1.1. Mục tiêu đề tài
• 1.2. Nội dung nghiên cứu
• 1.3. Cách tiếp cận và phương pháp nghiên cứu
• 1.3.1. Cách tiếp cận
• 1.3.2. Phương pháp nghiên cứu
• 1.4. Bố cục đề tài
• 1.5. Giới hạn đề tài
• 2. CHƯƠNG 2: Đặc điểm sinh học của cây sầu riêng
• 2.1. Một số bệnh thường gặp ở cây sầu riêng
• 2.1.1. Bệnh vàng lá
• 2.1.2. Bệnh cháy lá
• 2.1.3. Bệnh đốm
• 2.1.4. Bệnh nấm rong biển
• 2.2. Bộ điều khiển
• 2.3. Giới thiệu về drone
• 2.3.1. Drone là gì
• 2.3.2. Cấu tạo cơ bản của drone
• 2.3.3. Ứng dụng của drone
• 3. CHƯƠNG 3: Xây dựng mô hình thuật toán nhận diện hình ảnh
• 4. CHƯƠNG 4: Kết quả và đánh giá mô hình
• 5. CHƯƠNG 5: Kết luận và hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nhận Dạng Bệnh Sầu Riêng Bằng Machine Learning

Trong bối cảnh nông nghiệp hiện đại, việc áp dụng Machine Learning (ML) đang trở nên ngày càng quan trọng. Nhận diện bệnh cây trồng sớm giúp giảm thiểu thiệt hại và nâng cao năng suất. Sầu riêng là một loại cây trồng có giá trị kinh tế cao, nhưng cũng dễ bị tấn công bởi nhiều loại sâu bệnh hại sầu riêng. Phương pháp truyền thống thường dựa vào kinh nghiệm của người nông dân, nhưng điều này có thể chậm trễ và không chính xác. Theo nghiên cứu, việc sử dụng ML có thể cải thiện đáng kể độ chính xác và tốc độ nhận diện bệnh trên lá sầu riêng. Đề tài này tập trung vào việc xây dựng một hệ thống nhận dạng sâu bệnh trên lá cây sầu riêng bằng cách sử dụng các thuật toán ML tiên tiến. Việc này không chỉ giúp người nông dân phát hiện bệnh sớm mà còn góp phần vào việc quản lý và phòng ngừa bệnh hiệu quả hơn. Ứng dụng AI trong nông nghiệp đang mở ra một tương lai đầy hứa hẹn cho ngành trồng trọt.

1.1. Tầm quan trọng của Machine Learning trong nông nghiệp thông minh

Machine Learning trong nông nghiệp giúp tự động hóa quá trình nhận diện bệnh cây trồng, giảm thiểu sự phụ thuộc vào nhân công và tăng độ chính xác. Điều này đặc biệt quan trọng trong bối cảnh thiếu hụt lao động và biến đổi khí hậu. Ứng dụng machine learning trong nông nghiệp còn giúp tối ưu hóa việc sử dụng phân bón và thuốc trừ sâu, góp phần bảo vệ môi trường và sức khỏe con người.

1.2. Tổng quan về các bệnh thường gặp trên lá sầu riêng

Bệnh sầu riêng rất đa dạng, bao gồm bệnh thối rễ vàng lá, bệnh cháy lá, bệnh đốm rong, và nhiều loại khác. Mỗi loại bệnh có những triệu chứng bệnh sầu riêng khác nhau trên lá sầu riêng. Việc phân loại bệnh cây chính xác là bước đầu tiên để có thể đưa ra các biện pháp phòng trừ sâu bệnh sầu riêng hiệu quả. Nhận diện sớm các dấu hiệu bệnh sầu riêng giúp ngăn chặn sự lây lan và giảm thiểu thiệt hại.

II. Thách Thức Trong Nhận Diện Bệnh Sầu Riêng Thủ Công và Giải Pháp

Việc nhận diện bệnh sầu riêng bằng phương pháp thủ công đối mặt với nhiều thách thức. Kinh nghiệm của người nông dân đóng vai trò quan trọng, nhưng sự chủ quan và khả năng quan sát hạn chế có thể dẫn đến sai sót. Hơn nữa, các triệu chứng của bệnh có thể rất giống nhau ở giai đoạn đầu, gây khó khăn cho việc phân biệt. Việc sử dụng AI trong nông nghiệp và các công nghệ như computer vision cho nông nghiệp đã mở ra một hướng đi mới. Hệ thống phần mềm nhận diện bệnh cây có khả năng xử lý và phân tích lượng lớn dữ liệu hình ảnh, từ đó phát hiện các dấu hiệu bệnh một cách nhanh chóng và chính xác hơn. Điều này giúp giảm thiểu rủi ro và đưa ra các quyết định quản lý cây trồng kịp thời.

