Bối cảnh và vấn đề nghiên cứu

Trong ngành chăn nuôi gia súc, gia cầm, việc theo dõi và chẩn đoán sức khỏe vật nuôi đóng vai trò then chốt nhằm ngăn chặn dịch bệnh bùng phát. Các phương pháp chẩn đoán lâm sàng truyền thống chủ yếu dựa vào thao tác tiếp xúc vật lý như nhìn, sờ nắn, gõ và nghe. Tuy nhiên, việc tiếp xúc trực tiếp mang lại nhiều hạn chế lớn: dễ gây hoảng loạn, tạo trạng thái căng thẳng (stress) cho con vật, làm sai lệch các chỉ số sinh lý tự nhiên và thậm chí có thể khiến bệnh trạng tiến triển xấu hơn.

Để khắc phục những nhược điểm này, công nghệ ứng dụng camera ảnh nhiệt kết hợp kỹ thuật xử lý hình ảnh số trở thành giải pháp chẩn đoán từ xa, không xâm lấn. Phương pháp này cho phép thu thập dữ liệu nhanh chóng, phát hiện sớm các bất thường về thân nhiệt liên quan đến các bệnh truyền nhiễm nguy hiểm ở lợn như Dịch tả lợn, Tụ huyết trùng, Phó thương hàn và Đóng dấu lợn. Mặc dù vậy, phương pháp đo nhiệt không tiếp xúc cũng tồn tại thách thức khi chỉ áp dụng được với các bệnh có biểu hiện biến đổi thân nhiệt, đồng thời kết quả đo dễ bị ảnh hưởng bởi các yếu tố ngoại cảnh như ánh sáng mặt trời, độ ẩm và khoảng cách đo.

Từ thực tế trên, tác giả Nguyễn Hữu Đạt (Chuyên ngành Tự động hóa, Khoa Cơ – Điện, Học viện Nông nghiệp Việt Nam) đã thực hiện đồ án tốt nghiệp: "Xây dựng phần mềm xác định vị trí có nhiệt độ tăng bất thường trên cơ thể lợn nuôi" dưới sự hướng dẫn khoa học của TS. Nguyễn Thái Học.

Mục tiêu nghiên cứu cụ thể của đề tài bao gồm 4 nhiệm vụ:

  1. Sử dụng công nghệ xử lý ảnh trên ảnh thân nhiệt để phát hiện và hỗ trợ phân loại một số bệnh thông thường trên lợn nuôi.
  2. Tìm hiểu và ứng dụng kỹ thuật thị giác máy tính nhằm nhận diện, định vị các bộ phận trên cơ thể lợn nuôi có hiện tượng tăng nhiệt độ bất thường, hỗ trợ quá trình theo dõi và chăm sóc.
  3. Xác định chính xác tọa độ và giá trị nhiệt độ lớn nhất (cực đại) tại vùng nhiệt bất thường.
  4. Xây dựng cơ chế gửi hình ảnh cá thể có dấu hiệu bệnh kèm thông tin cảnh báo đến người quản lý thông qua ứng dụng và website.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Ngôn ngữ lập trình Python, thư viện xử lý ảnh OpenCV, camera ảnh nhiệt (FLIR TG267), module truyền thông ESP8266 (ESP 2866), máy tính nhúng Raspberry Pi và nền tảng IoT Blynk.
  • Giới hạn đề tài: Thiết kế mô hình hệ thống tự động phát hiện, chẩn đoán từ xa một số bệnh gây tăng thân nhiệt ở lợn; thiết lập hệ thống chụp ảnh đàn lợn kết hợp nhận diện cá thể bằng mã QR gắn trên tai để đưa ra phác đồ theo dõi.
  • Thời gian và địa điểm thực hiện: Từ tháng 10/2020 đến tháng 03/2021 tại Học viện Nông nghiệp Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết

Đề tài xây dựng trên các nền tảng lý thuyết về vật lý bức xạ nhiệt, sinh lý học động vật và kỹ thuật xử lý ảnh số:

