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

Nghiên cứu hệ thống IoT thu thập dữ liệu, thuật toán phân vùng, phân loại cá thể bằng học sâu cho nuôi trồng thủy sản. Ứng dụng hiệu quả, tối ưu hóa quy trình.

Trường đại học

Đại Học Bách Khoa Hà Nội

Người đăng

Ẩn danh

Thể loại

Luận Án Tiến Sĩ

2024

133
6
0

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CAM ĐOAN

1. MỞ ĐẦU

2. TỔNG QUAN VỀ INTERNET KẾT NỐI VẠN VẬT VÀ MẠNG NƠ RON HỌC SÂU ỨNG DỤNG TRONG THỦY SẢN

2.1. Tổng quan về hệ thống IoT

2.2. Hiện trạng và nhu cầu ứng dụng IoT cho nuôi thủy sản

2.3. Kiến trúc và các giao thức hệ thống IoT

2.3.1. Kiến trúc hệ thống IoT

2.3.2. Giao thức truyền thông LORA trong IoT

2.4. Tổng quan về ứng dụng xử lý ảnh trong phân vùng và phân loại thủy sản

2.4.1. Giới thiệu chung

2.4.2. Các thách thức trong phát hiện và ước lượng mật độ cá thể

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

2.4.4. Ước lượng và đếm cá thể thủy sản

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

2.4.5.1. Giới thiệu chung về một số kỹ thuật trong thị giác máy tính
2.4.5.2. Một số phương pháp phân vùng ảnh cổ điển
2.4.5.3. Các phương pháp phát hiện vật thể hiện đại dùng học sâu

2.4.6. Các vấn đề nghiên cứu cần giải quyết

2.5. Kết luận chương 1

3. MÔ HÌNH HỆ THỐNG IoT ĐỊNH HƯỚNG ỨNG DỤNG TRONG NUÔI THỦY SẢN TẠI KIÊN GIANG

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

3.2. Mô hình hệ thống IoT ứng dụng trong nuôi thủy sản

3.3. Nghiên cứu thiết kế mô hình hệ thống IoT

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

3.5. Yêu cầu kỹ thuật, xây dựng giải pháp cho các khối trong hệ thống

3.6. Thiết kế, chế tạo phần cứng và thiết kế phần mềm hệ thống IoT ứng dụng trong nuôi thủy sản

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

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

3.6.3. Thiết kế và chế tạo IoT cổng (IoT gateway)

3.7. Hệ thống camera thu thập hình ảnh

3.8. Thiết kế phần mềm giám sát và điều khiển trung tâm

3.9. Tích hợp và thử nghiệm hệ thống IoT

3.9.1. Tích hợp thiết bị

3.9.2. Thử nghiệm trong môi trường thực tế tại Kiên Giang

3.10. Kết luận chương 2

4. 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

4.1. Phát hiện và phân loại cá thể dùng học sâu

4.2. Phát hiện cá dùng phương pháp phân vùng

4.3. Phát hiện cá thể kết hợp phân loại

4.4. 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 thể

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

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

4.7. Kết quả thực nghiệm

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

4.9. Mô hình tập trung chú ý ConvMixer đề xuất

4.10. Kết quả thực nghiệm

4.11. Kết luận chương 3

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN

DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan Nghiên cứu Hệ Thống IoT và Học Sâu Thủy Sản 55 ký tự

Ngành nuôi trồng thủy hải sản Việt Nam đóng vai trò quan trọng trong nền kinh tế, đặc biệt với bờ biển dài và tiềm năng phát triển lớn. Ứng dụng công nghệ thông tin và tự động hóa đang trở thành xu hướng tất yếu, mang lại nhiều lợi ích như giảm sức lao động, sử dụng hiệu quả tài nguyên, tăng năng suất và tạo ra sản phẩm chất lượng cao. Trong đó, việc tích hợp IoT trong nuôi trồng thủy sảnHọc sâu trong nuôi trồng thủy sản mở ra những cơ hội mới để tối ưu hóa quy trình sản xuất và quản lý. Các hệ thống nuôi tôm cá hiện đại đang dần tiếp cận theo hướng hệ sinh thái, kết nối và ứng dụng các công nghệ mới, đặc biệt là Internet kết nối vạn vật (IoT) ở khu vực Đồng bằng Sông Cửu Long.