2.1. Hạn chế của phương pháp nhận diện bệnh truyền thống

Phương pháp nhận diện bệnh cây trồng truyền thống phụ thuộc nhiều vào kinh nghiệm cá nhân, tốn thời gian và công sức. Độ chính xác không cao do triệu chứng bệnh sầu riêng dễ nhầm lẫn và thay đổi theo giai đoạn. Khó khăn trong việc phát hiện bệnh ở diện rộng và đưa ra biện pháp xử lý kịp thời. Chi phí thuê nhân công cao và không ổn định.

2.2. Ưu điểm của ứng dụng Computer Vision và AI trong chẩn đoán bệnh

Computer vision cho nông nghiệp cung cấp khả năng phân tích hình ảnh lá cây một cách khách quan và chính xác. Các thuật toán deep learning nhận diện bệnh cây có thể học từ hàng ngàn hình ảnh bệnh, giúp hệ thống trở nên thông minh và hiệu quả hơn. Giảm thiểu chi phí, tăng năng suất và chất lượng cây trồng.

2.3. Giải pháp nông nghiệp thông minh với máy bay không người lái Drone

Sử dụng drone trang bị camera độ phân giải cao để thu thập hình ảnh lá sầu riêng trên diện rộng. Tích hợp phần mềm nhận diện bệnh cây trên drone để phân tích hình ảnh và phát hiện bệnh tự động. Tạo bản đồ dịch bệnh giúp khoanh vùng và có biện pháp xử lý kịp thời. Tiết kiệm thời gian, công sức và giảm thiểu rủi ro cho người nông dân.

III. Phương Pháp Xây Dựng Mô Hình Machine Learning Nhận Diện Bệnh Sầu Riêng

Quá trình xây dựng mô hình machine learning nhận diện bệnh bao gồm nhiều bước quan trọng. Đầu tiên, cần thu thập và chuẩn bị dữ liệu hình ảnh lá sầu riêng bị bệnh và không bệnh. Dữ liệu này sau đó được gán nhãn và chia thành các tập huấn luyện và kiểm tra. Bước tiếp theo là lựa chọn một kiến trúc mạng phù hợp, ví dụ như Convolutional Neural Network (CNN). YOLOv7 là một lựa chọn tối ưu cho việc phát hiện đối tượng nhanh chóng và chính xác. Huấn luyện hệ thống trên tập dữ liệu huấn luyện giúp mô hình học cách nhận diện các đặc trưng của bệnh. Cuối cùng, đánh giá hiệu suất của mô hình trên tập kiểm tra và tinh chỉnh các tham số để đạt được độ chính xác cao nhất.

3.1. Thu thập và xử lý dữ liệu hình ảnh lá sầu riêng

Thu thập hình ảnh từ nhiều nguồn khác nhau: ảnh chụp trực tiếp trên đồng ruộng, ảnh từ drone, ảnh từ các nghiên cứu trước. Sử dụng các kỹ thuật xử lý ảnh bệnh lá cây để tăng cường chất lượng hình ảnh và giảm nhiễu. Gán nhãn cho từng hình ảnh: xác định vị trí và loại bệnh (nếu có). Chia dữ liệu thành tập huấn luyện, tập kiểm tra và tập đánh giá.

3.2. Lựa chọn và huấn luyện mô hình YOLOv7 cho bài toán

YOLOv7 là mô hình object detection tiên tiến, cho phép phát hiện và phân loại đối tượng trong ảnh với tốc độ cao và độ chính xác cao. Điều chỉnh kiến trúc mô hình machine learning nhận diện bệnh YOLOv7 để phù hợp với bài toán nhận diện bệnh sầu riêng. Sử dụng các kỹ thuật tăng cường dữ liệu (data augmentation) để tăng độ đa dạng của dữ liệu huấn luyện và cải thiện khả năng khái quát hóa của mô hình.

