Luận án tiến sĩ: Nhận dạng và phân loại tàu trong cảnh giới bờ biển của NCS Ngô Đức Đạt

Luận án tiến sĩ nghiên cứu phương pháp nhận dạng và phân loại tàu trong cảnh giới bờ biển ứng dụng trí tuệ nhân tạo, xử lý dữ liệu ảnh và tín hiệu radar.

• Tác giả: Ngô Đức Đạt
• Người hướng dẫn: PGS. Lê Mỹ Hà
• Trường học: Trường Đại học Công nghệ Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Nhận dạng và phân loại tàu trong cảnh giới bờ biển sử dụng trí tuệ nhân tạo
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2026
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Tổng quan về nhận dạng và phân loại tàu cảnh giới bờ biển

Hệ thống cảnh giới bờ biển giữ vai trò huyết mạch trong chiến lược an ninh hàng hải. Công tác giám sát vùng biển đòi hỏi khả năng theo dõi liên tục ngày và đêm. Các phương tiện thủy hoạt động trên biển rất đa dạng về kích thước và tốc độ. Việc phát hiện mục tiêu sớm giúp ngăn chặn kịp thời những nguy cơ xâm phạm chủ quyền. Trước đây, con người quan sát thủ công qua ống kính quang học hoặc màn hình hiển thị radar. Cách thức này bộc lộ nhiều sai sót do mệt mỏi và hạn chế thị giác. Sự phát triển của trí tuệ nhân tạo mở ra bước đột phá mới. Mô hình học sâu cho phép tự động hóa quy trình phân tích hình ảnh và dữ liệu tín hiệu. Công nghệ thị giác máy tính trích xuất nhanh các đặc trưng của tàu thuyền. Hệ thống có thể xử lý đồng thời hàng trăm mục tiêu trong thời gian thực. Độ chính xác nhận dạng được nâng cao rõ rệt nhờ mạng nơ-ron tích chập và Transformer. Nghiên cứu của nghiên cứu sinh Ngô Đức Đạt tập trung giải quyết bài toán cấp thiết này. Đề tài đóng góp nền tảng kỹ thuật quan trọng cho hệ thống phòng thủ ven biển thông minh.

1.1. Vai trò của hệ thống cảnh giới ven biển hiện đại

Vùng duyên hải luôn là khu vực chiến lược quan trọng của quốc gia biển. Nhiệm vụ bảo vệ tuyến bờ đòi hỏi quy trình trinh sát liên tục. Hệ thống cảnh giới bờ biển hiện đại phải kiểm soát mật độ giao thông thủy dày đặc. Tàu thuyền di chuyển với nhiều hành trình và tải trọng khác nhau. Nguy cơ buôn lậu, xâm phạm hải phận và tai nạn luôn thường trực. Hệ thống giám sát tự động giúp phát hiện sớm mục tiêu từ cự ly xa. Dữ liệu thời gian thực hỗ trợ lực lượng chức năng xử lý tình huống kịp thời. Khả năng phản ứng nhanh ngăn ngừa hiệu quả các rủi ro an ninh hàng hải. Công nghệ giám sát quang học và radar tạo thành mạng lưới cảnh báo vững chắc.

1.2. Xu hướng ứng dụng trí tuệ nhân tạo trong nhận dạng tàu

Trí tuệ nhân tạo đang định hình lại lĩnh vực an ninh hàng hải. Phương pháp xử lý ảnh truyền thống phụ thuộc nhiều vào đặc trưng thủ công thô sơ. Kỹ thuật cũ dễ thất bại khi góc nhìn và ánh sáng biến đổi liên tục. Trái lại, mạng nơ-ron tích chập và thị giác máy tính hiện đại tự trích xuất đặc trưng phức tạp. Hệ thống tự động khoanh vùng tọa độ và phân loại chính xác các lớp tàu. Tốc độ nhận diện đạt chuẩn thời gian thực trên các luồng dữ liệu video giám sát. Tỷ lệ nhận diện sai mục tiêu giảm đi đáng kể. Luận án của NCS Ngô Đức Đạt áp dụng những thành tựu mới nhất để giải quyết thách thức này.