Việc áp dụng IoT vào quan trắc môi trường nước giúp phát hiện ô nhiễm và kích hoạt các quy trình xử lý nước tự động. Kỹ thuật IoT băng hẹp (NB-IoT) mở rộng phạm vi phủ sóng và tiết kiệm năng lượng cho các thiết bị đầu cuối. Bên cạnh đó, việc sử dụng học máy, học sâu, trí tuệ nhân tạo (AI) trong thủy sản cho phép đo lường khối lượng cá thể một cách nhanh chóng, không xâm phạm và khách quan.

1.1. Hiện trạng và nhu cầu ứng dụng IoT cho nuôi thủy sản

Ứng dụng IoT trong nuôi trồng thủy sản ngày càng trở nên cấp thiết do nhu cầu nâng cao hiệu quả sản xuất, giảm thiểu rủi ro và bảo vệ môi trường. Các hệ thống IoT giúp giám sát chất lượng nước, nhiệt độ, độ pH và các thông số quan trọng khác, từ đó đưa ra các quyết định điều chỉnh kịp thời. Nhiều nghiên cứu đã tập trung vào thiết kế các hệ thống IoT để giám sát môi trường nước, phát hiện ô nhiễm và kích hoạt quá trình lọc nước khi cần thiết. Tuy nhiên, vẫn còn nhiều thách thức trong việc triển khai và vận hành các hệ thống này, đặc biệt là về chi phí, độ tin cậy và khả năng tích hợp với các hệ thống quản lý hiện có.

1.2. Tổng quan về ứng dụng xử lý ảnh trong phân vùng thủy sản

Xử lý ảnhhọc sâu đóng vai trò quan trọng trong việc phân loại và ước lượng số lượng cá thể trong môi trường nuôi trồng. Các phương pháp này mang lại khả năng giám sát từ xa, không xâm phạm và có thể lặp lại. Các nhà nghiên cứu đã phát triển nhiều phương pháp để đo lường khối lượng cá thể như cá, tôm trong lồng hoặc ao mà không cần can thiệp thủ công. Vấn đề phân loại cá thể giúp đánh giá và ghi chép đa dạng sinh học của môi trường nước, từ đó hỗ trợ các chiến lược bảo tồn và quản lý hiệu quả.

II. Thách Thức Triển Khai IoT và Học Sâu Trong Nuôi Thủy Sản 58 ký tự

Mặc dù tiềm năng ứng dụng IoThọc sâu trong nuôi trồng thủy sản là rất lớn, nhưng vẫn còn nhiều thách thức cần vượt qua. Việc triển khai các hệ thống IoT đòi hỏi chi phí đầu tư ban đầu lớn, bao gồm chi phí thiết bị, lắp đặt và bảo trì. Độ tin cậy của các thiết bị IoT trong môi trường khắc nghiệt của ao nuôi cũng là một vấn đề cần quan tâm. Bên cạnh đó, việc thu thập và xử lý dữ liệu từ các cảm biến IoT đòi hỏi các kỹ năng chuyên môn về phân tích dữ liệu và học máy.

Trong lĩnh vực xử lý ảnh và học sâu, việc phát triển các thuật toán chính xác và hiệu quả để phân loại và ước lượng số lượng cá thể là một thách thức lớn. Các yếu tố như độ phân giải ảnh, ánh sáng và điều kiện môi trường có thể ảnh hưởng đến độ chính xác của các thuật toán. Ngoài ra, việc thiếu dữ liệu huấn luyện chất lượng cao cũng là một trở ngại cho việc phát triển các mô hình học sâu hiệu quả.

2.1. Các thách thức trong phát hiện và ước lượng mật độ cá thể

Việc phát hiện cá thểước lượng mật độ trong môi trường nuôi trồng thủy sản gặp nhiều khó khăn do các yếu tố như ánh sáng yếu, tầm nhìn hạn chế và sự xuất hiện của các vật thể lạ. Các phương pháp truyền thống thường dựa vào quan sát thủ công, tốn nhiều thời gian và công sức. Ứng dụng học sâu trong phát hiện và ước lượng mật độ cá thể có thể giúp giải quyết các vấn đề này, nhưng đòi hỏi phải có dữ liệu huấn luyện đủ lớn và chất lượng cao để đảm bảo độ chính xác.