  • Nguyên lý bức xạ nhiệt và tạo ảnh nhiệt: Mọi vật thể có nhiệt độ lớn hơn 0 tuyệt đối (0 Kelvin) đều phát ra bức xạ sóng điện từ (tia hồng ngoại). Cảm biến nhiệt (UFPA) thu nhận các biến đổi bức xạ hồng ngoại, chuyển đổi thành tín hiệu điện chạy qua bộ xử lý tín hiệu hình ảnh (ISP) trong vi mạch FPGA, sau đó qua bộ xử lý tín hiệu số (DSP) để tái tạo luồng hình ảnh nhiệt khả kiến.
  • Cơ chế sinh nhiệt và phân bố nhiệt trên cơ thể động vật: Thân nhiệt phản ánh các trạng thái sinh lý, sinh hóa và bệnh lý. Quá trình sinh nhiệt bắt nguồn từ hoạt động của các cơ quan nội tạng chính (não, tim, gan, thận chiếm tới 60% lượng nhiệt cơ thể) và sự co cơ; quá trình mất nhiệt diễn ra qua bề mặt da, tai, mũi, chân thông qua các cơ chế dẫn nhiệt, bức xạ, đối lưu và bay hơi. Nghiên cứu phân định ba vị trí đo: nhiệt độ lõi (các cơ quan sâu), nhiệt độ lớp trung gian (dưới da khoảng 2 cm) và nhiệt độ bề mặt da (độ sâu không quá 1 cm hoặc đo ngoài da).
  • Lý thuyết xử lý ảnh số: Quá trình phân tích bao gồm các bước: thu nhận ảnh, tiền xử lý (lọc nhiễu, cân bằng sáng), phân đoạn ảnh (dựa trên mức xám hoặc ngưỡng màu), trích chọn đặc tính (theo biên hoặc vùng liên thông), nhận dạng và giải thích đối tượng. Kỹ thuật chuyển đổi không gian màu từ RGB sang thang độ xám (Grayscale) và lược đồ mức xám (Histogram) được sử dụng để phân tích phân bố mức sáng và nhiệt độ.
  • Cấu trúc tệp ảnh: Văn bản phân tích chi tiết cấu trúc các tệp ảnh số cơ bản như IMG (ảnh đơn sắc nén theo cụm), PCX (sử dụng giải thuật nén loạt dài RLE - Run-Length Encoded) và TIFF (với cấu trúc Header IFH, Directory IFD và Directory Entry DE).
Phương pháp đo Bản chất kỹ thuật Ưu điểm Nhược điểm
Đo tiếp xúc trực tiếp Kẹp cảm biến nhiệt vào tai, hậu môn, dưới cánh hoặc cấy ghép trực tiếp vào mô Cho kết quả nhanh, độ chính xác cao, ít bị ảnh hưởng bởi nhiễu môi trường xung quanh Gây stress, hoảng loạn cho vật nuôi; thiết bị cấy ghép có thể bị đào thải hoặc gây tổn thương mô
Đo không tiếp xúc (Ảnh nhiệt) Thu nhận bức xạ hồng ngoại từ xa qua cảm biến nhiệt hoặc camera ảnh nhiệt Không tiếp xúc vật lý, không gây stress, giám sát diện rộng và theo dõi liên tục từ xa Dễ bị nhiễu bởi nhiệt độ môi trường, ánh sáng mặt trời, độ ẩm; độ chính xác giảm khi khoảng cách xa

Phương pháp nghiên cứu

  • Phương pháp nghiên cứu kế thừa: Kế thừa các giải thuật phân tích vùng ảnh nhiệt, sử dụng ngôn ngữ lập trình Python và thư viện OpenCV để xây dựng thuật toán phân đoạn, tách biên và nhận diện điểm nhiệt độ cực đại.
  • Phương pháp tham khảo tài liệu: Tổng hợp và phân tích dữ liệu từ các công trình nghiên cứu trong nước và quốc tế về cảm biến sinh học, ứng dụng IoT và thị giác máy tính trong chăn nuôi thú y.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo cấu trúc khối khép kín nhằm tự động hóa quy trình thu thập và cảnh báo:

Kiến trúc phần cứng

  • Thiết bị thu nhận ảnh: Camera ảnh nhiệt cầm tay FLIR TG267 làm nhiệm vụ ghi lại ảnh và video phổ nhiệt của vật nuôi.
  • Khối xử lý trung tâm: Máy tính nhúng Raspberry Pi đóng vai trò nạp và thực thi chương trình phân tích xử lý ảnh viết bằng Python và OpenCV.
  • Khối truyền thông và cảnh báo: Module vi điều khiển ESP8266 (ESP 2866) kết nối giao tiếp với hệ thống xử lý, chịu trách nhiệm nhận dữ liệu phân tích và điều khiển mạch cảnh báo.

