Tổng quan nghiên cứu

Mạng lưới giao thông đường bộ Việt Nam sở hữu tổng chiều dài đạt 224.482 km, trong đó hệ thống quốc lộ chiếm 17.295 km tương đương 7,33% toàn mạng lưới. Hàng năm, áp lực từ mật độ phương tiện gia tăng và tác động khắc nghiệt của khí hậu nhiệt đới gió mùa khiến kết cấu mặt đường bê tông nhựa nhanh chóng xuống cấp. Tính đến cuối năm 2014, công tác duy tu và bảo dưỡng thường xuyên đã phải triển khai trên 120 tuyến quốc lộ với tổng chiều dài 19.520 km, tiêu tốn nguồn kinh phí lên đến 722,935 tỷ đồng. Trong số các dạng biến dạng bề mặt, hư hỏng dạng ổ gà là nguyên nhân trực tiếp gây mất an toàn giao thông nghiêm trọng, tương tự bài học từ Hàn Quốc khi ghi nhận hơn 1.000 vụ tai nạn giao thông nghiêm trọng do ổ gà chỉ trong một năm.

Vấn đề cốt lõi hiện nay là hoạt động khảo sát và đánh giá ổ gà tại Việt Nam chủ yếu tiến hành thủ công thông qua phương pháp chặn dòng xe và đo đạc trực tiếp trên hiện trường. Quy trình này vừa gây ùn tắc giao thông, tiềm ẩn 100% rủi ro tai nạn cho kỹ sư hiện trường, vừa mang nặng tính chủ quan với sai số đánh giá lớn. Đề tài tập trung nghiên cứu phương pháp xác định các yếu tố hình học của hư hỏng ổ gà trên mặt đường bê tông nhựa bằng kỹ thuật xử lý hình ảnh kỹ thuật số. Nghiên cứu được triển khai thực nghiệm trong giai đoạn từ tháng 07/2014 đến tháng 05/2015 tại khu vực TP.HCM. Mục tiêu trọng tâm là xây dựng quy trình tự động hóa hoàn toàn từ nhận dạng, bóc tách biên dạng diện tích đến đo đạc chiều sâu 3D của ổ gà, cung cấp dữ liệu hình học minh bạch, chính xác phục vụ công tác lập dự toán và bảo trì đường bộ kịp thời.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự tích hợp giữa tiêu chuẩn kỹ thuật công trình giao thông và các lý thuyết nền tảng về thị giác máy tính:

  • Tiêu chuẩn kỹ thuật áo đường: Vận dụng hệ thống phân loại hư hỏng theo Tiêu chuẩn thiết kế áo đường mềm 22TCN 211-06, phân định ổ gà thành ba cấp độ nghiêm trọng dựa trên chiều sâu và kích thước phát triển từ các vết nứt da cá sấu và hiện tượng bong tróc cốt liệu.
  • Lý thuyết xử lý ảnh số: Ứng dụng không gian màu RGB 24-bit với khả năng biểu diễn 16.777.216 sắc độ màu, kết hợp kỹ thuật chuyển đổi sang ảnh xám 8-bit tương ứng 256 mức xám từ 0 đến 255. Khung phân tích sử dụng biểu đồ phân bố tần suất mức xám Histogram để xác định ngưỡng phân tách tự động giữa nền mặt đường và hố sụt.
  • Lý thuyết trí tuệ nhân tạo và học máy: Ứng dụng phương pháp phân tích thành phần chính PCA nhằm giảm chiều không gian dữ liệu ảnh, kết hợp mạng nơ-ron nhân tạo lan truyền thẳng nhiều lớp Feedforward ANN để nhận dạng tự động cấu trúc hình thái ổ gà.
  • Lý thuyết thị giác lập thể 3D: Dựa trên hình học phân cực Epipolar Standard Geometry và thuật toán trích xuất đặc trưng SURF để tìm kiếm các điểm tương đồng giữa hai góc nhìn camera, từ đó tái tạo không gian ba chiều và tính toán độ sâu đáy ổ gà.

