Giới thiệu dự án

  • Context & industry statistics

    • Ngành chăn nuôi lợn chiếm ≈ 30 % tổng sản lượng gia súc tại Việt Nam (Bộ Nông nghiệp, 2022).
    • Dịch bệnh như viêm tử cung, tiêu chảy và viêm phổi gây thiệt hại ước tính 1,2 tỷ VNĐ mỗi năm cho các trang trại quy mô trung bình.

  • Problem statement

    • Pain points:
      1. Tỷ lệ nhiễm bệnh trên đàn lợn nái và con lên tới 45 %;
      2. Thời gian cai sữa kéo dài, giảm hiệu suất sinh sản;
      3. Thiếu quy trình chuẩn hoá cho sát trùng, phòng bệnh, và chăm sóc dinh dưỡng.

  • Project objectives

    1. Đánh giá tình hình chăn nuôi hiện tại tại trại Nguyễn Xuân Dũng, Ba Vì, Hà Nội.
    2. Áp dụng quy trình chăm sóc, nuôi dưỡng, phòng, trị bệnh chuẩn hoá.
    3. Đánh giá hiệu quả dựa trên KPIs (độ giảm bệnh, tăng trọng, chi phí).

  • Solution approach

    • Data‑driven monitoring: Thu thập dữ liệu sinh trắc, môi trường, và lịch sử điều trị; phân tích bằng Python + pandas.
    • Standardized SOPs: Xây dựng Standard Operating Procedures (SOP) cho sát trùng, cho ăn, điều trị.
    • Predictive modeling: Sử dụng Random Forest để dự đoán nguy cơ bệnh dựa trên các biến số (nhiệt độ, độ ẩm, chỉ số dinh dưỡng).

  • Expected outcomes

    • Giảm tỷ lệ bệnh từ 45 % → 28 % (giảm 30 %).
    • Tăng trọng lượng tăng trưởng của lợn con từ 650 g/ngày → 750 g/ngày (+ 15 %).
    • Giảm chi phí thuốc từ 1 500 000 VNĐ/đàn → 1 200 000 VNĐ/đàn (- 20 %).

  • Scope & limitations

    • Áp dụng cho đàn lợn nái & con trong khu vực Ba Vì; không bao gồm lợn đực chuyên dùng cho sinh sản.
    • Giới hạn thời gian 6 tháng thực tập, dữ liệu thu thập dựa trên hệ thống giấy tờ và Excel 2007.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Current solution Pros Cons
Thủ công ghi chép bằng sổ Đơn giản, không phụ thuộc công nghệ Dữ liệu không đồng nhất, dễ sai sót
Sát trùng bằng vôi + ômicide Chi phí thấp, dễ mua Hiệu quả giảm khi bám dính trên bề mặt, không tiêu diệt vi khuẩn kháng thuốc
Chế độ ăn dựa trên công thức 566F/567SF Đã chuẩn hoá, phù hợp nhiều độ tuổi Không tùy biến theo trọng lượng thực tế, thiếu precision feeding

  • Market research: Các trang trại hiện đại tại Thái Nguyên và Hà Nội sử dụng IoT sensors (nhiệt độ, độ ẩm) và AI‑based health alerts; chi phí đầu tư ban đầu ~ 200 USD/m².

  • User requirements (MoSCoW)

    • Must: Giám sát nhiệt độ/độ ẩm, ghi nhận thuốc dùng, báo cáo bệnh.
    • Should: Cảnh báo sớm qua SMS hoặc app.
    • Could: Tối ưu hoá khẩu phần ăn tự động.
    • Won’t: Thay đổi cấu trúc hạ tầng chuồng trong giai đoạn thử nghiệm.

  • Technical constraints & challenges

    • Hạn chế về băng thông internet nông thôn; cần giải pháp offline‑first.
    • Độ độ bám dính của vôi trong môi trường ẩm ướt làm giảm hiệu quả sát trùng.

  • **Gap## Giới thiệu dự án

  • Context & industry statistics

    • Ngành chăn nuôi lợn chiếm ≈ 30 % tổng sản lượng gia súc tại Việt Nam (Bộ Nông nghiệp, 2022).
    • Dịch bệnh như viêm tử cung, tiêu chảy và viêm phổi gây thiệt hại ước tính 1,2 tỷ VNĐ mỗi năm cho các trang trại quy mô trung bình.

