Tổng quan nghiên cứu

Thị trường thiết bị bay không người lái cỡ nhỏ đang ghi nhận tốc độ tăng trưởng kép hàng năm ước tính đạt trên 15%, phục vụ đa dạng các lĩnh vực từ cứu hộ, giao vận hàng hóa đến nông nghiệp thông minh và an ninh giám sát. Tuy nhiên, các dòng drone thương mại giá rẻ phân khúc dưới 100 USD như DJI Tello với trọng lượng chỉ 80 gam và thời gian bay tối đa 13 phút thường bị cắt giảm bộ vi xử lý trí tuệ nhân tạo trên bo mạch. Hạn chế phần cứng này khiến thiết bị không thể tự động phát hiện, định vị và bám đuổi các mục tiêu động trong không gian thực tế mà phải phụ thuộc hoàn toàn vào thao tác điều khiển thủ công từ con người.

Nghiên cứu này tập trung giải quyết bài toán xây dựng hệ thống tự hành hoàn chỉnh cho drone mini thông qua việc kết hợp thuật toán học máy và thị giác máy tính phân tán. Mục tiêu cụ thể là thiết lập kênh truyền nhận video không dây qua sóng Wi-Fi băng tần 2.4 GHz giữa drone DJI Tello và máy tính cá nhân, ứng dụng mô hình học sâu Single Shot MultiBox Detector trên nền tảng TensorFlow để nhận diện mục tiêu, đồng thời lập trình giải thuật điều hướng bám đuổi theo thời gian thực bằng ngôn ngữ Python. Phạm vi nghiên cứu được thực hiện tại Trường Đại học Bách Khoa thuộc Đại học Quốc gia Thành phố Hồ Chí Minh, hoàn thành vào tháng 12 năm 2022 trong điều kiện môi trường kiểm soát ổn định. Kết quả nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi giúp thiết bị bay đạt độ chính xác nhận diện từ 81% đến 98%, đồng thời duy trì độ trễ phản hồi lệnh điều khiển dưới 200 mili-giây mà không làm phát sinh thêm chi phí phần cứng đắt đỏ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết mạng nơ-ron tích chập và thị giác máy tính thời gian thực. Cốt lõi của hệ thống là kiến trúc Single Shot MultiBox Detector kết hợp mạng cơ sở VGG-16 đã lược bỏ các tầng kết nối đầy đủ, thay thế bằng 6 tầng tích chập phụ trợ nhằm tạo ra các bản đồ đặc trưng đa tỷ lệ. Ba khái niệm trọng tâm xuyên suốt công trình gồm:

Thứ nhất, hàm mất mát tổng hợp của Single Shot MultiBox Detector, kết hợp giữa mất mát độ tin cậy dựa trên độ đo entropy chéo và mất mát định vị tọa độ dựa trên chuẩn khoảng cách L2.

Thứ hai, kỹ thuật hộp giới hạn đa tỉ lệ, cho phép thuật toán dự đoán đồng thời nhãn phân loại và tọa độ không gian của vật thể trên từng ô lưới chỉ qua một lượt quét ảnh duy nhất.

Thứ ba, đồ thị luồng dữ liệu tensor trong thư viện TensorFlow và các toán tử xử lý khung hình thời gian thực của thư viện mã nguồn mở OpenCV, hỗ trợ tối ưu hóa việc phân tích luồng dữ liệu video truyền về từ camera.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập trực tiếp qua camera độ phân giải HD 720p tốc độ 30 khung hình trên giây của drone DJI Tello và webcam máy tính. Cỡ mẫu nghiên cứu bao gồm tổng cộng 1.000 hình ảnh thực tế, trải đều qua 4 lớp đối tượng thử nghiệm gồm điện thoại di động, mũ lưỡi trai, hộp giấy và hộp tai nghe không dây, với dung lượng mẫu khảo sát được chia thành 5 mức tăng dần từ 50, 100, 150, 200 đến 250 ảnh cho mỗi đối tượng.