2.2. Các vấn đề nghiên cứu cần giải quyết

Để khai thác tối đa tiềm năng của IoThọc sâu trong nuôi trồng thủy sản, cần tập trung vào giải quyết các vấn đề nghiên cứu sau: Phát triển các thiết bị IoT chi phí thấp và độ tin cậy cao; Nghiên cứu các thuật toán học sâu hiệu quả để phân loại và ước lượng số lượng cá thể; Xây dựng các hệ thống quản lý dữ liệu và trực quan hóa thông tin; Nghiên cứu các mô hình dự đoán và tối ưu hóa quy trình nuôi trồng; Đánh giá tác động của IoThọc sâu đến năng suất và chất lượng sản phẩm.

III. Thiết Kế Hệ Thống IoT Thu Thập Dữ Liệu Nuôi Thủy Sản 60 ký tự

Để giải quyết các thách thức trên, luận án này tập trung vào việc Nghiên cứu và 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. Hệ thống được thiết kế để thu thập dữ liệu từ các cảm biến về chất lượng nước, nhiệt độ, độ pH và các thông số môi trường khác. Dữ liệu này sau đó được truyền về trung tâm xử lý, nơi các thuật toán học sâu được sử dụng để phân tích và đưa ra các quyết định điều chỉnh.

Hệ thống cũng bao gồm các thiết bị điều khiển để tự động điều chỉnh các thông số môi trường, chẳng hạn như bơm nước, sục khí và cung cấp thức ăn. Mục tiêu là xây dựng một hệ thống nuôi trồng thủy sản thông minh, có khả năng tự động hóa các quy trình và tối ưu hóa năng suất.

3.1. Quy định tiêu chuẩn về các tham số môi trường nước

Việc tuân thủ các quy định và tiêu chuẩn về các tham số môi trường nước là rất quan trọng để đảm bảo chất lượng sản phẩm và bảo vệ môi trường. Các quy định này quy định các giới hạn về nồng độ các chất ô nhiễm, độ pH, nhiệt độ và các thông số khác. Hệ thống IoT được thiết kế để giám sát các thông số này và cảnh báo khi các giá trị vượt quá giới hạn cho phép. Theo tài liệu gốc, việc quan trắc môi trường nước cần tuân thủ các tiêu chuẩn hiện hành để đảm bảo tính chính xác và tin cậy của dữ liệu thu thập được.

3.2. Mô hình hệ thống IoT ứng dụng trong nuôi thủy sản

Mô hình hệ thống IoT bao gồm các thành phần chính: cảm biến, thiết bị thu thập dữ liệu, mạng truyền thông, trung tâm xử lý và thiết bị điều khiển. Cảm biến được sử dụng để đo các thông số môi trường. Thiết bị thu thập dữ liệu thu thập dữ liệu từ các cảm biến và truyền về trung tâm xử lý. Mạng truyền thông được sử dụng để truyền dữ liệu giữa các thành phần của hệ thống. Trung tâm xử lý sử dụng các thuật toán học sâu để phân tích dữ liệu và đưa ra các quyết định điều chỉnh. Thiết bị điều khiển được sử dụng để tự động điều chỉnh các thông số môi trường. Sơ đồ chi tiết các khối trong hệ thống IoT thiết kế, chế tạo và thử nghiệm được trình bày trong Hình 2-3 của tài liệu gốc.

3.3. Thiết kế chế tạo phần cứng và thiết kế phần mềm hệ thống IoT

Việc thiết kế và chế tạo phần cứng của hệ thống IoT đòi hỏi sự kết hợp giữa kiến thức về điện tử, viễn thông và nuôi trồng thủy sản. Các thiết bị IoT cần phải có khả năng hoạt động ổn định trong môi trường khắc nghiệt của ao nuôi. Phần mềm của hệ thống cần phải có khả năng thu thập, xử lý và phân tích dữ liệu một cách hiệu quả. Thiết kế, chế tạo thiết bị đầu cuối IoT thu thập dữ liệu từ cảm biến; Thiết kế, chế tạo thiết bị IoT điều khiển cơ cấu chấp hành (IoT control node); Thiết kế và chế tạo IoT cổng (IoT gateway). Hệ thống camera thu thập hình ảnh.