3.3. Đánh giá và tinh chỉnh mô hình để đạt độ chính xác cao

Sử dụng các chỉ số đánh giá hiệu suất như Precision, Recall, F1-score, mAP để đánh giá khả năng của mô hình. Tinh chỉnh các tham số của mô hình (hyperparameter tuning) để tối ưu hóa hiệu suất. Sử dụng các kỹ thuật như cross-validation để đảm bảo tính ổn định của mô hình.

IV. Ứng Dụng Thực Tế và Kết Quả Nghiên Cứu Mô Hình Nhận Diện

Mô hình sau khi được huấn luyện có thể được triển khai trong thực tế để hỗ trợ người nông dân phòng trừ sâu bệnh sầu riêng hiệu quả. Hệ thống có thể tích hợp với điện thoại thông minh, cho phép người dùng chụp ảnh lá sầu riêng và nhận kết quả chẩn đoán ngay lập tức. Hoặc có thể tích hợp lên drone để tự động quét và phát hiện bệnh trên diện rộng. Kết quả nghiên cứu cho thấy mô hình đạt độ chính xác cao trong việc phân loại bệnh cây, giúp giảm thiểu thiệt hại và tăng năng suất. Ứng dụng này góp phần vào việc xây dựng một nền nông nghiệp thông minh và bền vững.

4.1. Tích hợp mô hình vào ứng dụng di động cho người nông dân

Phát triển ứng dụng di động đơn giản, dễ sử dụng để người nông dân có thể tải ảnh lá sầu riêng lên và nhận kết quả chẩn đoán bệnh. Cung cấp thông tin chi tiết về các loại bệnh, triệu chứng bệnh sầu riêng, và các biện pháp phòng trừ sâu bệnh sầu riêng hiệu quả. Cho phép người dùng lưu trữ lịch sử chẩn đoán và theo dõi tình trạng bệnh của cây.

4.2. Triển khai mô hình trên drone để giám sát bệnh trên diện rộng

Tích hợp phần mềm nhận diện bệnh cây lên drone để tự động quét và phát hiện bệnh trên diện rộng. Tạo bản đồ dịch bệnh giúp khoanh vùng và có biện pháp xử lý kịp thời. Giúp người nông dân quản lý vườn cây hiệu quả hơn và giảm thiểu chi phí.

4.3. Đánh giá hiệu quả của mô hình trong điều kiện thực tế

Thực hiện thử nghiệm trên các vườn sầu riêng khác nhau để đánh giá hiệu quả của mô hình trong điều kiện thực tế. So sánh kết quả chẩn đoán của mô hình với kết quả chẩn đoán của các chuyên gia. Thu thập phản hồi từ người nông dân để cải thiện mô hình và ứng dụng.

V. Kết Luận và Hướng Phát Triển Ứng Dụng Machine Learning

Nghiên cứu này đã chứng minh tiềm năng của Machine Learning trong việc nhận diện bệnh sầu riêng. Việc sử dụng YOLOv7 và các kỹ thuật xử lý ảnh tiên tiến đã giúp xây dựng một mô hình có độ chính xác cao và khả năng ứng dụng thực tế. Trong tương lai, có thể mở rộng nghiên cứu bằng cách thu thập thêm dữ liệu, thử nghiệm các kiến trúc mạng khác, và tích hợp thêm các yếu tố như thông tin về thời tiết, đất đai để tăng độ chính xác. Hướng phát triển của ứng dụng AI trong nông nghiệp là rất lớn, hứa hẹn mang lại nhiều lợi ích cho người nông dân và ngành trồng trọt.

5.1. Tóm tắt kết quả đạt được và những hạn chế còn tồn tại

Đã xây dựng được mô hình machine learning nhận diện bệnh trên lá sầu riêng với độ chính xác cao. Ứng dụng thành công YOLOv7 trong bài toán phân loại bệnh cây. Hạn chế: dữ liệu còn hạn chế, cần thu thập thêm dữ liệu từ nhiều nguồn khác nhau. Mô hình chưa được thử nghiệm trên nhiều loại bệnh khác nhau.