Quy trình phần mềm và thuật toán

  1. Thu nhận và tiền xử lý ảnh: Hình ảnh nhiệt thu thập từ camera được lưu trữ và đưa vào chương trình Python. Ảnh được chuyển đổi hệ màu từ RGB sang thang độ xám (Grayscale) và áp dụng các bộ lọc khử nhiễu.
  2. Phân đoạn và nhận diện vùng nhiệt: Dựa trên nguyên lý ánh xạ dải màu của ảnh nhiệt sang giá trị nhiệt độ, chương trình tiến hành phân vùng liên thông để phát hiện các khu vực có nhiệt độ vượt ngưỡng bình thường trên các bộ phận (tai, đầu, cổ, lưng, bụng).
  3. Trích xuất tọa độ và nhiệt độ cực đại: Thuật toán quét ma trận điểm ảnh trong vùng bất thường để định vị tọa độ hình học và xác định giá trị nhiệt độ lớn nhất ($T_{max}$).
  4. Truyền nhận dữ liệu và cảnh báo qua Blynk: Dữ liệu gồm tên ảnh, tọa độ, mức nhiệt độ cao nhất và trạng thái phân loại được đóng gói và gửi qua module ESP8266 tới nền tảng đám mây Blynk, hiển thị thông báo trực tiếp trên giao diện điện thoại và website của người quản lý.

Nội dung chính theo từng chương

Chương 1: Tổng quan tài liệu

Chương này tổng kết cơ sở lý thuyết về kỹ thuật ảnh nhiệt và thị giác máy tính, đồng thời khảo cứu các công trình khoa học trong và ngoài nước:

  • Phân tích nguyên lý cảm biến nhiệt hồng ngoại và các lĩnh vực ứng dụng thực tiễn của xử lý ảnh (quân sự, an ninh hàng hải, y tế, kiểm tra công nghiệp, giao thông và nông nghiệp).
  • Tổng quan cơ chế sinh nhiệt và biến đổi thân nhiệt ở động vật: phân tích mối liên hệ giữa nhiệt độ tai với nồng độ hormone cortisol tiết ra từ tuyến thượng thận khi lợn bị stress.
  • Thống kê các nghiên cứu lâm sàng: tỷ lệ tử vong ở lợn con sơ sinh liên quan đến hạ thân nhiệt chiếm từ 18% đến 35% (trong đó 50% - 60% lợn con tử vong trong vòng 48 giờ đầu sau sinh); lợn con có biểu hiện run rẩy có tỷ lệ tử vong lên đến 34%.
  • Khảo sát biến thiên nhiệt độ: trên lợn sống, phạm vi nhiệt độ bề mặt dao động từ 17°C đến 34°C (cao nhất tại vùng lưng, tai và tứ chi); sau khi giết mổ 45 phút, nhiệt độ bề mặt giảm xuống còn 16°C - 21°C (có sự chênh lệch nhiệt độ bề mặt giữa hai bên thân thịt lên đến 2°C do tác động sốc điện).
  • Bảng tổng hợp các nghiên cứu tự động đo thân nhiệt trên bò thịt, bò sữa, chó, thỏ, ngựa và cừu bằng cả hai phương pháp tiếp xúc và không tiếp xúc.

Chương 2: Nội dung và phương pháp nghiên cứu

Nội dung chương 2 tập trung vào việc mô tả cấu trúc hệ thống và xây dựng giải thuật:

  • Thiết lập sơ đồ khối chức năng của hệ thống tự động nhận diện các vị trí nhiệt độ bất thường.
  • Giới thiệu chi tiết thông số và vai trò của các thiết bị phần cứng: Camera ảnh nhiệt FLIR TG267, module ESP8266, mạch cảnh báo.
  • Trình bày giải thuật xử lý ảnh nhiệt trên nền tảng ngôn ngữ Python kết hợp OpenCV: nguyên lý chuyển đổi không gian màu, kỹ thuật phân đoạn ảnh dựa trên lược đồ xám Histogram, thuật toán trích xuất biên và định vị vùng nhiệt độ cực đại.
  • Thiết lập hệ sinh thái Blynk, thiết kế giao diện nhận dữ liệu, hiển thị đồ thị đường đặc tính nhiệt và cơ chế gửi tin nhắn cảnh báo tự động.
  • Xác định nguyên lý ánh xạ giữa màu sắc ảnh nhiệt và giá trị nhiệt độ thực tế của từng bộ phận trên cơ thể lợn (lưng, đầu, cổ, tai, bụng).

