CHƯƠNG I: CƠ SỞ LÝ THUYẾT 1.1 Tổng quan về drone 1.1 Giới thiệu về drone Máy bay không người lái hay còn thường được gọi là drone hay UAVs (Unmanned aerial vehicles) hay phương tiện bay không người lái nhỏ gọn (Micro aerial vehicles – MAVs), được sử dụng cho nhiều ứng dụng và nhiệm vụ dân sự và quân sự [5]. Máy bay không người lái có khả năng hoạt động với nhiều mức độ tự động khác nhau, bao gồm: điều khiển từ xa bởi người điều khiển, tự động hoàn toàn hoặc theo một chế độ không liên tục, được điều khiển bởi một máy tính trên máy bay. Các máy bay không người lái này có thể được trang bị với nhiều loại cảm biến khác nhau, tuỳ thuộc vào nhiệm vụ mà chúng được giao. Các cảm biến này bao gồm âm thanh, hình ảnh, hóa học, và sinh học để tăng cường hiệu suất và hiệu quả của drone.
Các nhà nghiên cứu đã tập trung vào tối ưu hóa thiết kế để phát triển và sản xuất nhiều loại phương tiện bay đa dạng. Máy bay không người lái có lịch sử sử dụng bắt đầu từ Chiến tranh Đầu tiên của Ý (1849). Đế quốc Áo phát triển hệ thống khinh khí cầu không người lái để thả bom xuống Venice. Sự phát triển này dẫn đến việc sử dụng khinh khí cầu và diều gắn thông tin trao đổi trong các cuộc chiến như Chiến tranh Nội binh Mỹ và Chiến tranh Mỹ-Tây Ban Nha.
Kể từ đó, máy bay không người lái đã tiếp tục được phát triển cho mục đích quân sự. Trong thời kỳ Chiến tranh Lạnh, Mỹ bắt đầu một chương trình nghiên cứu về máy bay không người lái dưới tên mã "Red Wagon". Đồng thời, GPS (Global Positioning System) dựa trên hệ thống định vị toàn cầu đã được giới thiệu. Máy bay không người lái thương mại đầu tiên được tạo ra bởi DJI vào năm 2006 [6].
Các drone thường được phân loại theo đa dạng tùy thuộc vào nhiệm vụ mà chúng được giao và dựa trên cấu hình của chúng [7]. Drone có thể chia thành thành chín loại khác nhau, ví dụ như drone cánh cố định, drone cánh quạt quay, drone cánh đập, drone cánh quạt nghiêng, drone quạt có ống, trực thăng, chim cánh cụt và các loại drone không thông thường khác [7].1 Các phân loại drone khác nhau [6] Hình 1. Hình ảnh về một số loại drone cánh quạt và cánh cứng Theo báo cáo của Drone Industry Insights, khối lượng giao dịch thị trường drone vào năm 2018 lên đến 14,1 tỷ đô la với triển vọng tăng trưởng gấp ba lần vào năm 2024 [8]. Doanh số drone kỳ vọng sẽ tăng đều đặn hàng năm, điều này được thể hiện 8 qua việc triển khai thương mại của máy bay không người lái với tốc độ phát triển rất nhanh, với lý do việc ứng dụng của drone đa dạng, từ dịch vụ vận chuyển hàng hóa, taxi drone, đến việc áp dụng trong nông nghiệp, cứu trợ thiên tai, đánh giá rủi ro và giám sát các cơ sở hạ tầng quan trọng [8].2 Ứng dụng của drone Drone là một hệ thống mang lại nhiều ứng dụng khác nhau, bao gồm cả ứng dụng trong lĩnh vực quân sự và dân sự.
