Applied Research on climate is one of the highly practical research directions for sustainable economic development. At the same time, it makes contribution to the rational exploitation and use of natural resources, protecting the environment for certain territory in order to obtain efficient agricultural production. The article applies the method of zoning agro-climate by Luset tool parameterized with meteorological, pedigree and topographic factors. Calculation results show that: Tuyen Quang province is divided into 4 main agro-climatic regions: the highly adaptive area is about 281,406 ha, accounting for 48.5% of the total area of the province; The adaptive area is about 164,088 ha, accounting for 28.3%; Less suitable area is about 70,813 ha, accounting for 12.2% and non-adapted area is about 64,375 ha, accounting for 11.1%.

Việc xác định tấm pin mặt trời bị hỏng có vai trò rất quan trọng trong việc đảm bảo vận hành an toàn, tin cậy và hiệu suất tối đa của các nhà máy điện mặt trời. Trong nghiên cứu này, chúng tôi đề xuất sử dụng mô hình deep learning để tự động hoá việc phân loại tấm pin mặt trời bị lỗi. Mô hình này bao gồm mạng nơron tích chập được dùng để trích xuất đặc trưng và thuật toán máy học véctơ hỗ trợ để nhận dạng. Mô hình được huấn luyện và kiểm tra trên tập dữ liệu bao gồm 2.146 hình ảnh điện phát quang có độ phân giải cao của các tấm pin mặt trời loại momo và loại poly. Kết quả phân loại cho thấy mô hình đề xuất có thể phân loại được tấm pin mặt trời bị hỏng với độ chính xác đạt được là 91,63%.

Tổn thất điện năng là một trong các chỉ tiêu quan trọng để đánh giá chất lượng điện năng. Tổn thất điện năng bao gồm hai thành phần là tổn thất kỹ thuật và tổn thất phi kỹ thuật. Tổn thất kỹ thuật là tổn thất đồng và tổn thất sắt trên các thiết bị điện như máy phát điện, đường dây, máy biến áp, động cơ. Tổn thất phi kỹ thuật là tổn thất ở khâu quản lý, đo đếm điện năng và ăn trộm điện. Trong các loại tổn thất phi kỹ thuật, tổn thất điện năng do hành vi trộm cắp điện là dạng tổn thất phổ biến, gây thiệt hại về mặt kinh tế nhưng lại khó phát hiện bằng các phương pháp truyền thống. Trong nghiên cứu này, chúng tôi đề xuất sử dụng phương pháp học sâu, dựa trên mô hình mạng nơ-ron tích chập kết hợp với cơ chế tập trung để phát hiện hành vi trộm cắp điện. Mô hình được huấn luyện trên tập dữ liệu được thu thập từ 42372 khách hàng trong 147 tuần. Kết quả phân loại cho thấy, mô hình đề xuất có thể phát hiện được hành vi trộm cắp điện của người dùng với độ chính xác AUC là 92,2%.

Mục đích của bài viết này là trình bày phương pháp biểu diễn đường viền của đối tượng trong ảnh nhị phân bằng vector số phức; phân tích một số tính chất của vector số phức để áp dụng cho bài toán nhận dạng; so sánh mẫu trên cơ sở đường viền; xây dựng lược đồ chung cho việc nhận dạng và phân loại đối tượng bằng phương pháp đường viền vector. Chúng tôi đã tiến hành thử nghiệm nhận dạng và phân loại các tập ảnh có mức độ phức tạp về xe máy, xe ô tô cho kết quả chính xác và tốc độ tính toán nhanh.

Mục tiêu: Phân lập và tinh khiết hóa hợp chất 5-FLUORO-MDMB-PICA dùng làm chất chuẩn định tính và định lượng. Đối tượng và phương pháp: Mẫu cần sa tổng hợp chứa trong các dạng cỏ Mỹ được thu thập trong các vụ án tại Việt Nam từ năm 2018 đến 2020, được chiết nóng nhanh với  dicloromethan ở nhiệt độ 40oC để thu được cao dicloromethan. Cao dicloromethan toàn phần được tiến hành phân lập bằng sắc ký cột để thu được hợp chất 5-FLUORO-MDMB-PICA. Kết quả: Từ 10 g cao dicloromethan toàn phần, sau phân lập thu được 0,9 g hợp chất 5-FLUORO-MDMB-PICA với độ tinh khiết 99,46% trên HPLC-PDA. Cấu trúc của hợp chất 5-FLUORO-MDMB-PICA đã được xác định dựa trên các phương pháp phân tích TLC, IR, UV, GC-MS, LC-MS, NMR. Kết luận: Nghiên cứu đã phân lập và tinh khiết hóa thành công hợp chất 5-FLUORO-MDMB-PICA định hướng thiết lập làm chất đối chiếu phục vụ cho công tác kiểm nghiệm, giám định các mẫu cần sa tổng hợp, đáp ứng yêu cầu công tác điều tra tội phạm ma túy tại Việt Nam.