Chương 1 TỔNG QUAN 1.1 Lý do chọn đề tài Việt Nam là đất nước trong bán đảo Trung Ấn, được thiên nhiên phú cho nhiều điều kiện thuận lợi để phát triển ngành thủy sản. Nghề thủy sản Việt Nam gồm cả đánh bắt và nuôi trồng đã tồn tại và phát triển từ lâu đời, trải qua nhiều thăng trầm cho đến nay ngành thủy sản đã phát triển mạnh mẽ, có khả năng cạnh tranh với nhiều nước đứng đầu về xuất khẩu thủy sản. Nuôi trồng thủy sản đã phát triển mạnh và đạt kết quả cao, hình thành nên phong trào nuôi trồng rộng rãi trong nhân dân. Vì vậy, nhu cầu con giống trên thị trường hiện nay rất lớn.
Tuy nhiên, việc giao dịch mua bán con giống ngày nay vẫn còn sử dụng phương pháp đếm truyền thống thông qua đếm mẫu và ước lượng là chủyếu. Phương pháp đếm thủ công này tốn nhiều thời gian và độ chính xác không cao. Ý thức được sự cần thiết của đề tài nên tác giả đã quyết định chọn đề tài “Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh” để nghiên cứu.2 Lịch sử giải quyết vấn đề 1.1 Ngoài nước Hình 1. Máy đếm quang học có hệ thống camera 1 Luan van Theo nghiên cứu của nhóm tác giả Brinson A.Lawrence, Eric Steime, Will Flanery and Kurt Kramer, [1] máy Larvae Counting System như Hình 1.1, sử dụng phương pháp kết hợp máy quét quang học và phần mềm liên kết hình ảnh để đếm tôm.
Phương pháp này làm giảm căng thẳng cho tôm và tăng độ chính xác so với các kỹ thuật truyền thống. Thiết bị nặng 4 kg, có thể đếm tôm với tốc độ trên 1000 cá thể/phút, có độ chính xác 95%. Giá đề xuất trên thị trường khoảng $30. Thiết bị thứ 2 có tên The XperCount1 như hình 1.
Thiết bị này do XpertSea Solutions Inc [2] (một nhà sản xuất hàng đầu các sản phẩm công nghệ tin học phần cứng và phần mềm của ngành thủy sản) sản xuất. Thiết bị XperCount1 có thể đếm các động vật thủy sinh như Artemia, vi tảo, ấu trùng tôm cá và tôm cá giống. Máy đếm sinh vật trong thùng nhựa HDPE có mức nước thấp nhất 500 ml và cao nhất 10 lít nước, cho kết quả trong 5 giây, với độ chính xác khoảng 95%. Thiết bị XperCount1 trên thị trường có giá khoảng $5000.
Máy đếm tôm, cá giống Năm 2016 XpertSea Solutions Inc, cho ra mắt tại thị trường Việt Nam thiết bị XpertCount2 với các tính năng báo cáo chất lượng cho trại sản xuất giống. Thiết bị XperCount2 sử dụng công nghệ quang học an toàn cho tất cả sinh vật. Thiết bị này có thể đếm nhiều loại sinh vật, giúp người sử dụng đếm hàng nghìn sinh vật, từ các tế bào vi tảo, ấu trùng đến các hậu ấu trùng chỉ trong vài phút, độ chính xác > 95%, pin sử dụng từ 8-10 tiếng. 2 Luan van Hình 1.
Máy đếm con giống XperCount2 Các máy đếm tôm giống trên có giá khá cao, công nghệ hiện đại và hiện tại các cơ sở sản xuất mua bán tôm giống trong nước nhập về để sử dụng chưa nhiều. Việc bảo trì, sử dụng các loại máy trên cũng rất khó khăn. Các bài báo khoa học nước ngoài liên quan đến đề tài Theo các tác giả Addthajaroon, S.Chamnongthai [3] sử dụng thuật toán biến đổi hệ số wavelet nhận dạng tôm giống. Thuật toán sử dụng phương pháp biến đổi hệ số wavelet thuận, sử dụng kỹ thuật xử lý hình thái xác định chiều dọc, ngang và chéo nhau để tìm đặc trưng của chúng (ví dụ như 2 con mắt), sau đó biến đổi wavelet ngược, các con có những đặc trưng sẽ được tìm thấy.