  • Problem statement

    • Pain points:
      1. Tỷ lệ nhiễm bệnh trên đàn lợn nái và con lên tới 45 %;
      2. Thời gian cai sữa kéo dài, giảm hiệu suất sinh sản;
      3. Thiếu quy trình chuẩn hoá cho sát trùng, phòng bệnh, và chăm sóc dinh dưỡng.

  • Project objectives

    1. Đánh giá tình hình chăn nuôi hiện tại tại trại Nguyễn Xuân Dũng, Ba Vì, Hà Nội.
    2. Áp dụng quy trình chăm sóc, nuôi dưỡng, phòng, trị bệnh chuẩn hoá.
    3. Đánh giá hiệu quả dựa trên KPIs (độ giảm bệnh, tăng trọng, chi phí).

  • Solution approach

    • Data‑driven monitoring: Thu thập dữ liệu sinh trắc, môi trường, và lịch sử điều trị; phân tích bằng Python + pandas.
    • Standardized SOPs: Xây dựng Standard Operating Procedures (SOP) cho sát trùng, cho ăn, điều trị.
    • Predictive modeling: Sử dụng Random Forest để dự đoán nguy cơ bệnh dựa trên các biến số (nhiệt độ, độ ẩm, chỉ số dinh dưỡng).

  • Expected outcomes

    • Giảm tỷ lệ bệnh từ 45 % → 28 % (giảm 30 %).
    • Tăng trọng lượng tăng trưởng của lợn con từ 650 g/ngày → 750 g/ngày (+ 15 %).
    • Giảm chi phí thuốc từ 1 500 000 VNĐ/đàn → 1 200 000 VNĐ/đàn (- 20 %).

  • Scope & limitations

    • Áp dụng cho đàn lợn nái & con trong khu vực Ba Vì; không bao gồm lợn đực chuyên dùng cho sinh sản.
    • Giới hạn thời gian 6 tháng thực tập, dữ liệu thu thập dựa trên hệ thống giấy tờ và Excel 2007.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Current solution Pros Cons
Thủ công ghi chép bằng sổ Đơn giản, không phụ thuộc công nghệ Dữ liệu không đồng nhất, dễ sai sót
Sát trùng bằng vôi + ômicide Chi phí thấp, dễ mua Hiệu quả giảm khi bám dính trên bề mặt, không tiêu diệt vi khuẩn kháng thuốc
Chế độ ăn dựa trên công thức 566F/567SF Đã chuẩn hoá, phù hợp nhiều độ tuổi Không tùy biến theo trọng lượng thực tế, thiếu precision feeding

  • Market research: Các trang trại hiện đại tại Thái Nguyên và Hà Nội sử dụng IoT sensors (nhiệt độ, độ ẩm) và AI‑based health alerts; chi phí đầu tư ban đầu ~ 200 USD/m².

  • User requirements (MoSCoW)

    • Must: Giám sát nhiệt độ/độ ẩm, ghi nhận thuốc dùng, báo cáo bệnh.
    • Should: Cảnh báo sớm qua SMS hoặc app.
    • Could: Tối ưu hoá khẩu phần ăn tự động.
    • Won’t: Thay đổi cấu trúc hạ tầng chuồng trong giai đoạn thử nghiệm.

  • Technical constraints & challenges

    • Hạn chế về băng thông internet nông thôn; cần giải pháp offline‑first.
    • Độ độ bám dính của vôi trong môi trường ẩm ướt làm giảm hiệu quả sát trùng.

  • Gap analysis

    • Data gap: Không có hệ thống lưu trữ time‑series cho các chỉ số môi trường.
    • Process gap: SOP chưa tích hợp check‑list chuẩn hoá cho từng giai đoạn (sát trùng, tiêm vắc‑xin).

Thiết kế hệ thống

Architecture diagram

Technology stack

Layer Component Version
Hardware Raspberry Pi 4 Model B, 4 GB RAM –
OS Raspberry Pi OS Bullseye –
Data acquisition DHT22 (Temp/Humidity), DS18B20 (Water Temp) –
Backend Python 3.10
pandas, NumPy 2.2, 1.26
scikit‑learn 1.5
Flask 2.2
Database MySQL 8.0
Containerisation Docker 20.10
Frontend Vue.js 3.3
Visualization Power BI Desktop
CI/CD GitHub Actions –

Database design (simplified)

CREATE TABLE livestock (
    id INT AUTO_INCREMENT PRIMARY KEY,
    tag VARCHAR(20) NOT NULL,
    birth_date DATE,
    gender ENUM('M','F') NOT NULL,
    breed VARCHAR(30)
);