Chương 3: Kết quả và thảo luận

Chương 3 trình bày các kết quả thực nghiệm và đánh giá độ chính xác của hệ thống:

  • Trình bày hình ảnh mô hình thực tế và hoàn thiện lưu đồ thuật toán của chương trình điều khiển chính.
  • Xây dựng giao diện hiển thị và kiểm thử chương trình trên máy tính nhúng Raspberry Pi và ứng dụng Blynk ở ba trạng thái nhiệt độ:
    • Trạng thái đo thân nhiệt thấp.
    • Trạng thái đo thân nhiệt bình thường.
    • Trạng thái đo thân nhiệt cao (bất thường).
  • Đánh giá thông số quá trình thực nghiệm thông qua các bảng số liệu đo đạc thực tế:
    • Bảng 3: Bảng thông số quá trình thực nghiệm.
    • Bảng 4: Khảo nghiệm độ chính xác của thiết bị khi sử dụng thiết bị đo trên cơ thể lợn nuôi.
    • Bảng 5: Khảo nghiệm độ chính xác của các vị trí tăng nhiệt độ bất thường trên cơ thể lợn nuôi.

Kết quả và đóng góp

Kết quả nghiên cứu chính

  • Xây dựng thành công phần mềm xử lý ảnh nhiệt trên nền tảng Python và OpenCV, có khả năng tự động phân đoạn và phát hiện chính xác vùng có nhiệt độ bất thường trên cơ thể lợn.
  • Xác định được tọa độ hình học và giá trị nhiệt độ lớn nhất ($T_{max}$) tại các vùng nghi ngờ nhiễm bệnh (tai, đầu, cổ, lưng, bụng).
  • Tích hợp hoàn chỉnh hệ thống truyền thông không dây qua ESP8266 và nền tảng Blynk, cho phép truyền dữ liệu thời gian thực và gửi tin nhắn cảnh báo tới điện thoại của người quản lý khi phát hiện cá thể sốt cao.
  • Thực nghiệm thành công việc phân loại ba dải trạng thái nhiệt: thân nhiệt thấp, thân nhiệt bình thường và thân nhiệt cao; kiểm chứng độ chính xác của hệ thống qua các bảng khảo nghiệm thực tế trên đàn lợn nuôi.

Đóng góp của đề tài

  • Đưa ra giải pháp giám sát sức khỏe đàn lợn không xâm lấn, giảm thiểu sự can thiệp cơ học trực tiếp, giúp hạn chế căng thẳng và nguy cơ lây lan mầm bệnh trong chuồng nuôi.
  • Kết hợp kỹ thuật thị giác máy tính với nền tảng IoT giá thành thấp (Raspberry Pi, ESP8266, Blynk), tạo ra mô hình tự động hóa có tính ứng dụng thực tiễn trong nông nghiệp công nghệ cao tại Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Độ chính xác của phép đo ảnh nhiệt bị suy giảm khi khoảng cách giữa camera và vật nuôi tăng lên hoặc khi vật nuôi di chuyển liên tục.
  • Hệ thống dễ chịu tác động gây nhiễu từ môi trường chuồng trại như ánh sáng mặt trời chiếu trực tiếp, độ ẩm không khí cao hoặc sự xuất hiện của các nguồn nhiệt ngoại cảnh lân cận.
  • Phương pháp chỉ phát hiện được các bệnh lý có biểu hiện gây biến đổi nhiệt độ bề mặt hoặc phát ban, xuất huyết ngoài da.

Hướng nghiên cứu tiếp theo

  • Hoàn thiện module nhận dạng mã QR trên tai lợn để tự động liên kết dữ liệu thân nhiệt với hồ sơ định danh của từng cá thể trong đàn.
  • Bổ sung các thuật toán lọc nhiễu môi trường và tự động bù trừ sai số nhiệt độ theo khoảng cách và độ ẩm chuồng nuôi.
  • Phát triển hệ thống máy chủ cơ sở dữ liệu trên nền tảng web server chuyên dụng nhằm lưu trữ lịch sử thân nhiệt và tích hợp phác đồ điều trị tự động cho từng nhóm bệnh.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên, học viên và kỹ sư thuộc các chuyên ngành Tự động hóa, Kỹ thuật Cơ điện tử, Công nghệ thông tin và Nông nghiệp công nghệ cao.