II. Phân tích thách thức nhận dạng tàu trong cảnh giới bờ biển

Môi trường biển thực tế đặt ra nhiều rào cản khắc nghiệt cho các hệ thống giám sát. Sóng biển dâng cao và bọt nước trắng xóa thường tạo ra phản xạ quang học giả. Hiện tượng nhiễu mặt biển làm camera dễ nhầm lẫn các gợn sóng với mục tiêu nổi. Sự biến đổi thất thường của thời tiết ảnh hưởng trực tiếp tới chất lượng thu nhận hình ảnh. Sương mù dày đặc, mưa lớn và đêm tối làm giảm sút nghiêm trọng tầm nhìn quang học. Bên cạnh đó, các cảm biến đơn lẻ bộc lộ nhiều điểm yếu cố hữu khó khắc phục. Thiết bị radar giám sát bờ biển có khả năng quét trên cự ly rất rộng. Tuy nhiên, radar ven bờ không thể cung cấp chi tiết về hình dạng hay cấu trúc tàu. Ngược lại, camera quang học ghi nhận hình ảnh chi tiết nhưng phạm vi quan sát rất hạn hẹp. Khi mục tiêu di chuyển ra xa, độ phân giải ảnh suy giảm nhanh chóng. Kích thước tàu trên khung hình chỉ còn vài điểm ảnh nhỏ. Việc phân loại nhãn tàu chính xác trong điều kiện dữ liệu thiếu hụt nhãn chuẩn trở thành bài toán hóc búa. Đây chính là những vướng mắc lớn mà đề tài luận án tập trung khảo sát.

2.1. Giới hạn của cảm biến radar và camera quan sát

Hệ thống giám sát bờ biển thường sử dụng radar hoặc camera độc lập. Radar phát hiện mục tiêu nhanh ở khoảng cách xa hàng chục hải lý. Thiết bị này hoạt động ổn định trong mọi điều kiện sương mù hay đêm tối. Điểm trừ của radar là độ phân giải góc rất thấp. Tín hiệu phản hồi chỉ hiển thị dưới dạng chấm sáng đơn điệu. Người vận hành không thể xác định loại tàu cụ thể. Ngược lại, camera quang học cung cấp hình ảnh chân thực về kết cấu thân tàu. Tuy vậy tầm nhìn quang học lại suy giảm nghiêm trọng khi trời mưa bão. Sự hoạt động riêng lẻ của từng cảm biến bộc lộ nhiều điểm mù an ninh nguy hiểm.

2.2. Khó khăn trong thu thập và gán nhãn dữ liệu biển

Xây dựng tập dữ liệu huấn luyện cho mô hình nhận diện tàu gặp vô số trở ngại. Chi phí vận hành thiết bị trinh sát tại hiện trường rất đắt đỏ. Dữ liệu thu thập ngoài thực địa thường mất cân bằng giữa các chủng loại tàu. Số lượng tàu hàng và tàu cá thông thường chiếm đa số tuyệt đối. Các phương tiện đặc biệt hiếm khi xuất hiện trong các khung hình ghi nhận. Việc gán nhãn thủ công hàng vạn hình ảnh tiêu tốn rất nhiều thời gian và nhân lực. Chuyên gia hàng hải khó bảo đảm tính nhất quán khi gán nhãn trong điều kiện ảnh mờ nhòe. Thiếu hụt tập dữ liệu chuẩn gây khó khăn cho việc tối ưu mạng học sâu có giám sát.

III. Phương pháp học sâu nhận dạng và phân loại tàu cảnh giới biển

Nghiên cứu sinh Ngô Đức Đạt đề xuất hệ phương pháp tiên tiến kết hợp nhiều kỹ thuật học máy. Đề tài tập trung tối ưu hóa mô hình phát hiện mục tiêu theo kiến trúc không điểm neo YOLOX. Cấu trúc mạng này loại bỏ các hộp neo định sẵn, giúp giảm bớt độ phức tạp tính toán. Nhờ đó, thuật toán đẩy nhanh tốc độ phản hồi trên thiết bị xử lý nhúng ven bờ. Mô hình Transformer cũng được tích hợp để nắm bắt mối tương quan không gian tầm xa của đối tượng. Để giải quyết nút thắt thiếu dữ liệu gán nhãn, tác giả khai thác các kỹ thuật học không giám sát. Kỹ thuật mạng tự mã hóa Auto-Encoder được ứng dụng nhằm giảm chiều không gian và trích chọn đặc trưng cốt lõi. Phương pháp sinh dữ liệu nhân tạo và giả lập mẫu giúp tăng cường độ phong phú của dữ liệu huấn luyện. Cơ chế phân cụm hướng tâm gán nhãn giả cho các nhóm đặc trưng gần tâm đại diện. Các kỹ thuật này liên kết chặt chẽ thành chu trình tối ưu hóa khép kín. Giải pháp nâng cao đáng kể độ chính xác phân loại tàu biển trong điều kiện tự nhiên phức tạp.