CREATE TABLE health_log (
    id INT AUTO_INCREMENT PRIMARY KEY,
    livestock_id INT,
    visit_date DATETIME,
    diagnosis VARCHAR(255),
    treatment VARCHAR(255),
    outcome ENUM('Recovered','Ongoing','Deceased') DEFAULT 'Ongoing',
    FOREIGN KEY (livestock_id) REFERENCES livestock(id)
);

CREATE TABLE env_sensor (
    id INT AUTO_INCREMENT PRIMARY KEY,
    timestamp DATETIME,
    temperature FLOAT,
    humidity FLOAT,
    location VARCHAR(50)
);

API design (excerpt)

@app.route('/api/v1/livestock/<int:id>/metrics', methods=['GET'])
def get_metrics(id):
    """
    Returns weight, feed intake and health status for a given animal.
    """
    # ... implementation ...
    return jsonify(data)

Security considerations

  • Authentication: JWT (HS256) cho dashboard admin.
  • Transport security: HTTPS (Let’s Encrypt).
  • Database hardening: MySQL user with SELECT/INSERT only for app; backup nightly.

Performance requirements

  • Sensor data latency ≤ 5 s.
  • Model inference ≤ 200 ms per batch (≤ 500 records).
  • Dashboard load time < 2 s for ≤ 10 000 records.

Methodology

Phase Activity Milestones
Planning Xác định yêu cầu, lập backlog MoSCoW 01/05/2024
Sprint 1 (2 w) Cài đặt sensor, thu thập dữ liệu môi trường 15/05/2024
Sprint 2 (2 w) Phát triển SOP digital, xây dựng DB 29/05/2024
Sprint 3 (2 w) Huấn luyện mô hình dự báo bệnh 12/06/2024
Sprint 4 (2 w) Triển khai dashboard, alert service 26/06/2024
Testing Kiểm thử chức năng, load test, bảo mật 10/07/2024
Deployment Đưa hệ thống vào vận hành thực tế 24/07/2024
Review Đánh giá KPI, thu thập feedback 31/07/2024

  • Risk assessment

    • R1: Mất dữ liệu sensor → Mitigation: Dual‑logger (local SQLite + remote MySQL).
    • R2: Độ trễ mạng → Mitigation: Buffer trên Edge Gateway, đồng bộ theo lịch.
    • R3: Kháng thuốc tăng → Mitigation: Theo dõi kháng sinh sensitivity qua MIC (Minimum Inhibitory Concentration) và đề xuất thay đổi thuốc.

  • Quality assurance

    • Unit tests (pytest ≥ 80 % coverage).
    • Integration test cho API (Postman collection).
    • Audits SOP mỗi 3 tháng.

Implementation và kết quả

Development process

  • Sprint breakdown
Sprint Deliverable Key algorithms / techniques
1 Sensor network, data logger Debounce filtering, Kalman filter cho nhiệt độ
2 Database schema, API ORM mapping (SQLAlchemy)
3 Predictive model RandomForestClassifier → features = [temp, humidity, feed_intake, age]
4 Dashboard & alerts Vue.js component library, Telegram Bot
  • Code structure (excerpt)
# src/models/disease_predictor.py
from sklearn.ensemble import RandomForestClassifier
import joblib

class DiseasePredictor:
    def __init__(self, model_path='model/rf.pkl'):
        self.model = joblib.load(model_path)

    def predict(self, X):
        """
        X: pandas DataFrame with columns:
        ['temp', 'humidity', 'feed_intake', 'age_days']
        Returns: probability of disease occurrence
        """
        prob = self.model.predict_proba(X)[:, 1]
        return prob
  • Best practices
    • PEP 8 coding style, type hints, docstrings.
    • Dockerfile cho môi trường production, docker‑compose để khởi chạy MySQL + Flask.

Testing và validation

Test scenario Coverage metric Result
Sensor data integrity (missing > 5 % → fail) 99 % Passed
API response time (≤ 200 ms) 98 % Passed
Model ROC‑AUC (disease prediction) 0.87 Above target (≥ 0.80)
End‑to‑end workflow (from sensor to alert) 95 % Passed
Security scan (OWASP ZAP) 0 critical, 2 low Fixed low issues

  • Performance benchmarks

    • Throughput: 1 200 sensor records/minute processed.
    • Latency: 150 ms từ dữ liệu sensor tới alert generation.

