Hiện nay rác thải trên biển, đặc biệt là các nguồn rác thải khó phân hủy như nhựa đang là mối nguy hại đối với môi trường động thực vật cũng như gây ảnh hưởng tới mỹ quan của các vùng ven biển. Do đó, việc xây dựng các bộ công cụ cho phép tự động xác định vị trí, số lượng rác thải nhựa để phục vụ việc thu gom là hết sức cần thiết.
Tóm tắt
Với ưu điểm có thể giám sát hiện trạng các khu vực trong phạm vi từ rộng tới hẹp ảnh viễn thám đa thời gian là nguồn tư liệu tốt phục vụ cho mục đích giám sát các đối tượng rác nổi trên biển như rác thải nhựa. Do đó, nhóm nghiên cứu đã đề xuất xây dựng hệ thống trợ giúp việc phát hiện rác thải nhựa bằng việc kết hợp giữa mô hình học máy để phát hiện vật thể (sử dụng Yolo V8) trên ảnh UAV trợ giúp xác định các đối tượng rác thải trong phạm vi nhỏ. Ảnh vệ tinh sentinel 2A hỗ trợ xác định các đối tượng rác thải nhựa trong phạm vi rộng dựa trên việc tính toán các chỉ số FDI (floating debris index) và chỉ số thực vật NDVI. Dữ liệu sau khi phân tích từ ảnh UAV và vệ tinh sẽ được trực quan hóa trên bản đồ thông qua bộ thư viện mapbox.
Từ khóa: Rác thải nhựa, ảnh UAV, Yolo V8, FDI, NDVI, Sentinel 2A.
Đặt vấn đề
Theo thống kê, trung bình mỗi năm, toàn bộ nghề khai thác thủy sản trong nước thải ra biển 8.700 tấn rác thải nhựa, trong đó 7.600 tấn từ tàu đánh bắt cá (Nam, 2023). Theo đánh giá của Chương trình Môi trường Liên hợp quốc (UNEP), Việt Nam là một trong 4 quốc gia có lượng rác thải nhựa (RTN) xả ra biển nhiều nhất thế giới. Báo cáo hiện trạng môi trường biển và hải đảo quốc gia giai đoạn 2016-2020 của Bộ TN&MT cho biết, ước tính hơn 80% chất thải nhựa đại dương hằng năm có nguồn gốc từ đất liền. 70% RTN ở biển sẽ chìm xuống đáy biển và phá hoại các hoạt động sống ở đáy biển (La Duy, 2022).
Trên thế giới có các nghiên cứu sử dụng các kênh cận hồng ngoại (NIR) và hồng ngoại sóng ngắn (SWIR) từ ảnh viễn thám để xác định rác thải nhựa như nghiên cứu của Garaba and Dierssen bằng việc sử dụng dữ liệu ảnh hàng không cho kết quả tốt với việc phát hiện các đối tượng rác thải nhựa cỡ lớn 0.5 m trở lên trong vùng sóng 1215 mm và 1732 mm. Tuy nhiên, trong nghiên cứu trên có một số yếu tố ảnh hưởng tới quá trình phân tích và nhận dạng đối tượng rác thải nhựa như sự hấp thụ sóng của nước hay các mảnh nhựa bị lẫn với các mảnh gỗ hoặc đối tượng thực vật khác. Một nghiên cứu khác (Aleksandr Danilov, 2024) về việc kết hợp chỉ số FDI (floating debris index) và NDVI (Normalized Difference Vegetation Index) trên ảnh Sentinel 2A trợ giúp việc phân tách các đối tượng rác thải nổi với thực vật nổi, nhóm thực hiện đã xác định và phân tách được các bãi rác thải nhựa trên biển với độ chính xác lên tới 86%.
Việt Nam đã có một số nghiên cứu sử dụng công nghệ viễn thám trong việc phát hiện rác thải nhựa bằng việc sử dụng ảnh SAR do có độ nhạy xám tốt so với bề mặt xung quanh (trường, 2023). Một số nghiên cứu sử dụng các mô hình học sâu trích xuất thông tin rác thải nhựa từ ảnh UAV bay ở độ cao 350 m ở khu vực ven biển Hội An với khoảng cách lấy mẫu mặt đất nằm trong khoảng 9 mm pixel được xử lý với mô hình mạng nơ-ron tích chập cho kết quả với độ chính xác tương đối cao 0.87 như nghiên cứu (Đỗ Thị Nhung, 2021).
Từ các phân tích trên đề tài đã đề xuất xây dựng hệ thống WebGIS cho phép tự động thu thập dữ liệu ảnh vệ tinh Sentinel 2A và sử dụng các thư viện phân tích tính toán các chỉ số trên ảnh vệ tinh đó bằng thư viện của google earth engine để phát hiện rác thải nhựa trên ảnh vệ tinh. Ảnh UAV nhóm thực hiện đề tài đề xuất sử dụng Yolo V8 phục vụ việc phát hiện các đối tượng rác thải nhựa. Các dữ liệu sau khi được trích xuất và phân tích sẽ được xuất ra dạng shapefile cho phép người dùng tải về phục vụ việc phân tích chuyên sâu hơn sau này.