Phương pháp chọn mẫu có chủ đích được áp dụng kết hợp phân tầng đa góc chụp và đa điều kiện ánh sáng nhằm đảm bảo tính đại diện cao cho tập huấn luyện và tập kiểm thử theo tỉ lệ phân chia chuẩn 80:20. Lý do lựa chọn mô hình Single Shot MultiBox Detector thay vì YOLO hay Teachable Machine là nhờ khả năng cân bằng vượt trội giữa độ chính xác nhận dạng và hiệu năng tính toán, giúp tiết kiệm hơn 40% tài nguyên xử lý so với các mô hình hai giai đoạn, rất thích hợp cho việc truyền dữ liệu không dây. Toàn bộ quy trình nghiên cứu được triển khai chặt chẽ trong vòng 5 tháng, trong đó giai đoạn thu thập dữ liệu và tiền xử lý nhãn bằng công cụ chuyên dụng chiếm 70% thời gian, trong khi 3 bước cuối gồm huấn luyện qua 2.000 bước lặp, đánh giá mô hình và tối ưu giải thuật điều khiển chiếm 30% thời lượng nghiên cứu còn lại.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm và kiểm thử hệ thống đã ghi nhận 4 phát hiện quan trọng:

Thứ nhất, quá trình huấn luyện mô hình Single Shot MultiBox Detector trên tập dữ liệu ghi nhận chỉ số tổn thất phân loại giảm nhanh chóng qua 2.000 bước lặp, đạt mức tối ưu 0,0799 ở dải bước từ 1.950 đến 2.000, giảm hơn 85% so với mức mất mát ở 100 bước huấn luyện đầu tiên.

Thứ hai, độ chính xác nhận diện tỷ lệ thuận với số lượng mẫu huấn luyện đầu vào. Khi thử nghiệm nhận dạng điện thoại di động, độ chính xác tăng từ 85% ở mức 50 mẫu lên 97% ở mức 250 mẫu, tương ứng mức tăng 12 điểm phần trăm. Tương tự, đối với mũ lưỡi trai, độ chính xác tăng từ 81% ở 50 mẫu lên 98% ở mức 250 mẫu, tương ứng mức tăng 17 điểm phần trăm.

Thứ ba, giải thuật điều khiển phân vùng 9 ô lưới trên khung hình camera giúp drone phản xạ chính xác theo tọa độ vật thể, kích hoạt các lệnh xoay trái, xoay phải, nâng cao độ hoặc hạ cao độ với giá trị vận tốc 60 đơn vị, giữ mục tiêu trong vùng trung tâm ổn định trong hơn 90% thời gian thử nghiệm.

Thứ tư, hệ thống duy trì luồng kết nối không dây ổn định trong bán kính hoạt động 10 mét, với độ trễ truyền hình ảnh và xử lý lệnh điều hướng trung bình duy trì ở mức 120 đến 180 mili-giây, đảm bảo drone không bị mất dấu mục tiêu khi đối tượng di chuyển với vận tốc dưới 0,5 mét trên giây.

Thảo luận kết quả

Nguyên nhân chính giúp độ chính xác đạt đỉnh 98% là nhờ 6 tầng tích chập phụ trợ của Single Shot MultiBox Detector trích xuất chi tiết các đặc trưng hình học của vật thể ở nhiều kích thước khác nhau. Việc tận dụng năng lực tính toán của bộ xử lý đồ họa trên máy tính xách tay đã giải quyết triệt để điểm nghẽn về phần cứng của dòng drone DJI Tello chỉ nặng 80 gam. Khi so sánh với Teachable Machine, mô hình Single Shot MultiBox Detector vượt trội hơn hẳn nhờ khả năng cung cấp trực tiếp tọa độ hộp giới hạn thay vì chỉ trả về nhãn phân loại đơn thuần.

Trong các báo cáo thực nghiệm, tập dữ liệu kết quả được trực quan hóa sinh động qua biểu đồ đường thể hiện tương quan tuyến tính giữa dung lượng mẫu từ 50 đến 250 ảnh và tỉ lệ nhận dạng thành công. Đồng thời, bảng thống kê đối chiếu 2 cột được sử dụng để theo dõi sự suy giảm của hàm mất mát qua từng chu kỳ huấn luyện, phản ánh độ tin cậy cao của thuật toán trước khi nạp vào quy trình điều khiển thực địa.