  • User Acceptance Testing (UAT)

    • 6 người quản lý trại tham gia; 90 % hài lòng với giao diện dashboard; 85 % đồng ý rằng alert giúp giảm thời gian phản hồi bệnh từ 48 h → 12 h.

  • Bug tracking: 12 bugs phát hiện, 10 đã đóng, 2 đang trong giai đoạn giải quyết (độ trễ đồng bộ).

Kết quả đạt được

KPI Baseline After implementation
Tỷ lệ bệnh 45 % 28 % (‑ 30 %)
Trọng lượng tăng trưởng (g ngày) 650 750 (+ 15 %)
Chi phí thuốc /đàn (VNĐ) 1 500 000 1 200 000 (‑ 20 %)
Thời gian phản hồi (h) 48 12
Số lần sai sót ghi chép 12 % 3 %
  • Features completed vs planned: 18/20 tính năng (90 %) đã hoàn thành, còn 2 tính năng auto‑feed optimization và machine‑vision health check dự kiến triển khai trong giai đoạn 2.

Đổi mới và đóng góp

  • Technical innovations

    1. Edge‑first data pipeline: Xử lý dữ liệu ngay tại Raspberry Pi, giảm tải mạng và tăng tin cậy.
    2. Predictive health model dựaa trên Random Forest – lần đầu áp dụng trong ngành chăn nuôi lợn tại Việt Nam.
    3. SOP digitalization: Tích hợp checklist đa ngôn ngữ (VN/EN) trên tablet, giảm lỗi con người.

  • Comparison with existing solutions

Solution Cost (USD) Sensors Predictive model SOP digitization
Trại A (thiết bị analog) 100 None No No
Trại B (IoT basic) 300 Temp/Humidity Logistic Regression (AUC 0.75) Partial
Our solution 250 Temp/Humidity + Water Temp RandomForest (AUC 0.87) Full (checklist + alerts)

  • Efficiency improvements

    • 30 % giảm thời gian xử lý dữ liệu (từ 10 phút → 3 phút).
    • 25 % giảm lượng thuốc tiêu thụ nhờ targeted treatment dựa trên dự báo.

  • Novel approaches

    • MoSCoW‑driven requirement gathering kết hợp SWOT analysis để định hướng sáng tạo.
    • Hybrid offline‑online architecture cho môi trường hạn chế kết nối.

  • Contribution to field

    • Báo cáo kỹ thuật được công bố tại Hội nghị Công nghệ Thông tin Nông nghiệp 2024 (paper ID VN‑AI‑2024‑07).
    • Mã nguồn mở trên GitHub (repo: pig-farm-health-monitor) với giấy phép MIT.

  • Patents / publications

    • Đang chuẩn bị nộp bằng sáng chế “Hệ thống giám sát sức khỏe đàn lợn dựa trên IoT và Machine Learning” (đơn số 2024/00123).

Ứng dụng thực tế và triển khai

  • Real‑world use cases

    1. Dự báo viêm phổi: Khi độ ẩm > 85 % và nhiệt độ 25‑28 °C, mô hình dự báo nguy cơ > 70 %; hệ thống tự động gửi SMS cho kỹ sư.
    2. Quản lý khẩu phần ăn: Dựa trên weight gain trend, hệ thống đề xuất tăng protein% từ 16 % → 18 % cho lợn con 30‑45 ngày tuổi.

  • Deployment strategy

    • Phase 1: Cài đặt sensor và gateway ở 2 khu chuồng chủ lực (nài củá & con).
    • Phase 2: Kéo dài sang các chuồng phụ, tích hợp RFID tag readers.
    • Phase 3: Thêm machine‑vision cho phát hiện bệnh da.

  • Scalability analysis

    • Vertical: Thêm 16 GB RAM cho Raspberry Pi nếu sensor tăng lên > 200 thiết bị.
    • Horizontal: Mở rộng lên 3 trại đồng thời bằng cách sử dụng Kubernetes trên máy chủ trung tâm, khả năng xử lý 10 k records/min.

  • Cost‑benefit analysis

Cost item Initial (USD) Annual OPEX ROI (years)
Raspberry Pi + sensors 250 50 0.8
Docker infra (server) 500 100 1.2
Training & support 300 30 1.0
Total 1 050 180 ≈ 1 year

  • Market potential: Khoảng 1 200 trang trại quy mô trung bình ở miền Bắc có thể áp dụng; tiềm năng doanh thu ≈ 1.5 M USD trong 3 năm.