IV. Giải Pháp Thuật Toán Phân Vùng và Phân Loại Cá Thể 60 ký tự

Một trong những giải pháp quan trọng trong luận án là phát triển 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 trồng thủy sản. Thuật toán này sử dụng các mô hình mạng nơ-ron tích chập (CNN) và kỹ thuật học sâu để phân tích hình ảnh và xác định các loài cá khác nhau.

Việc phân loại cá thể giúp đánh giá đa dạng sinh học và theo dõi sức khỏe của quần thể cá. Các thuật toán được thiết kế để có khả năng xử lý ảnh trong điều kiện ánh sáng yếu và độ phân giải thấp. Ngoài ra, luận án cũng nghiên cứu các phương pháp tối ưu hóa thuật toán để giảm thiểu thời gian xử lý và tăng độ chính xác.

4.1. Phát hiện và phân loại cá thể dùng học sâu

Học sâu đã chứng minh hiệu quả trong việc phát hiện và phân loại cá thể trong nhiều ứng dụng. Trong luận án này, các mô hình CNN được sử dụng để phân tích hình ảnh và xác định các loài cá khác nhau. Các mô hình này được huấn luyện trên các bộ dữ liệu lớn về hình ảnh cá để đạt được độ chính xác cao. Một số phương pháp như Faster-RCNN, FCN-WRN-WASP cho bài toán phân vùng cá được đề xuất trong nghiên cứu.

4.2. Mô hình mạng nơ ron tích chập sử dụng khối giảm chiều

Luận án đề xuất một 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. Mô hình này có khả năng phân tích hình ảnh và xác định các loài cá khác nhau. Khối giảm chiều giúp giảm kích thước của dữ liệu, giảm thiểu thời gian xử lý và tăng độ chính xác. Hàm mất mát được thiết kế để tối ưu hóa quá trình huấn luyện và cải thiện hiệu suất của mô hình. WASP (w/WASP) giúp tăng hiệu năng.

4.3. Mô hình tập trung chú ý ConvMixer và áp dụng cho phân loại

Mô hình tập trung chú ý ConvMixer được sử dụng để phân loại các loài cá. Mô hình này có khả năng tập trung vào các vùng quan trọng của hình ảnh và bỏ qua các vùng không liên quan. Mô hình ConvMixer đề xuất được đánh giá bằng các thực nghiệm trên bộ dữ liệu lớn.

V. Ứng Dụng Thực Tế Hệ Thống IoT và Học Sâu Tại Kiên Giang 60 ký tự

Để đánh giá hiệu quả của hệ thống IoT và thuật toán học sâu, luận án đã triển khai thử nghiệm tại các ao nuôi tôm ở Kiên Giang. Hệ thống đã được sử dụng để thu thập dữ liệu về chất lượng nước, nhiệt độ, độ pH và các thông số môi trường khác. Dữ liệu này sau đó được phân tích để đưa ra các quyết định điều chỉnh, chẳng hạn như bơm nước, sục khí và cung cấp thức ăn.

Kết quả thử nghiệm cho thấy hệ thống đã giúp cải thiện đáng kể năng suất và chất lượng tôm nuôi. Ngoài ra, hệ thống còn giúp giảm thiểu rủi ro dịch bệnh và bảo vệ môi trường.

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

Mô hình hệ thống IoT được triển khai tại hiện trường bao gồm các cảm biến, thiết bị thu thập dữ liệu, mạng truyền thông và trung tâm xử lý. Cảm biến được lắp đặt tại các vị trí khác nhau trong ao nuôi để thu thập dữ liệu về chất lượng nước, nhiệt độ, độ pH và các thông số môi trường khác. Dữ liệu này sau đó được truyền về trung tâm xử lý, nơi các thuật toán học sâu được sử dụng để phân tích và đưa ra các quyết định điều chỉnh.