3.1. Ứng dụng kiến trúc YOLOX và mạng Transformer

Kiến trúc YOLOX áp dụng cơ chế không điểm neo để định vị vỏ tàu. Mạng không cần dò tìm theo các tỷ lệ hộp neo cố định như trước. Sự cải tiến này hạn chế đáng kể lượng tham số không cần thiết. Mô hình xử lý khung hình với tốc độ khung hình cao và độ trễ thấp. Điều này cho phép hệ thống triển khai thuận lợi trên phần cứng máy tính nhúng ven biển. Bên cạnh đó, kiến trúc Transformer đóng vai trò mở rộng trường tiếp nhận thị giác. Mạng nắm bắt mối quan hệ không gian toàn cục giữa tàu và đường chân trời. Khả năng phân loại hình dáng tàu nhỏ ở cự ly xa tăng lên rõ rệt. Sự kết hợp giữa hai kiến trúc tạo ra sức mạnh vượt trội cho bài toán phát hiện tàu thuyền.

3.2. Học không giám sát và phân cụm dữ liệu đặc trưng

Phương pháp học đặc trưng không giám sát giải phóng hệ thống khỏi sự lệ thuộc vào nhãn thủ công. Mô hình Auto-Encoder nén dữ liệu hình ảnh vào một không gian tiềm ẩn cô đọng. Mạng giải mã sau đó tái tạo lại ảnh gốc để giữ trọn vẹn đặc trưng cốt lõi. Tiếp theo, kỹ thuật phân cụm sâu tiến hành gom nhóm các vector biểu diễn. Chiến lược phân cụm hướng tâm gán nhãn giả dựa trên khoảng cách tới tâm cụm đại diện. Bộ trích xuất đặc trưng liên tục cập nhật trọng số thông qua hàm mất mát tối ưu. Quá trình này giúp phân biệt rõ nét cấu trúc thân của từng dòng tàu. Hệ thống tự động phân loại tàu chính xác mà không đòi hỏi chi phí gán nhãn tốn kém.

IV. Kết luận ứng dụng nghiên cứu phân loại tàu của NCS Ngô Đức Đạt

Luận án tiến sĩ của nghiên cứu sinh Ngô Đức Đạt đem lại giải pháp toàn diện cho an ninh bờ biển. Đề tài kết nối thành công lý thuyết học sâu hiện đại với bài toán quan sát ven bờ. Việc vận dụng YOLOX, Transformer và phân cụm sâu giải quyết triệt để vấn đề phân loại tàu thuyền. Thuật toán khắc phục tốt ảnh hưởng của nhiễu sóng biển, thời tiết xấu và khoảng cách quan sát. Tốc độ nhận dạng đạt chuẩn thời gian thực, đáp ứng yêu cầu khắt khe của hệ thống phòng thủ. Kết quả nghiên cứu có tiềm năng ứng dụng rất lớn trong thực tế. Các trạm radar kết hợp camera ven biển có thể tích hợp trực tiếp mô hình này. Công nghệ hỗ trợ lực lượng cảnh sát biển và hải quân nâng cao năng lực kiểm soát không phận biển. Khả năng phát hiện sớm tàu lạ xâm phạm giúp bảo vệ vững chắc chủ quyền lãnh hải. Ngoài ra, giải pháp còn phục vụ công tác cứu hộ hàng hải và quản lý cảng biển thông minh. Đây là tiền đề vững chắc cho việc xây dựng hệ sinh thái phòng thủ bờ biển tự hành trong tương lai.

4.1. Khả năng tích hợp vào hệ thống trạm quan sát bờ

Mô hình đề xuất sở hữu tính tương thích cao với hạ tầng trinh sát hiện hữu. Các trạm quan sát ven bờ chỉ cần trang bị máy tính nhúng xử lý trí tuệ nhân tạo. Luồng dữ liệu video từ camera và thông tin tín hiệu radar được đồng bộ trực tiếp tại biên. Thuật toán tiến hành lọc nhiễu sóng biển và định vị mục tiêu tự động. Khi phát hiện phương tiện lạ, hệ thống sẽ đưa ra cảnh báo tức thì về màn hình chỉ huy. Quá trình vận hành tự động giảm áp lực quan sát liên tục cho kíp trực. Nhờ đó, hiệu quả giám sát an ninh tại các trạm bờ được nâng cao rõ rệt.