Nhược điểm của phương pháp này là khi đếm những con tôm trùng lên nhau thì độ chính xác không cao. Kết quả đếm được 80,61 % trong trường hợp hai con trùng nhau. Khiripet [4] sử dụng thuật toán biểu đồ đồng dạng màu (Co-occurrence Color Histogram) đếm tôm giống. Tôm giống được chứa trong chậu kính, hình ảnh được xử lý trước để loại bỏ nhiễu, phân đoạn chia ra hai lớp những con tôm kết nối và không kết nối với nhau.
Đếm bằng giải thuật giới hạn kích thước diện tích pixel. Bài báo công bố kết quả thực nghiệm phương pháp này chính xác 97%. 3 Luan van Hai thuật toán của hai bài báo khoa học trên chỉ áp dụng với những tôm giống có kích thước lớn khoảng post 15, các post nhỏ hơn thuật toán không còn chính xác. Vì những post nhỏ hình ảnh đầu vào được phân đoạn và xử lý hình thái, kết quả ảnh đầu ra không có những đặc trưng nhất định để nhận dạng.Toh và các cộng sự [5] đã trình bày một giải pháp đơn giản để đếm cá tự động sử dụng kỹ thuật xử lý ảnh.
Đánh dấu các đốm màu tương ứng với vị trí của cá trong từng khung ảnh. Ảnh sau đó sẽ được lọc nhiễu và nền xung quanh các đốm màu. Đếm số lượng đốm màu chính là số cá có trong mỗi khung hình. Kết quả cho thấy đếm đúng số lượng cá với đàn cá có 5, 10, 15 và 50 con.
Lỗi sẽ tăng lên theo số lượng cá. Phương pháp này hiệu quả đối với số lượng cá ít. Bởi vì khi đó, khoảng cách giữa các cá thể cá cách xa nhau. Khả năng cá bơi riêng lẻ nhiều, giảm số lượng cá bơi chồng lên nhau.
Do đó, xử lý sẽ chính xác hơn. Lopez [6] nghiên cứu về đề tài hệ thống đếm ấu trùng sò Peruvian sử dụng kỹ thuật xử lý ảnh. Một hệ thống giám sát tự động để phát hiện ấu trùng sò Peru trong những ảnh kính hiển vi. Các thuật toán xử lý hình ảnh và phép thống kê được áp dụng để phát hiện và đếm số ấu trùng chứa trong một ảnh kính hiển vi cũng như để đo diện tích của một ấu trùng.
Hong, sử dụng kỹ thuật xử lý ảnh để phân loại cá. Ảnh cá sau khi chụp được đưa qua các khâu tiền xử lý như: chuyển ảnh xám, ảnh nhị phân, tăng cường ảnh, tách biên để trích ra 11 thông số đặc trưng cho 4 loại cá cần phân loại bằng phần mềm Matlab. Phương pháp này đạt kết quả nhận dạng trung bình là 96,67%. [7] Nhìn chung, các bài báo trên tác giả đều ứng dụng kỹ thuật xử lý ảnh trong việc nhận dạng ra đối tượng.
Sau đó, sử dụng các phép toán thống kê để đếm số lượng đối tượng trong ảnh nên độ chính xác chưa cao. Vì vậy, để đạt được độ chính xác cao hơn nên kết hợp kỹ thuật xử lý ảnh và mạng nơ-ron để học nhận dạng và đếm số lượng đối tượng. Chẳng hạn như các tác giả K. Learmonth [8] đã sử dụng kỹ thuật xử lý ảnh và mạng nơ-ron để chuẩn đoán bệnh lao; hai tác giả M.
Yousuf [9] đã kết hợp 4 Luan van hai kỹ thuật này vào việc phát hiện ung thư phổi; nhóm tác giả P. Vishnu Priya and S. Valantina [10] đã ứng dụng kỹ thuật xử lý ảnh và mạng nơ-ron vào việc phân tích chất lượng hạt gạo. Kết quả cho thấy độ chính xác cao hơn so với phương pháp phân tích bằng kinh nghiệm của con người.2 Trong nước Năm 2014, Huỳnh Hoàng Giang và nhóm cộng sự [11] đã thực hiện đề tài “Máy đếm tôm giống có năng suất 6000 con/giờ” là nghiên cứu khoa học cấp trường với mã số TSV2014-07 như hình 1.