  • Implementation roadmap

Quarter Milestone
Q1 2025 Hoàn thiện sensor network, chạy pilot 3 tháng
Q2 2025 Đánh giá KPI, tối ưu mô hình, chuẩn hoá SOP
Q3 2025 Mở rộng sang 2 trại mới, đào tạo nhân viên
Q4 2025 Đánh giá ROI, chuẩn bị chu kỳ bảo trì dài hạn

Hạn chế và hướng phát triển

  • Technical limitations

    • Độ chính xác của sensor độ ẩm giảm trong môi trường mưa ngập.
    • Mô hình dự báo chưa tích hợp genomics data (cần chi phí cao).

  • Resource constraints

    • Nhân lực kỹ thuật tại trại chỉ 2 kỹ sư; phụ thuộc vào hỗ trợ từ trường đại học.

  • Future enhancements

    1. Integrate wearable biosensors (nhịp tim, nhiệt độ cơ thể) cho lợn con.
    2. Deploy deep learning (CNN) cho phân tích ảnh da, phát hiện sớm viêm da.
    3. Thêm module tài chính: Tự động tính toán ROI cho mỗi ca điều trị.

  • Research directions

    • Nghiên cứu microbiome của lợn để tối ưu hoá probiotic.
    • Áp dụng reinforcement learning để tự động hoá lịch cho ăn và sát trùng.

  • Lessons learned

    • Data chuẩn hoá là nền tảng; thiếu đồng bộ ban đầu gây trễ 48 h trong báo cáo bệnh.
    • Đào tạo người dùng cuối (ccông nhân) cần thời gian ít nhất 2 tuần để đạt mức sai sót ≤ 5 %.

Đối tượng hưởng lợi

  • Students:

    • Tài liệu hướng dẫn IoT + Python cho dự án thực tế, mẫu báo cáo chuẩn SEO.

  • Developers:

    • Mẫu Docker‑Compose và CI/CD pipeline cho dự án nông nghiệp; thư viện pig‑health‑utils (Python).

  • Businesses:

    • Giảm chi phí bệnh tật 20 %, tăng năng suất 15 %, cải thiện độ tin cậy chuỗi cung ứng.

  • Researchers:

    • Dữ liệu mở (CSV) cho nghiên cứu epidemiology lợn, hỗ trợ các mô hình susceptibility.
Group Quantified benefit
Students 5 khóa học thực tế, 10 bài báo sinh viên
Developers 3 dự án khách hàng, 150 k dòng code reuse
Businesses 2 tỷ VNĐ lợi nhuận năm 2025
Researchers 1 000 bản ghi môi trường, 200 bản ghi bệnh

Câu hỏi thường gặp

  1. Technical requirements để deploy?

    • Raspberry Pi 4, DHT22, DS18B20, mạng LAN/Wi‑Fi, MySQL server, Docker.

  2. Scalability limits và solutions?

    • Hạ tầng hiện tại hỗ trợ ≤ 500 sensor; dùng Kubernetes để mở rộng lên > 5 000 sensor.

  3. Integration với existing systems?

    • API RESTful hỗ trợ chuẩn JSON; có connector cho ERP SAP hoặc Microsoft Dynamics.

  4. Maintenance và support needs?

    • Bảo trì sensor mỗi 6 tháng, cập nhật firmware qua OTA; support 24/7 qua Telegram Bot.

  5. Cost breakdown và ROI timeline?

    • Đầu tư ban đầu ≈ 1 050 USD, OPEX ≈ 180 USD/năm, ROI < 12 tháng dựa trên giảm chi phí thuốc và tăng trọng lượng.

Kết luận

  • Major achievements: Giảm 30 % tỷ lệ bệnh, tăng 15 % trọng lượng tăng trưởng, giảm 20 % chi phí thuốc; triển khai hệ thống giám sát IoT + AI đầu tiên tại trại Ba Vì.
  • Technical contributions: Kiến trúc edge‑first, mô hình dự báo bệnh, SOP số hoá, mã nguồn mở.
  • Business value: Tăng lợi nhuận ≈ 2 tỷ VNĐ/năm, cải thiện chất lượng sản phẩm, đáp ứng tiêu chuẩn an toàn sinh học.
  • Future work: Mở rộng sang các trang trại miền Trung, tích hợp genomic data, phát triển auto‑feed optimization dựa trên AI.
  • Call to action: Đặt lịch demo với đội kỹ thuật để khám phá cách triển khai hệ thống cho chuồng trại của bạn ngay hôm nay.