Luận án Nghiên cứu phát triển hệ thống IoT thu thập dữ liệu và thuật toán phân vùng, phân loại cá thể sử dụng học sâu định hướng ứng dụng trong nuôi trồng thủy sản

Tên luận án:

NGHIÊN CỨU PHÁT TRIỂN HỆ THỐNG IoT THU THẬP DỮ LIỆU VÀ THUẬT TOÁN PHÂN VÙNG, PHÂN LOẠI CÁ THỂ SỬ DỤNG HỌC SÂU ĐỊNH HƯỚNG ỨNG DỤNG TRONG NUÔI TRỒNG THỦY SẢN

Ngành:

Kỹ thuật viễn thông

Tóm tắt nội dung tài liệu:

Luận án tập trung nghiên cứu, triển khai thử nghiệm thực tế mô hình IoT quan trắc môi trường nước phục vụ nuôi thủy sản tại Kiên Giang và đề xuất mô hình, thuật toán phân vùng, phân loại cá thể sử dụng học sâu định hướng ứng dụng trong nuôi trồng thủy sản. Mục tiêu chính bao gồm việc nghiên cứu, xây dựng mô hình và kiến trúc hệ thống IoT cấu trúc mở hai chiều để quan trắc các thông số môi trường nước, tự động hóa quá trình nuôi thủy sản nước lợ và mặn. Hệ thống này được thiết kế, chế tạo và tích hợp các thiết bị đầu cuối IoT kiến trúc mở để thu thập, điều khiển và truyền các chỉ tiêu như nhiệt độ, độ mặn, pH, DO, độ trong, NO3-, NH4+.

Phạm vi nghiên cứu của luận án giới hạn trong các hệ thống AIoT, bao gồm các thiết bị IoT (thiết bị đầu cuối, cổng, điều khiển), phần cứng mạch điện tử, cảm biến, phần mềm (frontend, backend) và các thuật toán xử lý ảnh dựa trên học sâu tại trung tâm dữ liệu IoT. Công nghệ truyền thông LoRa cũng được ứng dụng. Các hệ thống này đã được thử nghiệm trong nuôi tôm, cá nước lợ, nước mặn tại Kiên Giang.

Luận án có hai đóng góp khoa học chính. Thứ nhất, đề xuất mô hình hệ thống và thiết bị đầu cuối IoT kiến trúc mở, hai chiều tiết kiệm năng lượng, ứng dụng trong nuôi trồng thủy sản nói chung và tại Kiên Giang nói riêng. Kết quả này được thể hiện qua một bài báo khoa học. Thứ hai, đề xuất mô hình và thuật toán phát hiện, phân loại đối tượng ứng dụng học sâu trong nuôi thủy sản. Cụ thể, luận án giới thiệu phương pháp tự động phân đoạn hình ảnh cá thể sử dụng mô mạng nơ ron tích chập với khối giảm chiều đa tỉ lệ theo không gian và hàm mất mát dựa trên đường bao cục bộ. Đồng thời, một mô hình mạng học sâu dựa trên cơ chế tự chú ý (AttentionConvMixer) được đề xuất cho bài toán phân loại các loài cá, cho thấy hiệu suất tốt trên ba tập dữ liệu phân loại cá.

Hệ thống IoT tự động quan trắc và cảnh báo các thông số môi trường nước đã được triển khai thử nghiệm thành công tại khu vực nuôi tôm nước mặn, lợ ở Kiên Giang, hoạt động liên tục trong giai đoạn thử nghiệm hơn sáu tháng. Các giải pháp và kết quả nghiên cứu đã được công bố trên 02 tạp chí trong danh mục Scopus và 01 hội thảo quốc tế trong danh mục Scopus.

Mục lục chi tiết:

• CHƯƠNG 1: TỔNG QUAN VỀ IoT VÀ ỨNG DỤNG TRONG NUÔI THỦY SẢN

  • 1.1 Tổng quan về hệ thống IoT

  • 1.2 Hiện trạng và nhu cầu ứng dụng IoT cho nuôi Thủy sản

  • 1.3 Kiến trúc và các giao thức hệ thống IoT

    • 1.3.1 Kiến trúc hệ thống IoT

    • 1.3.2 Giao thức truyền thông LORA trong IoT

  • 1.4 Tổng quan về ứng dụng xử lý ảnh trong phân vùng và phân loại thủy sản

    • 1.4.1 Giới thiệu chung

    • 1.4.2 Các thách thức trong phát hiện và ước lượng mật độ cá thể

    • 1.4.3. Các mô hình thị giác máy tính dùng trong phát hiện cá thể

    • 1.4.4. Ước lượng và đếm cá thể thủy sản

  • 1.5. Các kỹ thuật phát hiện vật thể trong thị giác máy tính

    • 1.5.1. Giới thiệu chung về một số kỹ thuật trong thị giác máy tính

    • 1.5.2. Một số phương pháp phân vùng ảnh cổ điển

      • a. Phương pháp trích xuất đường viền (Edge Detection)