5.2. Tích hợp và thử nghiệm hệ thống IoT trong môi trường thực tế

Việc tích hợp các thành phần của hệ thống IoT đòi hỏi sự phối hợp chặt chẽ giữa các chuyên gia về điện tử, viễn thông và nuôi trồng thủy sản. Hệ thống được thử nghiệm trong môi trường thực tế để đảm bảo hoạt động ổn định và hiệu quả. Các thử nghiệm được thực hiện để đánh giá độ chính xác của các cảm biến, khả năng truyền dữ liệu và hiệu quả của các thuật toán học sâu. Sau khi tích hợp thiết bị được thử nghiệm tại môi trường thực tế tại Kiên Giang.

VI. Kết Luận và Hướng Phát Triển Hệ Thống IoT Thủy Sản 57 ký tự

Luận án đã thành công trong việc Nghiên cứu và Phát triển Hệ Thống IoT và thuật toán học sâu cho nuôi trồng thủy sản. Hệ thống đã được chứng minh là có hiệu quả trong việc cải thiện năng suất và chất lượng sản phẩm, giảm thiểu rủi ro dịch bệnh và bảo vệ môi trường.

Trong tương lai, hướng phát triển của hệ thống sẽ tập trung vào việc tích hợp thêm các cảm biến mới, phát triển các thuật toán học sâu tiên tiến hơn và mở rộng phạm vi ứng dụng của hệ thống. Ngoài ra, cần tập trung vào việc giảm chi phí và tăng độ tin cậy của hệ thống để có thể triển khai rộng rãi cho các hộ nuôi trồng thủy sản nhỏ lẻ.

6.1. Các công trình đã công bố của luận án

Một phần của kết quả nghiên cứu trong luận án đã được công bố trên các tạp chí khoa học chuyên ngành trong và ngoài nước. Các công trình này chứng minh tính mới và đóng góp khoa học của luận án. Theo lời cam đoan của tác giả, các công trình này là kết quả nghiên cứu của riêng tác giả và chưa được công bố trong bất kỳ công trình nghiên cứu nào khác.

6.2. Đề xuất phát triển hệ thống IoT thu thập dữ liệu

Để phát triển hệ thống IoT thu thập dữ liệu trong nuôi trồng thủy sản một cách bền vững, cần tập trung vào các yếu tố sau: Xây dựng các tiêu chuẩn và quy định về thu thập và chia sẻ dữ liệu; Đào tạo nguồn nhân lực có kỹ năng về IoT, học sâunuôi trồng thủy sản; Khuyến khích sự hợp tác giữa các nhà nghiên cứu, doanh nghiệp và người nuôi trồng thủy sản; Tạo ra một môi trường pháp lý thuận lợi cho việc phát triển và ứng dụng công nghệ mới.

14/05/2025

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về internet kết nối vạn vật IoT và mạng nơ ron học sâu ứng dụng trong thủy sản trình bày các nghiên cứu trong nước và ngoài nước về IoT, về phân vùng và phân loại cá thể dùng mạng nơ ron học sâu, hiện trạng về nuôi thủy sản tại Kiên Giang và nhu cầu ứng dụng IoT cho nuôi trồng thủy sản. Chương 2: Mô hình hệ thống IoT định hướng ứng dụng trong nuôi trồng thủy sản tại Kiên Giang. Trong đó, nội dung trình bày về mô hình, kiến trúc hệ thống IoT, về thiết kế hệ thống, thiết bị IoT có kiến trúc mở hai chiều và kết quả thử nghiệm hệ thống tại Kiên Giang. 19 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.

Nội dung chương này trình bày các đề xuất, cải tiến thuật toán phân vùng ảnh, phân loại cá sử dụng mạng nơ ron học sâu. TỔNG QUAN VỀ INTERNET KẾT NỐI VẠN VẬT VÀ MẠNG NƠ RON HỌC SÂU ỨNG DỤNG TRONG THỦY SẢN Nội dung chương này nghiên cứu sinh trình bày Tổng quan về internet kết nối vạn vật IoT và ứng dụng trong nuôi trồng thủy sản, các vấn đề nghiên cứu trong và ngoài nước về IoT trong nuôi trồng thủy sản, hiện trạng về nuôi thủy sản tại Kiên Giang và nhu cầu ứng dụng IoT cho nuôi thủy sản nói chung và cho tỉnh Kiên Giang nói riêng. Chương này cũng trình bày tổng quan về vấn đề phân vùng, phân loại ảnh cá thể dùng mạng nơ ron, học sâu tại trung tâm thu thập và xử lý dữ liệu trong hệ thống IoT qua đó chỉ ra các vần đề cần nghiên cứu và giải quyết. Tổng quan về hệ thống IoT Theo nghiên cứu từ các dự án về nuôi trồng thủy sản ở Việt Nam, trong những năm qua, nuôi trồng thuỷ sản (NTTS) Việt Nam đã có bước phát triển mạnh mẽ, thu được những thành tựu to lớn, góp phần giảm nghèo, tạo thu nhập và việc làm cho một bộ phận lao động, đóng góp tích cực cho kinh tế nông nghiệp nói riêng và kinh tế đất nước nói chung.