Phương pháp nghiên cứu
Phương pháp trích xuất thông tin rác thải nhựa trên biển sử dụng ảnh vệ tinh
Hình 1: Quy trình xác định rác thải có thể là rác thải nhựa sử dụng ảnh vệ tinh Sentinel 2A
.jpg)
Các bước thu thập và phân tích dữ liệu trên sẽ được thực hiện trên google earth engine API và theo sơ đồ quy trình bên dưới:
.jpg)
.jpg)
Bước 1: Lựa chọn thời điểm ảnh vệ tinh Sentinel 2A và xác định vùng thử nghiệm thông qua dữ liệu ranh giới dạng vùng (polygon).
Bước 2: Tính toán chỉ số rác thải nổi bằng chỉ số FDI (Floating debris index) thông qua công thức số 1 bên dưới. Trong rác thải nổi có thể loại bỏ đi các yêu tố thực vật nổi bằng cách tính toán chỉ số thực vật NDVI theo công thức số 2 bên dưới.
Bước 3: Xác định ngưỡng nhỏ nhất với chỉ số FDI để tối ưu hóa việc xác định các mảnh vụn trôi nổi nhỏ và ngưỡng lớn nhất với chỉ số NDVI để phân biệt được tối đa mảnh vụn thực vật trôi nổi. Theo ngưỡng chỉ số 0.3 là cho xác định NDVI của các thực vật không lành mạnh như rác, chỉ số 0.1 được xác định với chỉ số FDI trong nghiên cứu này.
Bước 4: Kết hợp kết quả của bước 3 với dữ liệu bề mặt nước để xác định rác thuộc các vùng có nước (dữ liệu được thu thập từ nguồn Global Surface Water Explorer).
Sử dụng học máy và học sâu trong trích xuất thông tin rác thải nhựa trên biển
Đối với nghiên cứu này, nhóm thực hiện đề tài đã chọn các mô hình bắt nguồn từ kiến trúc YOLO: YOLO (You Only Look Once) là một họ thuật toán cực kỳ phổ biến và mạnh mẽ để nhận dạng đối tượng. Các mô hình YOLO, đặc biệt là các phiên bản 5, 7 và 8, đại diện cho các giải pháp toàn diện hiện đại (SOTA) cho các thách thức về thị giác máy tính, đặc biệt là xử lý trong các tình huống nhận dạng đối tượng theo thời gian thực. Một lợi thế chính của mô hình YOLO so với các giải pháp hàng đầu khác trong lĩnh vực mạng nơ-ron tích chập nằm ở hiệu quả và tốc độ đạt được bằng cách thực hiện nhận dạng đối tượng thông qua mạng CNN trong một lần chạy.
Hình 2: Bảng chỉ số hiệu năng với từng loại mô hình trong yolov8
.jpg)
Đề tài lựa chọn mô hình Yolov8m để thực hiện nghiên cứu, môi trường nghiên cứu được thực hiện trên google colab để giảm thiểu chi phí phần cứng cho việc xây dựng thiết bị đào tạo mô hình, việc gán nhãn cho dữ liệu (2 loại rác thải nhựa và không phải rác thải nhựa) được thực hiện thông qua bộ công cụ make sense (). Việc đào tạo và thực hiện nghiên cứu cũng dựa trên 1 nghiên cứu có liên quan về phát hiện rác thải nhựa trên sông (SwastikGorai, 2023)
Phương pháp xây dựng WebGIS thực hiện phát hiện và trực quan hóa dữ liệu rác thải nhựa trên biển
Hệ thống được xây dựng trên công nghệ WebGIS với hệ quản trị cơ sở dữ liệu sử dụng là PostgreSQL. Lập trình và môi trường tích hợp Google Earth Engine API và Yolo v8 sử dụng thư viện Express của NodeJS; việc trực quan hóa dữ liệu trên bản đồ sử dụng thư viện Mapbox JS.
Google Earth Engine API được sử dụng cho việc thu thập các nguồn dữ liệu từ google như ảnh vệ tinh Sentinel 2A theo khoảng thời gian người dùng lựa chọn; dữ liệu bề mặt nước để xác định rác thuộc các vùng có nước (dữ liệu được thu thập từ nguồn Global Surface Water Explorer). Việc tính toán các chỉ số FDI, NDVI và phân tích dữ liệu để xác định vị trí có thể là rác thải nhựa cũng được thực hiện thông qua google earth engine API.