Nội dung đồ án cung cấp tài liệu thực nghiệm giá trị ở các phần:

  • Kỹ thuật phân tích, xử lý ảnh nhiệt bằng ngôn ngữ Python và thư viện OpenCV.
  • Phương pháp ghép nối truyền thông giữa máy tính nhúng (Raspberry Pi), vi điều khiển IoT (ESP8266) và giao diện giám sát Blynk.
  • Cơ sở khoa học về phân bố thân nhiệt động vật và các phương pháp đo lường sinh học không tiếp xúc trong chăn nuôi thông minh.

Câu hỏi thường gặp

1. Tại sao đề tài lại lựa chọn phương pháp đo thân nhiệt bằng camera ảnh nhiệt thay vì các phương pháp đo tiếp xúc truyền thống?
Trả lời: Phương pháp đo tiếp xúc truyền thống (kẹp nhiệt độ, cấy cảm biến) đòi hỏi bắt giữ hoặc chạm trực tiếp vào cơ thể vật nuôi, gây hoảng loạn, stress và có thể làm bệnh nặng hơn hoặc sai lệch chỉ số sinh lý. Camera ảnh nhiệt cho phép đo từ xa, không xâm lấn, thu thập dữ liệu nhanh trên diện rộng mà không làm ảnh hưởng đến hành vi tự nhiên của lợn.

2. Hệ thống phát hiện các bệnh cụ thể nào trên cơ thể lợn nuôi?
Trả lời: Hệ thống hướng tới phát hiện các bệnh truyền nhiễm gây tăng thân nhiệt bất thường và xuất hiện các vết đốm, vệt đỏ trên da lợn, bao gồm: Dịch tả lợn, Tụ huyết trùng, Phó thương hàn lợn và Đóng dấu lợn.

3. Kiến trúc phần cứng và phần mềm của hệ thống gồm những thành phần chính nào?
Trả lời: Phần cứng gồm Camera ảnh nhiệt FLIR TG267, máy tính nhúng Raspberry Pi, vi điều khiển ESP8266 (ESP 2866) và mạch cảnh báo. Phần mềm được phát triển trên ngôn ngữ Python, sử dụng thư viện xử lý ảnh OpenCV và nền tảng IoT Blynk để gửi cảnh báo lên điện thoại/website.

4. Dải nhiệt độ bề mặt của lợn sống và lợn sau khi giết mổ biến thiên như thế nào theo tài liệu tổng quan?
Trả lời: Theo nghiên cứu tổng quan trong văn bản, nhiệt độ bề mặt của lợn sống dao động từ 17°C đến 34°C (cao nhất ở vùng lưng, tai và tứ chi); trong khi đó ở lợn sau giết mổ 45 phút, nhiệt độ bề mặt giảm xuống phạm vi 16°C đến 21°C.

5. Cơ chế cảnh báo khi phát hiện cá thể có nhiệt độ bất thường hoạt động như thế nào?
Trả lời: Khi chương trình xử lý ảnh trên Raspberry Pi phát hiện vùng có nhiệt độ vượt ngưỡng bình thường, hệ thống sẽ xác định tọa độ và giá trị nhiệt độ lớn nhất ($T_{max}$), sau đó truyền thông tin và tên bức ảnh qua module ESP8266 tới ứng dụng Blynk để phát cảnh báo và hiển thị trực tiếp lên giao diện của người quản lý.

Kết luận

Đồ án tốt nghiệp của tác giả Nguyễn Hữu Đạt đã thiết kế và thử nghiệm thành công mô hình hệ thống tự động xác định các vị trí tăng nhiệt độ bất thường trên cơ thể lợn nuôi bằng công nghệ xử lý ảnh nhiệt. Bằng việc kết hợp ngôn ngữ Python, thư viện OpenCV, máy tính nhúng Raspberry Pi và nền tảng IoT Blynk, hệ thống cho phép phát hiện sớm dấu hiệu sốt bệnh từ xa một cách trực quan và không xâm lấn. Kết quả nghiên cứu đáp ứng các yêu cầu kỹ thuật đề ra, đóng góp giải pháp thiết thực vào định hướng tự động hóa và hiện đại hóa ngành chăn nuôi thú y.