Phương pháp nghiên cứu

Dữ liệu hình ảnh được thu thập trực tiếp tại hiện trường thông qua hệ thống camera kỹ thuật số độ phân giải gốc 2560x1920 pixel, sau đó được chuẩn hóa kích thước về 640x480 pixel nhằm tối ưu hóa hiệu năng tính toán trên môi trường phần mềm Matlab. Quá trình chọn mẫu được thực hiện có chủ đích nhằm kiểm thử toàn diện từng module thuật toán: bộ dữ liệu nhận dạng gồm 5 ảnh điển hình đại diện cho ổ gà và các đối tượng gây nhiễu như vạch sơn, gờ giảm tốc; bộ dữ liệu đo diện tích gồm 3 ảnh độc lập; và bộ dữ liệu đo chiều sâu gồm 3 cặp ảnh lập thể.

Lý do lựa chọn phương pháp xử lý ảnh kết hợp thị giác lập thể thay vì công nghệ quét laser 3D đắt tiền là nhằm tối ưu hóa chi phí đầu tư thiết bị mà vẫn đảm bảo tính khách quan và độ chính xác milimét. Quy trình phân tích dữ liệu trải qua 4 bước: tiền xử lý khử nhiễu, phân đoạn ảnh bằng thuật toán phân ngưỡng tự động với dải giá trị ngưỡng thử nghiệm từ 0,01 đến 0,38, trích xuất vùng tâm ảnh, và đếm số lượng pixel để quy đổi ra diện tích thực dựa trên tỷ lệ chuẩn của vật mẫu kích thước 20x20 cm tương ứng 86 pixel chuẩn. Chiều sâu được xác định bằng phương pháp thị sai dựa trên khoảng cách tiêu cự và đường cơ sở giữa hai camera cố định. Toàn bộ chu trình nghiên cứu và thực nghiệm diễn ra trong vòng 10 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm thuật toán trên tập dữ liệu thực nghiệm đã mang lại những kết quả định lượng cụ thể:

  • Nhận dạng chính xác tuyệt đối: Hệ thống kết hợp phân tích thành phần chính PCA và mạng nơ-ron nhân tạo ANN đạt tỷ lệ nhận dạng chính xác 100% trên tập ảnh kiểm tra gồm 5 trường hợp phức tạp, phân biệt hoàn hảo giữa ổ gà thực tế với các yếu tố dễ gây nhầm lẫn như vạch sơn kẻ đường và vạch giảm tốc màu vàng.
  • Độ tin cậy cao trong tính toán diện tích: Thuật toán phân ngưỡng tự động bóc tách thành công đường biên ổ gà với sai số diện tích trung bình chỉ 4,14% trên 3 mẫu kiểm chứng hiện trường khi so sánh với số liệu đo đạc cơ học thực tế.
  • Khả năng đo chiều sâu 3D chuẩn xác: Hệ thống camera lập thể sử dụng thuật toán SURF khớp điểm đặc trưng đã tính toán chiều sâu hố sụt với sai số trung bình chỉ 4,50% trên 3 cặp ảnh thực nghiệm, ghi nhận chính xác các biến thiên độ sâu từ vài milimét đến hàng chục centimét.
  • Khả năng thích ứng môi trường cao: Thuật toán duy trì tính ổn định vượt trội khi xử lý ảnh ở các điều kiện chiếu sáng và độ tương phản khác nhau, hoạt động chính xác ngay cả khi giá trị ngưỡng phân đoạn tự động biến thiên từ mức 0,01 đến 0,38.

Thảo luận kết quả

Thành công của mô hình nhận dạng xuất phát từ việc thuật toán PCA đã loại bỏ hiệu quả các thành phần dư thừa của ảnh mặt đường bê tông nhựa, chỉ giữ lại các trục tọa độ có phương sai lớn nhất đại diện cho đặc trưng hình thái hư hỏng. Nhờ đó, mạng nơ-ron nhân tạo ANN huấn luyện nhanh chóng và không bị bẫy cục bộ bởi độ nhám của đá dăm. Bên cạnh đó, việc ứng dụng thuật toán SURF cho phép tìm kiếm các điểm tương đồng bất biến với phép quay và tỷ lệ phóng đại giữa hai góc chụp lập thể, giải quyết triệt để bài toán thị sai khi bề mặt đáy ổ gà có độ gồ ghề phức tạp.

