LuanVan.vnLuận Văn
Gửi thư

XÂY DỰNG CHATBOT HỖ TRỢ TƯ VẤN NGƯỜI DÂN VỀ GIỐNG CÂY TRỒNG VÀ KỸ THUẬT CANH TÁC

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTrần Nguyễn Phúc Thịnh
Người hướng dẫnTrần Thanh Điện
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2025
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Đề tài tập trung nghiên cứu và xây dựng hệ thống Chatbot hỗ trợ tư vấn người dân về giống cây trồng và kỹ thuật canh tác, nhằm cung cấp một công cụ tương tác thông minh, giúp người dùng dễ dàng tiếp cận thông tin nông nghiệp chính xác, nhanh chóng và thuận tiện. Mục tiêu chính của hệ thống là hỗ trợ người dân tra cứu kiến thức về đặc điểm các loại giống cây trồng, quy trình canh tác, biện pháp chăm sóc, phòng trừ sâu bệnh và những khuyến nghị phù hợp với điều kiện thực tế sản xuất. Trong quá trình thực hiện, đề tài ứng dụng mô hình ngôn ngữ lớn (Large Language Model – LLM), cụ thể là Gemini 2.5 Pro, nhằm giúp Chatbot hiểu ngữ cảnh và tạo ra phản hồi tự nhiên, chính xác theo câu hỏi của người dùng. Mô hình được triển khai ở dạng đã huấn luyện sẵn (pre-trained), kết hợp với các phương pháp truy xuất tri thức (RetrievalAugmented Generation – RAG) để nâng cao tính chính xác và độ tin cậy của thông tin phản hồi. Nguồn dữ liệu tri thức được thu thập, chọn lọc và xử lý từ các tài liệu kỹ thuật nông nghiệp, cẩm nang trồng trọt và các bài viết chuyên ngành, đảm bảo độ tin cậy và phù hợp với ngữ cảnh ứng dụng trong lĩnh vực nông nghiệp. Về mặt kỹ thuật, hệ thống được phát triển theo kiến trúc web hiện đại, sử dụng FastAPI làm nền tảng backend để xử lý yêu cầu, giao tiếp với mô hình ngôn ngữ và quản lý dữ liệu. Phần frontend được xây dựng bằng ReactJS, mang lại giao diện thân thiện, trực quan và dễ sử dụng cho người dùng. Dữ liệu được lưu trữ trong MongoDB, phục vụ cho việc quản lý thông tin về giống cây trồng, kỹ thuật canh tác và lịch sử hội thoại. Ngoài ra, Qdrant Vector Database được tích hợp để lưu trữ và truy vấn vector ngữ nghĩa, cho phép Chatbot tìm kiếm và phản hồi dựa trên mức độ tương đồng nội dung, từ đó cải thiện đáng kể chất lượng tư vấn và khả năng truy xuất thông tin. Kết quả thử nghiệm cho thấy hệ thống hoạt động ổn định, phản hồi nhanh và cung cấp thông tin chính xác, phù hợp với nhu cầu thực tế của người dùng. Chatbot thể hiện khả năng hiểu ngôn ngữ tự nhiên tốt, hỗ trợ hiệu quả trong việc tư vấn và giải đáp thắc mắc về giống cây trồng và kỹ thuật canh tác. Những kết quả đạt được khẳng định tiềm năng ứng dụng của trí tuệ nhân tạo và các mô hình ngôn ngữ lớn trong lĩnh vực nông nghiệp, góp phần thúc đẩy quá trình chuyển đổi số và phát triển nông nghiệp thông minh tại Việt Nam. Đây cũng là nền tảng quan trọng cho các nghiên cứu và cải tiến trong tương lai, như tích hợp Chatbot với hệ thống IoT nông nghiệp hoặc mở rộng phạm vi tư vấn sang các lĩnh vực trồng trọt và chăn nuôi khác. Từ khóa: Chatbot, LLM, Gemini-2.5-Pro, Xử lý ngôn ngữ tự nhiên, FastAPI, ReactJS, MongoDB, Qdrant, Tư vấn nông nghiệp thông minh.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.