4.2. Định hướng phát triển công nghệ giám sát biển tương lai

Hướng nghiên cứu tiếp theo sẽ tập trung vào kỹ thuật hợp nhất dữ liệu sâu giữa radar và camera. Các thuật toán cần cải thiện hơn nữa khả năng đồng bộ thời gian và không gian đa nguồn. Việc tích hợp thêm cảm biến hồng ngoại nhiệt sẽ tăng cường năng lực giám sát ban đêm. Bên cạnh đó, mạng học sâu có thể mở rộng sang nhận diện hành vi bất thường của phương tiện. Hệ thống sẽ dự đoán trước quỹ đạo di chuyển để phát hiện sớm mưu đồ xâm nhập trái phép. Công trình của NCS Ngô Đức Đạt mở ra bước đi vững chắc cho các đề tài trinh sát hàng hải tự động hóa hoàn toàn.

Trích đoạn nội dung tài liệu

Chương 1 trình bày bối cảnh và yêu cầu của bài toán giám sát an ninh bờ biển trong điều kiện hoạt động hàng hải ngày càng phức tạp. Vai trò của radar và camera trong hệ thống cảnh giới ven bờ được phân tích, đồng thời chỉ ra những hạn chế khi các cảm biến hoạt động độc lập. Các công trình nghiên cứu trong và ngoài nước liên quan đến phát hiện, nhận dạng và phân loại tàu biển được tổng hợp và đánh giá có hệ thống. Xu hướng hợp nhất đa cảm biến và ứng dụng học sâu trong giám sát hàng hải được làm rõ.

Trên cơ sở đó, chương xác định khoảng trống nghiên cứu và định hướng giải quyết của luận án.1 Giới thiệu Biển và vùng ven biển có vai trò rất quan trọng trong nhiều lĩnh vực như: phát triển kinh tế, quốc phòng và an ninh của Việt Nam nói riêng và nhiều quốc gia trên thế giới nói chung. Hoạt động hàng hải trên biển ngày càng gia tăng cả về số lượng lẫn mức độ phức tạp, bao gồm vận tải thương mại, khai thác thủy sản, du lịch biển cũng như các hoạt động quân sự và bán quân sự. Trong bối cảnh đó, yêu cầu giám sát, quản lý và bảo vệ vùng biển ngày càng đặt ra những thách thức lớn đối với các hệ thống quan sát và cảnh giới truyền thống. Việc phát hiện sớm, theo dõi liên tục, nhận dạng chính xác và phân loại kịp thời các mục tiêu tàu biển trở thành một trong những nhiệm vụ then chốt nhằm bảo đảm an toàn hàng hải, duy trì trật tự trên biển và bảo vệ chủ quyền quốc gia.

Trong các hệ thống giám sát bờ biển hiện nay, radar và camera là hai loại cảm biến được sử dụng phổ biến và đóng vai trò bổ trợ cho nhau. Radar có ưu thế nổi bật trong việc phát hiện và theo dõi mục tiêu ở cự ly xa, hoạt động ổn định trong mọi điều kiện khác nhau như thời tiết và thời gian giám sát. Thông tin do radar cung cấp như vị trí, vận tốc và hướng di chuyển của mục tiêu cho phép xây dựng 6 bức tranh tổng thể về tình hình hoạt động trên biển trong thời gian thực. Tuy nhiên, tín hiệu radar chủ yếu phản ánh đặc tính phản xạ điện từ của mục tiêu, thiếu thông tin trực quan, do đó gặp nhiều hạn chế trong việc nhận dạng chính xác loại tàu và đánh giá mục đích hoạt động.

Ngược lại, hệ thống camera giám sát, bao gồm camera quang học và camera hồng ngoại, cung cấp hình ảnh trực quan giúp quan sát chi tiết hình dáng, kích thước, cấu trúc và hành vi của tàu thuyền. Nhờ đó, camera hỗ trợ hiệu quả cho công tác nhận dạng và phân loại mục tiêu, đặc biệt trong các tình huống cần xác định rõ loại tàu hoặc phát hiện hành vi bất thường. Tuy nhiên, khả năng hoạt động của camera bị giới hạn bởi cự ly quan sát, điều kiện ánh sáng và thời tiết, khiến hiệu quả giám sát suy giảm trong môi trường biển phức tạp như sương mù, mưa lớn hoặc ban đêm. Trước những giới hạn của từng loại cảm biến riêng lẻ, việc tích hợp radar và camera trong hệ thống giám sát bờ biển đã trở thành xu hướng tất yếu.