So với công nghệ quét laser 3D có chi phí đầu tư thiết bị lên tới hàng tỷ đồng, phương pháp xử lý ảnh thị giác máy tính đề xuất giúp tiết kiệm hơn 80% chi phí phần cứng mà vẫn đảm bảo ngưỡng sai số kỹ thuật dưới 5%. Khi trình bày dữ liệu khảo sát, kết quả phân tích có thể được trực quan hóa sinh động thông qua biểu đồ phân bố mức xám Histogram trước và sau phân ngưỡng, kết hợp bảng ma trận điểm ảnh nhị phân và mô hình biểu đồ lưới bề mặt 3D Mesh Grid. Mô hình hóa này giúp các kỹ sư giao thông quan sát trực quan toàn bộ thể tích rỗng của ổ gà thay vì chỉ nhìn thấy các con số kích thước hình học đơn lẻ.

Đề xuất và khuyến nghị

Nhằm chuyển giao kết quả nghiên cứu vào thực tiễn quản lý và bảo trì đường bộ tại Việt Nam, các giải pháp mang tính hành động cần được triển khai đồng bộ:

  • Tự động hóa thiết bị thu thập dữ liệu: Chuyển đổi từ chụp ảnh thủ công sang lắp đặt cụm camera kép chuyên dụng trên phương tiện tuần kiểm đường bộ, thiết lập tốc độ ghi hình ổn định từ 40 đến 60 km/h để khảo sát liên tục toàn bộ 19.520 km quốc lộ mà không làm gián đoạn dòng lưu thông xe cộ.
  • Nâng cấp thuật toán lọc nhiễu môi trường: Phát triển bổ sung các module xử lý ảnh nâng cao nhằm nhận diện chính xác ổ gà trong điều kiện thời tiết bất lợi như mặt đường đọng nước, bóng râm cây cối che khuất hoặc bề mặt có rác thải, giao cho các viện nghiên cứu chuyên ngành hoàn thiện trong khung thời gian 12 tháng.
  • Xây dựng phần mềm quản lý mặt đường thông minh: Số hóa toàn bộ thuật toán thành ứng dụng có giao diện đồ họa thân thiện, tích hợp trực tiếp dữ liệu sai số diện tích dưới 4,14% và chiều sâu dưới 4,50% vào hệ thống quản lý mặt đường PMS cùng hệ thống thông tin địa lý GIS để tự động xuất khối lượng vật liệu bê tông nhựa cần vá.
  • Chuẩn hóa quy trình nghiệm thu duy tu: Tổng cục Đường bộ Việt Nam chủ trì ban hành văn bản hướng dẫn kỹ thuật áp dụng công nghệ xử lý ảnh số trong công tác tuần kiểm định kỳ, đặt mục tiêu cắt giảm 50% thời gian lập hồ sơ dự toán sửa chữa trước năm 2026.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả thực nghiệm của công trình mang lại giá trị ứng dụng thiết thực cho nhiều nhóm chuyên môn:

  • Cơ quan quản lý hạ tầng giao thông đường bộ: Các đơn vị quản lý đường bộ và Sở Giao thông Vận tải có thể ứng dụng quy trình xử lý ảnh tự động để quản lý hiệu quả ngân sách bảo trì 722,935 tỷ đồng mỗi năm, chuyển đổi từ phương thức duy tu thụ động sang chủ động ngăn ngừa sự phát triển của ổ gà.
  • Doanh nghiệp tư vấn thiết kế và thi công cầu đường: Các kỹ sư hiện trường sử dụng thuật toán tính toán diện tích và chiều sâu để xác định chính xác thể tích bê tông nhựa cần bù phụ, giảm thiểu từ 15% đến 20% lượng vật liệu thất thoát do ước lượng sai lệch bằng mắt thường.
  • Nhà nghiên cứu và học viên cao học ngành Kỹ thuật Giao thông: Tài liệu cung cấp cơ sở lý thuyết chuẩn mực về cơ chế phá hoại mặt đường theo tiêu chuẩn 22TCN 211-06, tạo tiền đề để mở rộng nghiên cứu sang các dạng hư hỏng khác như nứt mai rùa, lún vệt bánh xe hay trồi trượt nhựa.
  • Chuyên gia phát triển phần mềm và thị giác máy tính: Các kỹ sư trí tuệ nhân tạo có thể tham khảo phương pháp kết hợp PCA, ANN và thuật toán SURF trên không gian ảnh màu RGB 24-bit để tối ưu hóa các ứng dụng nhận dạng vật thể trong điều kiện ngoại cảnh phức tạp.