5.2. Đề xuất các hướng nghiên cứu và phát triển tiếp theo

Nghiên cứu thêm các kỹ thuật deep learning nhận diện bệnh cây mới để tăng độ chính xác của mô hình. Tích hợp thêm thông tin về thời tiết, đất đai để cải thiện khả năng dự đoán bệnh. Phát triển ứng dụng di động thân thiện với người dùng và dễ dàng triển khai trong thực tế. Ứng dụng mô hình machine learning nhận diện bệnh cho các loại cây trồng khác.

Trích đoạn nội dung tài liệu

đặt vấn đề dẫn đến lý do chọn đề tài, mục tiêu nghiên cứu, nội dung nghiên cứu, phương pháp nghiên cứu, các giới hạn đề tài và bố cục đề tài. - Chương 2: Cơ sở lý thuyết Chương này giới thiệu các cơ sở lý thuyết nền, thông tin liên quan đến đề tài. Trong đó: ➢ Trình bày về các đặc tính sinh học và một số bệnh thường gặp của cây sầu riêng. ➢ Trình bày về Machine Learning và các ứng dụng của nó trong Xử lý ảnh.

➢ Phần mềm trình bày các kiến thức về thư viện sử dụng trong ngôn ngữ Python, tìm hiểu về google colab, tìm hiểu về kiến trúc YOLO. - Chương 3: Xây dựng mô hình thuật toán nhận diện hình ảnh. Chương này trình bày mô hình biểu diễn và phân tích hình ảnh, sử dụng thư viện YOLO và Google Colab để tiến hành huấn luyện hệ thống. - Chương 4: Kết quả và đánh giá mô hình Chương này trình bày kết quả mô hình sau khi huấn luyện, phân loại các loại sâu bệnh của cây và các chỉ số đánh giá của mô hình.

- Chương 5: Kết luận và hướng phát triển Trang |2 Chương này trình bày tóm tắt đã làm được những gì và chưa làm được những gì của mô hình so với dự kiến ban đầu. Hướng phát triển trong thời gian tới. Giới hạn đề tài Đề tài chỉ tập trung phát triển phần mềm nhận diện sâu bệnh trên lá cây sầu riêng, không phát triển phần cứng như drone, thuật toán điều khiển drone,. Trang |3 CHƯƠNG 2.

Đặc điểm sinh học của cây sầu riêng Cây sầu riêng là một loại cây thân gỗ có thân gỗ cao và cứng cáp. Giống cây này có khả năng đạt chiều cao từ 15 đến 25 mét, với tán lá khá thưa như hình 2. Bản chất cứng của thân cây cũng là một đặc điểm đáng chú ý của loài này. Vỏ của cây sầu riêng thường được đặc trưng bởi một màu nâu vàng.

Ngoài ra, đường kính của cây này thường dao động trong khoảng từ 1 đến 1,2 mét [4]. Cây sầu riêng trưởng thành Ở những vùng được trồng và sản xuất, chiều cao trung bình của cây sầu riêng chỉ là 10 đến 12 mét. Tán lá của sầu riêng rộng và rộng ở gốc, trong khi các phần trên cùng của nó dần dần thon dần thành hình nón gợi nhớ đến một chiếc lá. Hơn nữa, cành của cây sầu riêng mọc theo chiều ngang.

Lá của cây sầu riêng tồn tại quanh năm, có hình elip đến thuôn dài và dài từ 10 đến 18 centimet như hình 2. Những chiếc lá đơn lẻ này được sắp xếp theo kiểu so le, với các phiến lá dày có hình trứng thuôn dài và có màu hơi vàng ở mặt dưới [4]. Lá cây sầu riêng Trang |4 Hình 2.3 thể hiện cụm hoa thường phát triển thành từng chùm với 1 đến 15 hoa mỗi chùm và treo trên cành cây. Những bông hoa này bao gồm một đài hoa và năm cánh hoa, mặc dù hiếm khi chúng có thể có bốn hoặc sáu cánh hoa.

Chúng mọc thành nhóm từ ba đến ba mươi trên các nhánh lớn hoặc trực tiếp trên thân cây. Những bông hoa được phân biệt bởi kích thước lớn, sản xuất mật hoa dồi dào và mùi hăng, nồng, nặng, chua và bơ trong tự nhiên [4]. Hoa sầu riêng yêu cầu điều kiện phát triển tối ưu trong khoảng thời gian khoảng 3 đến 4 tuần để tạo điều kiện thuận lợi cho việc sản xuất trái cây. Thông thường, những bông hoa này sẽ nở trong một khung thời gian cụ thể, bắt đầu vào khoảng 3 giờ chiều và kết thúc lúc 6 giờ sáng hôm sau.