Từ năm 2000 đến nay, NTTS nước ta đã có bước chuyển biến mang tính đột phá, diện tích NTTS cả nước tăng 2,48 lần năm 1999 là 524.619 ha đã tăng lên tới 1,3 triệu ha nuôi nội địa và 9,5 triệu m2 lồng nuôi biển năm 2023; sản lượng NTTS tăng gấp 11 lần từ năm 1997 với 481 nghìn tấn lên 5.407 nghìn tấn năm 2023; kim ngạch xuất khẩu thủy sản năm 2012 đạt 6,15 tỷ USD, 2023 là 8,97 tỷ USD. Theo số liệu thống kê của Tổng cục Hải quan, kim ngạch xuất khẩu thuỷ sản năm 2017 hơn 8,3 tỷ USD, tăng 18% so năm 2016, đứng thứ 6 trong các mặt hàng xuất khẩu của VN; năm 2018 kim ngạch xuất khẩu thủy sản đạt 8,79 tỷ USD, tăng 5,8% so với năm 2017 [31] [32]. Tuy nhiên, nâng cao chất lượng thủy hải sản là một trong những yêu cầu cấp bách của ngành thủy sản Việt Nam trong điều kiện hội nhập kinh tế thế giới hiện nay. Cùng với kiểm soát chất lượng giống đầu vào, chất lượng thức ăn và quản lý thức ăn thì kiểm soát chất lượng nước cũng là yếu tố cực kỳ quan trọng trong nuôi thủy sản, đặc biệt là nghề nuôi tôm, nuôi cá.

Chất lượng nước quyết định hiệu quả của thức ăn, tốc độ sinh trưởng và tỉ lệ sống của tôm, cá nhưng yếu tố này lại rất khó dự đoán và kiểm soát. Chất lượng nước phụ thuộc vào chất lượng nguồn nước, chất đất, chế độ cho ăn, thời tiết, công nghệ và chế độ quản lý đầm nuôi. Chất lượng nước được đánh giá bằng nhiều thông số sinh, hóa, lý khác nhau và cần được kiểm tra liên tục để có thể kịp thời điều chỉnh để bảo vệ con nuôi. Với phương pháp truyền thống, hàng ngày người nuôi chỉ lấy mẫu nước 1 đến 2 lần và dùng các phương pháp thử mẫu truyền thống để xác định chất lượng nguồn nước.

Phương pháp này sẽ không thể xác định kịp thời nguồn nước bị ô nhiễm hoặc chất lượng kém để điều chỉnh. Nguồn nước chất lượng kém không đạt yêu cầu là một trong những nguyên nhân đem đến rủi ro lớn nhất cho người nuôi tôm, nuôi cá. 21 Kiên Giang là một trong các tỉnh ven biển của Đồng bằng Sông Cửu Long, có bờ biển dài, điều kiện tự nhiên phù hợp cho việc nuôi trồng thủy hải sản. Năm 2023, diện tích thả nuôi thủy sản là 292.