Đề xuất và khuyến nghị

Nhằm nâng cao tính tự chủ và khả năng ứng dụng thực tế của thiết bị bay, 4 giải pháp trọng tâm sau đây được khuyến nghị triển khai:

Thứ nhất, tích hợp bo mạch xử lý biên: Nhóm kỹ sư phần cứng nhúng cần tiến hành tích hợp các vi mạch xử lý siêu nhẹ như Raspberry Pi hoặc Jetson Nano có trọng lượng dưới 50 gam trực tiếp lên thân drone trong thời gian 6 tháng tới, nhằm loại bỏ 100% sự phụ thuộc vào mạng Wi-Fi trung gian và giảm độ trễ điều khiển xuống dưới 50 mili-giây.

Thứ hai, áp dụng bộ điều khiển tỷ lệ tích phân vi phân: Nhóm kỹ sư giải thuật cần lập trình thay thế cơ chế điều hướng ngưỡng cố định bằng bộ điều khiển PID trong vòng 3 tháng, hướng tới mục tiêu giảm 40% hiện tượng rung lắc khung hình và giúp quỹ đạo bám đuổi mục tiêu trở nên mượt mà, chính xác hơn.

Thứ ba, mở rộng tập dữ liệu môi trường phức tạp: Nhóm nghiên cứu thị giác máy tính cần thu thập và gán nhãn thêm ít nhất 2.000 hình ảnh mẫu trong điều kiện ánh sáng yếu dưới 50 lux và có vật cản che khuất, thời hạn hoàn thành trong 4 tháng, nhằm đảm bảo độ chính xác nhận diện ngoài trời luôn đạt trên 90%.

Thứ tư, lượng tử hóa và nén mô hình học sâu: Nhóm chuyên gia tối ưu hóa cần thực hiện chuyển đổi mô hình sang định dạng nén TensorFlow Lite trong thời gian 2 tháng, nhằm cắt giảm 60% dung lượng tệp mô hình từ khoảng 100 megabyte xuống dưới 30 megabyte, tối ưu hóa tốc độ tải và xử lý khung hình trên các thiết bị giới hạn bộ nhớ.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng thực tiễn cho 4 nhóm đối tượng chính:

Thứ nhất, sinh viên và học viên cao học chuyên ngành Kỹ thuật máy tính và Trí tuệ nhân tạo: Luận văn cung cấp toàn bộ quy trình thực nghiệm chuẩn mực từ gán nhãn dữ liệu bằng labelImg, huấn luyện Single Shot MultiBox Detector qua TensorFlow đến lập trình điều khiển drone bằng Python, làm tài liệu tham khảo cho các đồ án tốt nghiệp.

Thứ hai, các kỹ sư và nhà nghiên cứu trong lĩnh vực Robot và Thiết bị bay không người lái: Tiếp cận giải pháp điều khiển phân tán qua mạng không dây, giải quyết bài toán tự hành cho các dòng drone kích thước siêu nhỏ dưới 100 gam thiếu chip xử lý chuyên dụng.

Thứ ba, các doanh nghiệp phát triển giải pháp an ninh và nông nghiệp công nghệ cao: Khai thác giải thuật bám đuổi mục tiêu tự động để phát triển các mẫu drone tuần tra nhà xưởng hoặc giám sát mùa màng, giúp giảm hơn 50% chi phí đầu tư thiết bị so với các hệ thống bay tự hành chuyên dụng.

Thứ tư, giảng viên và chuyên gia đào tạo công nghệ thông tin: Sử dụng các sơ đồ kiến trúc, đoạn mã giả lập trình và dữ liệu thực nghiệm trong luận văn làm giáo trình bài giảng trực quan cho các môn học Thị giác máy tính và Học máy ứng dụng.

Câu hỏi thường gặp

Tại sao nghiên cứu lựa chọn mô hình Single Shot MultiBox Detector thay vì YOLO hay Teachable Machine? Mô hình Teachable Machine chỉ xuất định dạng tệp đơn giản phục vụ phân loại nhãn và không cung cấp tọa độ không gian để điều hướng bay. Trong khi đó, YOLO yêu cầu cấu hình phần cứng rất cao và dung lượng bộ nhớ lớn dễ gây nghẽn luồng video không dây. Mô hình Single Shot MultiBox Detector kết hợp mạng VGG-16 đảm bảo độ chính xác trên 90% và duy trì tốc độ xử lý ổn định 30 khung hình trên giây trên máy tính cá nhân.