Trong giai đoạn này, bao phấn sẽ nứt ra trong khoảng thời gian từ 7 giờ tối đến 11 giờ tối, tạo điều kiện cho quá trình thụ phấn của phôi. Tuy nhiên, cần lưu ý rằng trong cùng thời gian này, nhụy hoa sẽ hết hạn, dẫn đến tỷ lệ thụ phấn không đạt 100%. Điều quan trọng là phải tính đến các yếu tố này khi trồng cây sầu riêng, để tối ưu hóa năng suất cây trồng. Với kiến thức phù hợp và chú ý đến từng chi tiết, trồng sầu riêng có thể là một nỗ lực bổ ích và thành công.

Hoa sầu riêng Thực vật thường yêu cầu các tác nhân bên ngoài, chẳng hạn như gió hoặc côn trùng, để quá trình thụ phấn xảy ra. Đây là lý do tại sao tự thụ phấn không phổ biến ở các loài thực vật. Cây sầu riêng cũng không ngoại lệ đối với quy tắc này, vì nó có tỷ lệ đậu quả thấp mặc dù có nhiều hoa. Người ta đã quan sát thấy rằng chỉ một nửa số hoa trong cây sầu riêng có thể thụ phấn thành công và tạo quả.

Một số bệnh thường gặp ở cây sầu riêng 2. Bệnh vàng lá Hình 2. Bệnh vàng lá Bệnh thối rễ vàng lá (hình 2.4) là tình trạng có thể dẫn đến sự yếu đi của cây sầu riêng do thối rễ cám, trượt vỏ rễ và làm đen hoặc thối rễ lớn trên cổ rễ, tùy thuộc vào mức độ nghiêm trọng của bệnh và sự tấn công của nấm [5]. Tuy nhiên, nếu bệnh nhẹ chỉ làm cho cây bị vàng, sinh trưởng kém, giảm năng suất cây trồng và chất lượng quả, và không phải là các triệu chứng nghiêm trọng hơn.

Bệnh cháy lá Hình 2. Bệnh cháy lá Trang |6 Hình 2.5 là sự hiện diện của mọt số lá mục nát hoặc thối rữa trên cây có thể cản trở sự sinh trưởng và phát triển của cây, dẫn đến lá bị khô dần, cuối cùng là chết ngọn và bệnh nặng hơn, cuối cùng dẫn đến mất tất cả các lá trong cây con. Bệnh đốm Hình 2. Bệnh nấm rong biển Hình 2.

Bệnh đốm rong Bệnh nấm rong biển (hình 2.7) là một bệnh có ảnh hưởng đến cây sầu riêng trong mùa mưa. Tình trạng nấm, nếu không được khắc phục kịp thời có thể dẫn đến thiệt hại trên diện rộng cho cây sầu riêng, ảnh hưởng đến các bộ phận khác nhau của cây và cản trở khả năng quang hợp của nó [5]. Điều này sẽ làm kìm hãm sự sinh trưởng và phát triển của cây và dẫn đến năng suất kém. Những hậu quả của căn bệnh này được nông dân cảm nhận, vì nó tác động tiêu cực đến sản lượng kinh tế của cây trồng.

Bộ điều khiển 2. Giới thiệu về drone 2. Drone là gì Drone là máy bay trên không có thể được điều khiển thông qua các hệ thống điều khiển từ xa. Về bản chất, Drone là một robot bay có thể hoạt động bằng cách điều khiển bằng tay thông qua bảng điều khiển từ xa hoặc bằng cách đi theo các đường bay được lập trình sẵn bằng phần mềm chuyên dụng được trang bị cảm biến và khả năng định vị.