      • b. Phương pháp sử dụng ngưỡng (Thresholding)

      • c. Phân vùng ảnh dựa trên miền (Region Based Segmentation)

      • d. Phân vùng ảnh dựa trên nhóm đặc trưng

      • e. Phương pháp đường bao chủ động (Active Contour) và tập mức (Level set)

    • 1.5.3. Các phương pháp phát hiện vật thể hiện đại dùng học sâu

      • a. Cơ bản về mạng nơ ron tích chập CNN

      • b. Các mô hình học sâu trong phát hiện vật thể (Object detection)

      • c. Các mô hình học sâu trong phân vùng ảnh (Image Segmentation)

• CHƯƠNG 2: MÔ HÌNH HỆ THỐNG IOT ĐỊNH HƯỚNG ỨNG DỤNG TRONG NUÔI THỦY SẢN TẠI KIÊN GIANG

  • 2.1. Quy định, tiêu chuẩn về các tham số môi trường nước trong nuôi trồng thủy sản

  • 2.2 Mô hình hệ thống IoT ứng dụng trong nuôi thủy sản

    • 2.2.1 Nghiên cứu thiết kế mô hình hệ thống IoT

    • 2.2.2. Mô hình hệ thống IoT khi triển khai thực nghiệm tại hiện trường

    • 2.2.3 Yêu cầu kỹ thuật, xây dựng giải pháp cho các khối trong hệ thống

  • 2.3. Thiết kế, chế tạo phần cứng hệ thống IoT ứng dụng trong nuôi thủy sản

    • 2.3.1. Thiết kế, chế tạo thiết bị đầu cuối IoT thu thập dữ liệu từ cảm biến

    • 2.3.2. Thiết kế, chế tạo thiết bị IoT điều khiển cơ cấu chấp hành (IoT control node)

    • 2.3.3. Thiết kế và chế tạo IoT cổng (IoT gateway)

    • 2.3.4 Hệ thống camera thu thập hình ảnh

    • 2.3.5 Thiết kế phần mềm giám sát và điều khiển trung tâm

  • 2.4 Tích hợp và thử nghiệm hệ thống IoT

    • 2.4.1 Tích hợp thiết bị

    • 2.4.2 Thử nghiệm trong môi trường thực tế tại Kiên Giang

  • 2.5 Kết luận chương 2

• CHƯƠNG 3 THUẬT TOÁN PHÂN VÙNG ẢNH VÀ PHÂN LOẠI CÁ THỂ TẠI TRUNG TÂM THU THẬP VÀ XỬ LÝ DỮ LIỆU TRONG HỆ THỐNG ĐỊNH HƯỚNG ỨNG DỤNG TRONG NUÔI THỦY SẢN

  • 3.1 Phát hiện và phân loại cá thể dùng học sâu

    • 3.1.1 Phát hiện cá dùng phương pháp phân vùng

    • 3.1.2 Phân loại cá

    • 3.1.3 Phát hiện cá thể kết hợp phân loại

  • 3.2 Mô hình mạng nơ ron tích chập sử dụng khối giảm chiều đa tỉ lệ theo không gian và hàm mất mát dựa trên đường bao cục bộ và ứng dụng cho phân vùng hình ảnh cá

    • 3.2.1. Mô hình mạng nơ ron tích chập sử dụng khối giảm chiều đa tỉ lệ theo không gian

    • 3.2.2. Hàm mất mát cho mô hình bài toán phân đoạn ảnh cá

    • 3.2.3. Kết quả thực nghiệm

  • 3.3 Mô hình tập trung chú ý ConvMixer và áp dụng cho phân loại các loài cá

    • 3.3.1 Mô hình tập trung chú ý ConvMixer đề xuất

    • 3.3.2 Kết quả thực nghiệm

  • 3.4 Kết luận chương 3