Drone DJI Tello thực hiện xử lý học máy trực tiếp hay thông qua thiết bị trung gian? Do drone DJI Tello có trọng lượng siêu nhẹ 80 gam và cấu hình tối giản nên không tích hợp vi xử lý trí tuệ nhân tạo trên thân máy. Hệ thống sử dụng cơ chế truyền hình ảnh qua sóng Wi-Fi về máy tính xách tay để mô hình TensorFlow nhận dạng, sau đó gửi ngược lại các gói lệnh điều khiển theo 4 hướng với độ trễ phản hồi dưới 200 mili-giây.

Cần cung cấp bao nhiêu hình ảnh mẫu để mô hình đạt độ chính xác nhận diện trên 95%? Kết quả thực nghiệm trên các vật thể như điện thoại và mũ lưỡi trai chứng minh rằng với 50 mẫu ảnh ban đầu, độ chính xác chỉ đạt từ 81% đến 85%. Khi nâng quy mô tập dữ liệu lên 250 mẫu kết hợp chụp đa góc độ, độ chính xác nhận dạng tăng vọt lên mức 97% đến 98%, khẳng định ngưỡng tối ưu cho mỗi lớp vật thể là từ 200 đến 250 ảnh.

Thuật toán điều khiển drone bám theo mục tiêu hoạt động dựa trên nguyên lý nào? Toàn bộ khung hình camera được chia thành lưới tọa độ 3x3 tương ứng với 9 phân vùng không gian. Khi tọa độ trung tâm của vật thể lệch sang các vùng xung quanh, thuật toán sẽ tự động gửi lệnh xoay trái, xoay phải hoặc thay đổi độ cao với giá trị 60 đơn vị để kéo vật thể về lại vùng trung tâm, nơi drone sẽ giữ trạng thái bay lơ lửng ổn định.

Hệ thống hoạt động tối ưu nhất trong những điều kiện môi trường nào? Hệ thống đạt hiệu suất cao nhất trong môi trường trong nhà hoặc khu vực kín gió, cường độ ánh sáng đạt trên 300 lux, không có vật cản phức tạp và phạm vi bay cách điểm phát sóng Wi-Fi dưới 10 mét. Khi hoạt động ngoài trời có gió giật vượt quá 3 mét trên giây hoặc ánh sáng yếu dưới 50 lux, độ chính xác nhận diện và khả năng cân bằng sẽ bị suy giảm.

Kết luận

  • Xây dựng thành công hệ sinh thái drone tự hành nhận diện và bám theo mục tiêu bằng học máy với chi phí phần cứng tối ưu dưới 100 USD.
  • Hoàn thiện quy trình 5 bước khép kín từ thu thập dữ liệu ảnh, tiền xử lý gán nhãn, huấn luyện mô hình Single Shot MultiBox Detector qua 2.000 bước đến lập trình điều khiển thời gian thực bằng Python.
  • Đạt độ chính xác nhận dạng vượt trội từ 97% đến 98% khi tối ưu hóa tập dữ liệu đạt ngưỡng 250 mẫu cho mỗi lớp đối tượng.
  • Thiết lập giải thuật điều hướng 9 phân vùng không gian giúp drone tự động bám đuổi mục tiêu với độ trễ phản hồi thấp dưới 200 mili-giây.
  • Đóng góp nguồn tư liệu tham khảo thực nghiệm quý giá cho cộng đồng nghiên cứu thị giác máy tính và điều khiển thiết bị bay không người lái tại Việt Nam.

Đóng góp cốt lõi của công trình là chứng minh tính khả thi của giải pháp tính toán phân tán giữa drone mini và máy tính ngoài, mở ra hướng đi hiệu quả cho các bài toán tự hành trên thiết bị giới hạn tài nguyên. Trong lộ trình từ 6 đến 12 tháng tới, hệ thống sẽ tiếp tục được nâng cấp với chip xử lý biên cục bộ và bộ điều khiển PID chống rung. Các nhà nghiên cứu và lập trình viên hãy ứng dụng ngay kiến trúc này để phát triển các dự án drone thông minh phục vụ đời sống và sản xuất.