Drone có thể thực hiện nhiều nhiệm vụ khác nhau cả trong môi trường ngoài trời và những địa hình phức tạp. Việc trang bị các cảm biến và máy ảnh khác nhau trên drone giúp cho nó có thể thực hiện được các nhiệm vụ tình báo, giám sát và trinh sát. Các ứng dụng của drone có thể được phân loại theo nhiều tiêu chí khác nhau, bao gồm tính chất nhiệm vụ (quân sự/dân sự), vùng bay (ngoài trời/trong nhà) và môi trường (dưới nước/trên mặt nước/trên mặt đất/trên không gian) [10]. Ví dụ, trong lĩnh vực dân sự, drone được sử dụng trong tìm kiếm cứu nạn, giám sát, chữa cháy, giám sát thời tiết và khảo sát [11], giám sát hạ tầng điện [12], quy hoạch, quản lý đô thị [13], giám sát môi trường xây dựng [11], giao thông đô thị [14], [15], giám sát sinh thái và môi trường [16], mô hình hóa phân bố các loài [17], sinh thái dân số [17], cũng như giám sát và bảo tồn sinh thái [18], nghiên cứu kiến trúc và di sản văn hóa [19]… 1.3 Giới thiệu về DJI Tello Drone DJI Tello Drone là một sản phẩm máy bay không người lái của tập đoàn sản xuất máy bay không người lái lớn nhất thế giới DJI.
Sản phẩm lần đầu tiên ra mắt tại thị trường thế giới từ tháng 3 năm 2018 [20]. Là một chiếc drone nhỏ gọn và giá thành rẻ 150 $, DJI Tello drone được trang bị một camera nằm ở mũi máy có khả năng chụp ảnh 5 MP và truyền video HD 720p. Với ưu điểm dễ cài đặt, chỉ cần tải ứng dụng từ các cửa hàng ứng dụng Appstore hoặc Google Play là có thể dễ dàng sử dụng để bay. DJI Tello drone còn có khả năng tự động cất cánh bay lên không trung và các cánh quạt được bảo vệ giúp việc điều hướng di chuyển máy bay được an toàn khi sử dụng để tránh va chạm vật thể trên đường bay gây nguy hiểm.
Với các ưu điểm trên, DJI Tello drone là một sản phẩm dễ tiếp cận, dễ sử dụng 9 và vẫn đảm bảo các tính năng đầy đủ phù hợp cho mục đích nghiên cứu, thử nghiệm nhiều đáp ứng phục vụ tìm hiểu sâu các vấn đề thực tiễn đang mắc phải trong đề tài nghiên cứu nhân diện hình dạng các vật thể bằng drone.2 Tổng quan về học máy 1.1 Giới thiệu về học máy Học máy (Machine learning) là một phương pháp phân tích dữ liệu giúp tự động hóa quá trình phân tích và tìm ra những đặc trưng quan trọng trong tập dữ liệu. Thay vì được lập trình cụ thể, học máy sử dụng các thuật toán trừu tượng để học từ dữ liệu, cho phép máy tính khám phá những thông tin ẩn sâu trong dữ liệu mà không thể dễ dàng đạt được bằng cách thông thường. Khi được tiếp xúc với dữ liệu mới, học máy có khả năng thích ứng nhanh chóng và độc lập để tạo ra những dự đoán và phân loại chính xác. Hơn nữa, học máy là một công nghệ được phát triển từ lĩnh vực Trí tuệ Nhân tạo tiên tiến nhất hiện nay.
Để đảm bảo tính chính xác và tránh sự xuất hiện của dữ liệu giả, quá trình nghiên cứu và lựa chọn các kỹ thuật phân tích dữ liệu từ con người vẫn là cần thiết. Học máy đã trở nên ngày càng phổ biến trên toàn cầu. Sự gia tăng đáng kể của dữ liệu lớn (Big Data) và các thuật toán Machine Learning đã cải thiện đáng kể độ chính xác của các mô hình và khả năng dự đoán trong tương lai. Trong mỗi bài toán Học máy, có hai giai đoạn quan trọng, đó là giai đoạn huấn luyện (training phase) và giai đoạn kiểm thử (test phase).