Trong đó tôm nước lợ, mặn 136.241 ha, cá lồng bè trên biển 3.837 lồng, nhuyễn thể 23.220 ha, cua biển 85.582 ha, cá ao, ruộng, vèo,…49.943 ha với kim ngạch xuất khẩu hải sản 246,37 triệu USD. Việc nuôi trồng thủy hải sản vẫn còn nhiều khó khăn do bị động bởi thời tiết, môi trường. Người dân chưa nắm hết các đặc điểm, tính phù hợp về sinh thái môi trường nuôi trồng thủy hải sản, chưa biết ứng dụng kỹ thuật công nghệ cao trong quá trình nuôi trồng, khai thác thủy hải sản dẫn đến hiệu quả sản xuất chưa cao và đặc biệt vẫn phải chịu ảnh hưởng thiệt hại lớn khi môi trường, nguồn nước ô nhiễm, nhiễm mặn do nước biển dâng. Ô nhiễm nước có thể có nguồn gốc tự nhiên như do mưa, gió, lũ lụt đưa vào môi trường nước chất thải bẩn, các sinh vật và vi sinh vật có hại kể cả xác chết của chúng hoặc có nguồn gốc nhân tạo như do quá trình thải các chất độc hại chủ yếu dưới dạng lỏng như các chất thải sinh hoạt, công nghiệp, nông nghiệp, giao thông vào môi trường nước.

Để quản lý về ô nhiễm nguồn nước, cần có các thiết bị đo đạc các tham số cho biết mức độ ô nhiễm của nó như độ pH, nồng độ Oxy hòa tan, NO2, NO3, NH4, H2S. Các công việc theo dõi giám sát này thực hiện bằng phương pháp truyền thống thường chậm, các thông số cảnh báo không kịp thời và liên tục, tốn kém sức người, nhất là khi địa điểm cần quan trắc, theo dõi ở những nơi có địa hình khó khăn, cần ứng cứu khẩn cấp khi lượng oxy không đủ cho các hải thủy sản nuôi trồng. Mạng lưới vạn vật kết nối Internet hoặc là Mạng lưới thiết bị kết nối Internet (IoT - Internet of Things) là một mạng lưới ứng dụng công nghệ thông tin trong đó mỗi phần tử được cung cấp một định danh của riêng mình và tất cả có khả năng truyền tải, trao đổi thông tin, dữ liệu qua một mạng mà không cần đến sự tương tác trực tiếp giữa người với người, hay người với máy tính. IoT phát triển trên cơ sở sự hội tụ của công nghệ không dây, công nghệ vi điện tử và Internet.

Nói đơn giản IoT là một tập hợp các thiết bị có khả năng kết nối với nhau, với Internet và với thế giới bên ngoài để thực hiện một công việc nào đó. Nghiên cứu phát triển và ứng dụng IoT trong các lĩnh vực như nông nghiệp, nuôi trồng thủy hải sản đang thu hút được sự quan tâm đặc biệt của các nhà khoa học, cộng đồng doanh nghiệp trong thời gian gần đây. Internet vạn vật là đề cập đến hàng tỷ thiết bị vật lý trên khắp thế giới hiện được kết nối với internet, thu thập và chia sẻ dữ liệu. Từ trước tới nay nông nghiệp là một trong những lĩnh vực ít được áp dụng công nghệ nhất.

Đặc biệt là ở những quốc gia đang phát triển và chậm phát triển, nông nghiệp gần như chỉ phụ thuộc vào kinh nghiệm của những người nông dân về đặc tính của cây trồng, về thời tiết.Trong khi đó, trước những thách thức về biến đổi khí hậu, gia tăng dân số nhanh chóng, vấn đề đảm bảo đủ lương thực là một trong những thách thức mang tính toàn cầu. 22 IoT sẽ biến nông nghiệp từ một lĩnh vực sản xuất định tính thành một lĩnh vực sản xuất chính xác dựa vào những số liệu thu thập, tổng hợp và phân tích thống kê [33]. Từ việc phụ thuộc vào thời tiết, khí hậu., người nông dân có thể tự chủ, điều chỉnh mọi thứ để đạt được hiệu quả như mong muốn. Hệ thống thiết bị cảm biến, đo đạc sẽ được kết nối với nhau, tích hợp GPS và các công nghệ theo dõi để thu thập dữ liệu, kết nối với hạ tầng đám mây để truy xuất dữ liệu, phân tích đưa ra quyết định tối ưu hóa lượng nước, lượng phân bón, tự động hóa các hoạt động nông nghiệp hàng ngày và cung cấp giải pháp theo dõi thời gian thực.