Radar đảm nhiệm vai trò phát hiện và chỉ thị mục tiêu từ xa, trong khi camera được điều khiển hướng về vị trí mục tiêu để ghi hình và phân tích chi tiết. Cách tiếp cận này cho phép tận dụng tối đa ưu điểm của cả hai loại cảm biến, góp phần nâng cao hiệu quả giám sát tổng thể. Tuy nhiên, trên thực tế, quá trình nhận dạng và phân loại tàu trong các hệ thống radar–camera hiện nay vẫn phụ thuộc nhiều vào kinh nghiệm và khả năng đánh giá chủ quan của nhân viên vận hành. Điều này không chỉ làm giảm tính nhất quán của kết quả phân loại mà còn gây khó khăn trong việc xử lý khối lượng dữ liệu lớn và yêu cầu phản ứng nhanh trong các tình huống phức tạp.

Sự phát triển mạnh mẽ của trí tuệ nhân tạo trong những năm gần đây đã mở ra nhiều hướng tiếp cận mới cho các bài toán nhận dạng và phân loại mục tiêu. Các phương pháp học máy và học sâu cho thấy khả năng vượt trội trong việc xử lý dữ liệu lớn, tự động trích xuất đặc trưng và học các mẫu phức tạp từ dữ liệu đa chiều. Trong lĩnh vực xử lý ảnh, các mô hình học sâu đã đạt được nhiều thành tựu nổi bật trong bài toán phát hiện và nhận dạng đối tượng, bao gồm cả các mục tiêu hàng hải. Trong khi đó, các phương pháp học máy cũng được ứng dụng ngày càng rộng rãi trong xử lý tín hiệu radar, cho phép khai thác hiệu quả các đặc trưng phản xạ phục vụ cho bài toán phân loại mục tiêu.

Mặc dù đã có nhiều nghiên cứu tập trung vào nhận dạng tàu biển từ ảnh camera hoặc phân loại mục tiêu từ tín hiệu radar, phần lớn các công trình vẫn xem xét hai loại dữ liệu này một cách tách biệt. Việc kết hợp có hệ thống giữa tín hiệu radar và dữ liệu ảnh camera, đặc biệt trong bối cảnh giám sát bờ biển, vẫn còn nhiều vấn đề chưa được nghiên cứu đầy đủ. Bên cạnh đó, các trạm radar thực tế thường phải đối mặt với dữ liệu không đồng nhất, nhiễu cao và điều kiện quan sát thay đổi liên tục, đòi hỏi các phương pháp xử lý và mô hình phân loại có độ tin cậy và khả năng thích nghi cao. 7 Xuất phát từ những yêu cầu thực tiễn và khoảng trống nghiên cứu nêu trên, luận án này tập trung nghiên cứu bài toán nhận dạng và phân loại tàu biển trong hệ thống cảnh giới bờ biển dựa trên sự kết hợp giữa tín hiệu phản xạ radar và dữ liệu ảnh camera, với sự hỗ trợ của các phương pháp trí tuệ nhân tạo.

Luận án hướng tới xây dựng các mô hình có khả năng tự động trích xuất đặc trưng từ dữ liệu radar và ảnh, học mối quan hệ giữa các đặc trưng này và đưa ra quyết định phân loại một cách khách quan, nhất quán và hiệu quả. Bên cạnh việc nâng cao độ chính xác trong nhận dạng và phân loại mục tiêu, nghiên cứu còn hướng tới việc giảm sự phụ thuộc vào yếu tố con người trong quá trình vận hành hệ thống giám sát. Thông qua việc tự động hóa các khâu phân tích và đánh giá, hệ thống đề xuất có thể hỗ trợ nhân viên radar trong việc ra quyết định, đặc biệt trong các tình huống yêu cầu xử lý nhanh và chính xác. Đồng thời, kết quả nghiên cứu cũng góp phần tạo nền tảng khoa học cho việc phát triển các hệ thống cảnh giới bờ biển thông minh, có khả năng mở rộng và thích nghi với các điều kiện hoạt động khác nhau.