Đề tài đạt được những mục tiêu ban đầu đặt ra có năng suất trên 6000 con/giờ, có độ chính xác 95%, mô hình gọn nhẹ. Bên cạnh đó đề tài còn hạn chế như năng suất chưa cao, chưa loại bỏ được các tạp chất (bụi, xác tôm, tôm chết) ảnh hưởng đến khả năng chính xác của máy. Tháng 8/ 2014,Võ Minh Trí [12] thuộc bộ môn tự động hóa trường Đại học Cần Thơ đã thiết kế chế tạo và thử nghiệm thiết bị đếm tôm giống bằng cảm biến quang. Máy dựa trên phương pháp đếm quang học, cụ thể là dùng cảm biến quang để đếm tôm.
Kết quả nghiên cứu bước đầu cho thấy thiết bị đếm tôm đạt năng suất 6000 con/giờ và độ chính xác khoảng 95%, sai số tối đa trong khoảng ± 5%. Các bài báo khoa học trong nước liên quan đến đề tài Trong Hội nghị toàn quốc lần 3 về điều khiển và tự động hóa - VCCA- 2015, nhóm tác giả gồm Trương Quốc Bảo, Nguyễn Chánh Nghiệm, Nguyễn Minh Kha, Huỳnh Hoàng Giang, Võ Minh Trí [13] thuộc trường ĐH Cần Thơ đã phát triển thuật toán xử lý ảnh để phát hiện và đếm tôm giống. Thuật toán chính được sử dụng là thuật toán phân đoạn ảnh dựa trên ngưỡng tối ưu và một số thuật toán khác như trừ nền, xử lý hình thái ảnh, để hỗ trợ nhận dạng số lượng tôm giống. Kết quả thực nghiệm bước đầu cho thấy giải thuật đếm có độ chính xác khoảng 94%, thời gian xử lý khoảng 8 giây.
5 Luan van Hình 1. Máy đếm tôm giống có năng suất 6000 con/giờ Hình 1. Mô hình thiết bị đếm tôm 1.3 Mục tiêu của đề tài Mục tiêu của đề tài là xây dựng giải pháp nhận dạng và đếm con giống ứng dụng công nghệ xử lý ảnh và mạng nơ-ron. Giải pháp có khả năng loại bỏ các tạp chất như bụi, lá cây, cành cây khô,…trong quá trình đếm.4 Nhiệm vụ và giới hạn của đề tài Ảnh cá sau khi qua một số khâu tiền xử lý, sẽ đến khâu nhận dạng những con cá giống và phải loại bỏ được các ảnh tạp chất, đây là một bài toán đặt ra cho đề tài này.
Nhiệm vụ của chương trình phần mềm là thu thập dữ liệu về những con cá cũng như dữ liệu của tạp chất, dữ liệu thu được sẽ được sử dụng làm dữ liệu mẫu để đưa vào huấn luyện mạng nơ-ron. Sau đó, những dữ liệu thu được từ các con cá giống cần xử lý sẽ được thu thập và đưa vào mạng nơ-ron đã được huấn luyện trước để xử lý, từ đó đưa ra hướng điều khiển thích hợp. Trong khả năng nghiên cứu của tác giả, đề tài chỉ được giới hạn trong việc tự chụp trước các hình chụp mẫu về những con cá giống (300 ảnh) và những ảnh tạp (100 ảnh), đưa vào phần mềm để phân tích ảnh và trích ra các đặc trưng của cá giống và của ảnh tạp, sau đó đưa vào mạng thần kinh nhân tạo để huấn luyện. Đồng thời, tác giả cũng chụp nhiều hình ảnh ngẫu nhiên về các con cá giống và các ảnh tạp, sau đó đưa vào phần mềm để phân tích ảnh, và trích ra các đặc trưng của ảnh cá, ảnh tạp, tiếp theo đưa những dữ liệu thu nhận được vào mạng thần kinh nhân tạo đã được huấn luyện để nhận dạng cá giống, sau khi nhận dạng, hệ thống sẽ đưa ra quyết định loại bỏ ảnh tạp và chỉ giữ lại ảnh cá giống.