Nhờ đó, các điều kiện dinh dưỡng đối với cây trồng sẽ được tối ưu, cho mức sinh trưởng tốt nhất, qua đó tăng chất lượng và hiệu suất canh tác. Ngoài ra ứng dụng IoT vào nông nghiệp còn giúp giảm thiểu dịch bệnh, nâng cao hiệu suất canh tác. Việc ứng dụng khoa học công nghệ thông tin truyền thông trong nuôi trồng thủy hải sản nói chung, IoT nói riêng để xây dựng một hệ thống điều khiển tự động quan trắc theo dõi các thông số về mức nước và môi trường nước là hết sức cần thiết. Hệ thống có thể truyền tin ở cự ly xa với độ chính xác cao, chi phí thấp giúp việc theo dõi, điều khiển, quản lý quá trình nuôi trồng, khai thác nguồn lợi thủy hải sản một cách hiệu quả và tiết kiệm nguồn nhân lực.

Đề tài luận án này nghiên cứu để xuất mô hình hệ thống IoT tự động quan trắc và cảnh báo các thông số môi trường nước, đề xuất thuật toán xử lý dữ liệu, xử lý ảnh tại trung tâm thu thập dữ liệu IoT dựa trên học máy, học sâu định hướng ứng dụng trong nuôi trồng thủy sản nói chung và thử nghiệm tại tỉnh Kiên Giang nói riêng nhằm tự động hóa quá trình nuôi thủy sản, nâng cao chất lượng và hiệu quả nuôi thủy hản, góp phần phát triển kinh tế - xã hội của tỉnh. Việc ứng dụng IoT vào nuôi thủy sản giúp nâng cao việc quản lý hiệu quả, năng suất, chất lượng các sản phẩm thủy sản nói riêng. Một hệ thống IoT bao gồm các thiết bị cầu cuối IoT, node cảm biến, node điều khiển và máy chủ xử lý trung tâm sẽ đồng thời thực hiện các nhiệm vụ: - Theo dõi môi trường và giữ các thông số quan trọng trong ngưỡng lý tưởng nhất. Đưa ra các cảnh báo về những biến động nguy hiểm để có tác động, điều chỉnh kịp thời.

- Theo dõi sự sinh trưởng và các điều kiện thời tiết, địa lý, sinh hóa của thủy sản để đưa ra các dữ liệu cần thiết cho việc quản lý và đánh giá sản lượng, chất lượng thủy sản. - Hiện đại hóa, tự động hóa quá trình nuôi trồng thủy sản.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Nghiên cứu và Phát triển Hệ Thống IoT và Học Sâu cho Nuôi Trồng Thủy Sản tập trung vào việc ứng dụng công nghệ IoT (Internet of Things) và Học Sâu (Deep Learning) để tối ưu hóa quy trình nuôi trồng thủy sản. Bằng cách thu thập và phân tích dữ liệu từ các cảm biến, hệ thống có thể cung cấp thông tin chính xác về môi trường nuôi, dự đoán các vấn đề tiềm ẩn và tự động điều chỉnh các thông số để đảm bảo năng suất và chất lượng sản phẩm. Điều này giúp người nuôi giảm thiểu rủi ro, tiết kiệm chi phí và nâng cao hiệu quả sản xuất.

Để hiểu rõ hơn về các ứng dụng cụ thể của IoT trong nông nghiệp, bạn có thể tham khảo thêm Đồ án tốt nghiệp hệ thống điều khiển và giám sát trang trại nông nghiệp bằng công nghệ iot, giúp bạn có cái nhìn tổng quan về cách thức IoT được triển khai trong một trang trại thực tế. Nếu bạn quan tâm đến việc giám sát môi trường từ xa, hãy xem xét Đồ án hcmute thiết kế và thi công thiết bị giám sát điều khiển kho mát từ xa thông qua iot. Cuối cùng, để khám phá các giải pháp tưới tiêu thông minh, bạn có thể xem Đề tài nghiên cứu khoa học cấp trường nghiên cứu ứng dụng công nghệ lora điều khiển giám sát hệ thống tưới tiêu trong nông nghiệp, một nghiên cứu về ứng dụng công nghệ Lora trong việc giám sát và điều khiển hệ thống tưới tiêu.