Với cách tiếp cận kết hợp giữa tri thức chuyên gia và các mô hình trí tuệ nhân tạo hiện đại, luận án kỳ vọng đóng góp cả về mặt lý thuyết và thực tiễn trong lĩnh vực giám sát bờ biển. Những kết quả đạt được không chỉ góp phần hoàn thiện các phương pháp nhận dạng và phân loại tàu biển mà còn có tiềm năng ứng dụng rộng rãi trong các hệ thống quan sát hàng hải, góp phần bảo đảm an toàn, an ninh và phát triển bền vững các hoạt động trên biển.2 Các công bố quốc tế về giám sát an ninh bờ biển Giám sát hoạt động tàu thuyền ven bờ là một nhiệm vụ quan trọng trong quản lý tài nguyên biển và thực thi pháp luật hàng hải. Các nghiên cứu ban đầu tập trung vào việc khai thác radar ven bờ (coastal radar) như một công cụ giám sát liên tục, độc lập với điều kiện ánh sáng và thời tiết. Công trình của Cope et al.

(2022) [3] đã chứng minh khả năng sử dụng radar X-band thương mại để theo dõi hoạt động tàu thuyền ở quy mô nhỏ trong các khu bảo tồn biển (MPAs), với độ phân giải không gian–thời gian cao và khả năng vận hành liên tục trong thời gian dài. Kết quả cho thấy radar không chỉ phát hiện và bám vết mục tiêu hiệu quả mà còn cho phép suy luận hành vi (ví dụ: hoạt động đánh bắt) thông qua phân tích quỹ đạo chuyển động. Tuy nhiên, nghiên cứu này cũng chỉ ra hạn chế cố hữu của radar đơn lẻ, đặc biệt là khả năng nhận dạng và phân loại mục tiêu còn hạn chế, từ đó đặt ra nhu cầu kết hợp thêm các cảm biến bổ sung nhằm nâng cao mức độ hiểu biết ngữ cảnh. Song song với các ứng dụng radar giám sát tổng quát, một hướng nghiên cứu khác tập trung vào radar 8 xung (pulse radar) và radar Pulse-Doppler [4] cho bài toán nhận dạng mục tiêu tự động (ATR) trong cảnh giới ven bờ.

Việc sử dụng radar xung cho phép giám sát ở quy mô rộng và cự li xa. Do đó phù hợp cho các vấn đề trong quân sự. Công trình kinh điển về ATR cho radar Pulse-Doppler đã đề xuất việc khai thác các đặc trưng tín hiệu như Doppler, RCS và các mô hình chuyển động để phân loại tàu cá trong môi trường thực. Việc kết hợp các đặc trưng vật lý với thuật toán phân loại cho thấy hiệu quả nhất định, đặc biệt trong điều kiện thiếu dữ liệu hình ảnh.

Tuy nhiên, các phương pháp này thường yêu cầu thiết kế đặc trưng thủ công, nhạy cảm với nhiễu và khó mở rộng khi số lớp mục tiêu tăng lên. Điều này thúc đẩy xu hướng tích hợp radar với các cảm biến giàu thông tin ngữ nghĩa hơn, đặc biệt là camera quang học. Trong những năm gần đây, camera RGB kết hợp với kỹ thuật học sâu đã trở thành công cụ chủ đạo cho bài toán phát hiện và phân loại tàu biển. Bài tổng quan của Yang et al.

(2024) [5] hệ thống hóa các phương pháp nhận dạng mục tiêu hàng hải dựa trên ảnh RGB, từ các mô hình CNN truyền thống đến các kiến trúc hiện đại như YOLO, Faster R-CNN và Transformer. Quan trọng hơn, camera đơn lẻ khó cung cấp thông tin vị trí và vận tốc chính xác, làm hạn chế khả năng theo dõi và phân tích hành vi mục tiêu trong thời gian dài. Bên cạnh các nghiên cứu mang tính thuật toán, một số công trình đã triển khai hệ thống camera + AI trong các kịch bản giám sát ven bờ thực tế. Nghiên cứu [6] (2024) trình bày một hệ thống giám sát tàu cá ven bờ dựa trên kỹ thuật hoc sâu và hạ tầng đám mây, cho phép tự động nhận dạng hàng trăm loài sinh vật biển và trích xuất các chỉ số phục vụ quản lý nghề cá.

Mặc dù trọng tâm không phải giám sát tàu thuyền, công trình này minh chứng tính khả thi và hiệu quả của camera kết hợp AI trong môi trường ven bờ quy mô lớn.