Tính linh hoạt của Drone đã khiến chúng trở thành một công cụ phổ biến trong các lĩnh vực khác nhau như nông nghiệp, giám sát và dịch vụ giao hàng. Cấu tạo cơ bản của drone Drone là một tập hợp các thành phần riêng biệt bao gồm bộ phận động cơ điều khiển, bộ xử lý trung tâm, cánh quạt, anten, giá treo, pin và máy ảnh. Hoạt động của máy bay không người lái có thể được thực hiện thông qua bộ điều khiển từ xa hoặc cơ chế được lập trình sẵn theo một tuyến đường cụ thể dựa trên tọa độ GPS. Việc tích hợp công nghệ GPS vào hoạt động của máy bay không người lái đã nâng cao đáng kể khả năng sử dụng và hiệu quả của nó.

Bộ điều khiển Drone có sự tương đồng về cấu tạo của chúng với bộ điều khiển từ xa của máy bay mô hình, trong đó cả hai đều bao gồm hai nút và anten có thể thu gọn. Thông thường, họ sử dụng sóng vô tuyến tần số 2.4GHz để hoạt động. Tuy nhiên, một số bộ điều khiển kết hợp cả tín hiệu 2.4GHz và Wi-Fi, và chúng cũng có thể được xác định Trang |8 trên một ứng dụng điều khiển hoạt động trên thiết bị di động. Đáng chú ý là tính linh hoạt của các bộ điều khiển này đã mở rộng phạm vi hoạt động của chúng và khiến chúng dễ tiếp cận hơn với đối tượng rộng hơn.

Do đó, những tiến bộ trong bộ điều khiển máy bay không người lái đã tạo điều kiện thuận lợi cho việc sử dụng máy bay không người lái, khiến chúng trở thành một lựa chọn phổ biến cho các ứng dụng khác nhau. Những Drone thông thường bay được nhờ năng lượng từ pin cung cấp đến những cánh quạt. Tuy nhiên ngày nay đã có những mẫu cao cấp đắt tiền dùng động cơ phản lực thay cho cánh quạt truyền thống, chúng có thể bay xa tới 800 km và cao tới 15 km. Một số loại Drone hoạt động nhờ được lập trình trước, số khác hoạt động nhờ con người bằng cách sử dụng bảng điều khiển từ xa.

Cấu trúc nhỏ và nhẹ của Drone cho phép vận chuyển dễ dàng và thuận tiện, cũng như thời gian bay kéo dài. Hơn nữa, Drone sở hữu những phẩm chất đặc biệt như khả năng cơ động cao, tiện lợi và hoạt động hiệu quả. Sự xuất hiện của các bộ xử lý nhỏ gọn và hiệu quả, kỹ thuật truyền thông không dây nâng cao và Drone chuyên dụng đã tạo cơ hội cho Drone phát triển mạnh mẽ với những ứng dụng thực tế hơn. Thiết kế nhỏ gọn cho phép Drone được sử dụng trong nhiều lĩnh vực, bao gồm chụp ảnh trên không, giám sát cây trồng nông nghiệp và nhiệm vụ tìm kiếm và cứu nạn.

Tính cơ động và nhanh nhẹn của Drone khiến chúng trở nên lý tưởng để điều hướng địa hình khó khăn và đến các vùng sâu vùng xa. Hoạt động hiệu quả và tuổi thọ pin kéo dài của Drone cho phép họ thực hiện các nhiệm vụ với sự can thiệp tối thiểu của con người. Ứng dụng của drone Ban đầu, Drone chủ yếu được sử dụng cho mục đích quân sự. Chúng chủ yếu được sử dụng để thực hiện các nhiệm vụ trinh sát, tiến hành thăm dò địa hình và tiêu diệt các mục tiêu nếu được trang bị vũ khí.

Tuy nhiên, trong những năm gần đây, Drone ngày càng trở nên phổ biến đồng nghĩa với việc đáp ứng và phục vụ nhu cầu của nhiều người. Tính linh hoạt của Drone đã được khai thác để giải quyết nhiều mối quan tâm dân sự như: - Quay film, chụp ảnh từ trên cao - Vận chuyển hàng hóa - Hỗ trợ xây dựng bản đồ - Khảo sát công trình xây dựng, những nơi địa hình phức tạp, khó tiếp cận - Hỗ trợ tìm kiếm cứu nạn, vận chuyển đồ cứu trợ - Trong nông nghiệp nó còn giúp rải phân bón, tìm kiếm mầm bệnh của cây, phun thuốc trừ sâu. Drone rải thuốc trừ sâu 2.