Giai đoạn huấn luyện sử dụng chỉ dữ liệu huấn luyện, trong khi giai đoạn kiểm thử sử dụng chỉ dữ liệu trong tập kiểm thử 1.2 Phân loại các phương pháp học máy Dựa trên đặc điểm của tập dữ liệu, học có giám sát và học không giám sát là hai nhóm chính trong thuật toán học máy [21]. Ngoài ra, học bán giám sát và học củng cố cũng là hai nhóm thuật toán đang thu hút sự chú ý gần đây [21].1 Học có giám sát (Supervised Learning) Học có giám sát (Supervised Learning) là một nhóm thuật toán trong machine 10 learning. Đặc trưng của học có giám sát là xây dựng mô hình dự đoán mối quan hệ giữa đầu vào và đầu ra dựa trên các cặp dữ liệu đã biết trước đó trong quá trình huấn luyện. Cụ thể, học có giám sát sẽ dự đoán kết quả (outcome) của một dữ liệu mới (new input) dựa trên các cặp (input, outcome) đã được biết trước [22].
Các cặp dữ liệu này còn được gọi là (data, label) hay (dữ liệu, nhãn). Chính những cặp này sẽ giúp mô hình học có giám sát hiểu và tìm ra mẫu, quy tắc để dự đoán đầu ra chính xác cho dữ liệu mới. Học có giám sát đóng vai trò quan trọng trong việc xác định tín hiệu tốt nhất để dự báo xu hướng và lợi nhuận trong tương lai, đặc biệt trong lĩnh vực cổ phiếu và chứng khoán. Nhờ vào thuật toán supervised learning, chúng ta có thể phân loại dữ liệu vào các nhóm khác nhau (classification) hoặc dự đoán giá trị số liệu cụ thể (regression).
Phân loại (Classification): Thuật toán phân loại giúp chúng ta xác định và phân loại dữ liệu vào các nhóm, lớp khác nhau. Ví dụ, trong lĩnh vực cổ phiếu, chúng ta có thể sử dụng phân loại để xác định xem một cổ phiếu có tiềm năng tăng giá (nhóm A) hay giảm giá (nhóm B). Hồi quy (Regression): Thuật toán hồi quy giúp chúng ta dự đoán và tìm ra mối quan hệ, xu hướng của dữ liệu. Với dữ liệu về giá cổ phiếu trong quá khứ, chúng ta có thể sử dụng thuật toán hồi quy để dự đoán giá trị cổ phiếu trong tương lai.
Học có giám sát là một nhóm thuật toán phổ biến nhất trong học máy (machine learning) và được sử dụng rộng rãi trong các ứng dụng thực tế. Với khả năng phân loại và dự đoán chính xác, học có giám sát đã tạo nên những thành tựu đáng kể trong nhiều lĩnh vực, bao gồm dự báo thị trường tài chính, phân loại dữ liệu y tế, nhận dạng khuôn mặt và nhiều ứng dụng khác. Sự kết hợp giữa dữ liệu huấn luyện và mô hình học có giám sát giúp chúng ta hiểu rõ hơn về dữ liệu và tạo ra những dự đoán có giá trị trong thực tế.2 Học không giám sát (Unsupervised Learning) Học không giám sát (Unsupervised Learning) là một nhóm thuật toán trong machine learning. Trái ngược với học có giám sát, trong học không giám sát, dữ liệu 11 huấn luyện không đi kèm với các đầu ra tương ứng.
Thay vào đó, các thuật toán học không giám sát tìm cách trích xuất thông tin quan trọng dựa trên mối liên quan giữa các điểm dữ liệu [22]. Trong học không giám sát, chúng ta không có mục tiêu cụ thể để dự đoán hay phân loại, mà thay vào đó, chúng ta muốn tìm hiểu cấu trúc, mô hình ẩn trong tập dữ liệu. Các thuật toán học không giám sát giúp chúng ta phát hiện các nhóm, cụm dữ liệu tương đồng, các mẫu xu hướng, hay đặc trưng nổi bật trong tập dữ liệu. Một ví dụ điển hình của học không giám sát là thuật toán phân cụm (clustering), nơi chúng ta cố gắng phân chia dữ liệu vào các nhóm riêng biệt dựa trên đặc điểm tương đồng.
Các thuật toán học không giám sát còn được sử dụng trong việc giảm chiều dữ liệu, khám phá luật liên kết trong dữ liệu, xác định các điểm ngoại lệ, và nhiều ứng dụng khác.