Câu hỏi thường gặp

  • Phương pháp xử lý ảnh có ưu thế gì vượt trội so với đo đạc thủ công truyền thống? Phương pháp xử lý ảnh giúp loại bỏ hoàn toàn việc chặn xe gây ùn tắc giao thông, đảm bảo an toàn tuyệt đối cho người khảo sát và cung cấp dữ liệu hình học khách quan với sai số diện tích chỉ 4,14% thay vì phụ thuộc vào cảm tính chủ quan của kỹ sư.

  • Tại sao nghiên cứu lại kết hợp phương pháp PCA với mạng nơ-ron nhân tạo ANN? Phân tích PCA đóng vai trò trích xuất các đặc trưng cốt lõi và giảm chiều dữ liệu từ ma trận điểm ảnh lớn, giúp mạng ANN xử lý dữ liệu nhanh hơn, hội tụ chuẩn xác và đạt tỷ lệ nhận dạng đúng 100% mà không bị quá tải bộ nhớ tính toán.

  • Độ chính xác khi xác định các yếu tố hình học của ổ gà đạt mức độ nào? Kết quả kiểm nghiệm trên các ổ gà thực tế cho thấy sai số trung bình khi tính diện tích là 4,14% và sai số đo chiều sâu lập thể 3D là 4,50%, đáp ứng hoàn toàn các yêu cầu kỹ thuật khắt khe trong công tác nghiệm thu bảo trì đường bộ.

  • Thuật toán phân đoạn ảnh tự động xử lý sự thay đổi của ánh sáng hiện trường ra sao? Thuật toán phân tích biểu đồ mức xám Histogram để tự động điều chỉnh ngưỡng phân đoạn trong dải từ 0,01 đến 0,38, giúp tách biệt chính xác vùng ổ gà ở tâm ảnh khỏi mặt đường bê tông nhựa xung quanh bất kể điều kiện sáng tối.

  • Nghiên cứu có những giới hạn nào cần lưu ý khi ứng dụng thực tế? Thuật toán hiện tại được tối ưu hóa cho các dạng ổ gà đơn giản trên mặt đường khô ráo, chưa áp dụng cho các vị trí bị ngập nước hoàn toàn, bị che khuất bởi rác thải hoặc các vết nứt vỡ có hình thái biến dạng quá phức tạp.

Kết luận

  • Xây dựng thành công quy trình công nghệ hoàn chỉnh từ thu nhận ảnh, phân đoạn, nhận dạng đến tính toán tự động diện tích và chiều sâu ổ gà trên mặt đường bê tông nhựa.
  • Đạt tỷ lệ nhận dạng chính xác 100% nhờ sự phối hợp tối ưu giữa phương pháp phân tích thành phần chính PCA và mạng nơ-ron nhân tạo Feedforward ANN.
  • Kiểm chứng độ tin cậy vượt trội của thuật toán với sai số tính diện tích chỉ 4,14% và sai số đo chiều sâu 3D bằng phương pháp SURF chỉ 4,50%.
  • Mở ra hướng đi mới thay thế hoàn toàn phương pháp khảo sát đo vẽ thủ công nguy hiểm, giúp tiết kiệm ngân sách bảo trì quốc gia và đảm bảo giao thông luôn thông suốt.
  • Thiết lập nền tảng khoa học vững chắc để phát triển các hệ thống xe đo tự động hóa chuyên dụng tại Việt Nam trong lộ trình 6 đến 12 tháng tới.

Các cơ quan quản lý, viện nghiên cứu và doanh nghiệp giao thông hãy chủ động kết nối, thử nghiệm chuyển giao công nghệ xử lý ảnh số này vào hệ thống quản lý mặt đường thực tế để nâng cao năng lực bảo trì hạ tầng giao thông thông minh và bền vững.