Hệ quản trị CSDL PostgreSQL cho phép người dùng lưu trữ các dữ liệu không gian để sử dụng cho việc lưu trữ các lớp dữ liệu bản đồ khác như dữ liệu hành chính,...
Dữ liệu ảnh UAV sẽ được phân tích và xử lý thông qua các mô hình học máy và học sâu trong Yolov8 để thực hiện việc phát hiện rác thải nhựa trên ảnh vệ tinh. Sơ đồ hoạt động và các công nghệ của hệ thống được mô tả trong hình bên dưới.
Hình 3: Sơ đồ hoạt động và các công nghệ của hệ thống
.jpg)
Xây dựng hệ thống phát hiện và giám sát rác thải nhựa trên công nghệ WebGIS
Trang WebGIS được xây dựng sẽ cung cấp các chức năng sau:
(1) Cho phép người dùng vẽ vùng cần lấy ảnh vệ tinh Sentinel 2A trên bản đồ và chọn khoảng thời gian lấy ảnh; sau đó hệ thống sẽ sử dụng google earth engine để thực hiện tự động phân tích dữ liệu phát hiện các đối tượng, khu vực có thể là rác thải nhựa và hiển thị trên ảnh vệ tinh. Dữ liệu rác thải có thể là nhựa sau đó sẽ được trích xuất từ dạng raster sang vector dạng shapefile và cho phép người dùng tải về để thực hiện cho việc phân tích chuyên sâu sau này. Dữ liệu ảnh vệ tinh, các đối tượng có thể là rác thải nhựa và các lớp dữ liệu khác sẽ được chồng xếp và hiển thị trên bản đồ.
(2) Cho phép người dùng tải dữ liệu ảnh UAV sau khi đã được xử lý nắn chỉnh ảnh đưa về hệ tọa độ WGS84 lên trên WebGIS. Dữ liệu sau đó sẽ được lưu trữ trên máy chủ và được tự động phân tích để xác định vị trí kèm độ chính xác của các đối tượng có phải rác thải nhựa trôi nổi hay không trên bản đồ. Dữ liệu sau đó cũng được xuất vị trí dạng shapefile và cho phép người dùng tải về.
Kết quả với chức năng phát hiện rác thải nhựa với ảnh vệ tinh: Dữ liệu ảnh vệ tinh được thu thập vào ngày 01-10-2024 thuộc khu vực biển tỉnh Quảng Ninh. Sau khi thực hiện phân tích dữ liệu các đối tượng thể hiện bằng màu đỏ trên ảnh vệ tinh trong hình số 5 là các đối tượng được phát hiện có thể là rác thải nhựa.
Hình 4: Ảnh vệ tinh Sentinel 2A khu vực thực nghiệm
.jpg)
Hình 5: Ảnh sau khi phân tích chỉ số FDI và NDVI để xác định các khu vực có thể rác thải nổi
.jpg)
Hình 6: Ảnh sau khi phân tích chỉ số FDI, NDVI và tách riêng vùng có nước thường xuyên
.jpg)
Kết quả chức năng phát hiện rác thải nhựa với ảnh UAV: Dữ liệu ảnh sử dụng để đào tạo mô hình là 60 ảnh, số lượng ảnh dự đoán là 10 ảnh. Việc huấn luyện được thực hiện trong hai lần riêng biệt, mỗi lần 300 epoch. Kết quả sau khi chạy mô hình với độ chính xác Precision (B) là một trong những metrics có thể khắc phục được độ chính xác Accuracy (là cách đánh giá chỉ cho biết được bao nhiêu phần trăm lượng dữ liệu được phân loại đúng mà không chỉ ra được cụ thể mỗi loại được phân loại như thế nào, lớp nào được phân loại đúng nhiều nhất hay dữ liệu của lớp nào thường bị phân loại nhầm nhất vào các lớp khác). Giá trị Precision (B) đạt 0.60. Với đầu vào hình ảnh, thuật toán tạo ra mAP với tỷ lệ 62%. Ảnh sau khi phân loại được thể hiển hình bên dưới.
Ảnh đầu vào Ảnh kết quả
.jpg)
.jpg)
Kết luận
Nghiên cứu thực hiện việc đề xuất quy trình công nghệ và xây dựng được ứng dụng WebGIS cho phép phát hiện rác thải trôi nổi trên mặt biển có thể là rác thải nhựa từ 2 nguồn ảnh vệ tinh Sentinel 2A và UAV với ưu điểm là cho phép tự động thực hiện công việc phân tích và trích xuất thông tin vị trí các điểm rác thải nhựa. Với phương pháp phân tích trên ảnh UAV sử dụng Yolov8 với các nghiên cứu liên quan cho kết quả phân tích với độ chính xác khá cao nhưng khi đưa vào thực nghiệm với bộ dữ liệu của đề tài thì kết quả chỉ dừng lại ở mức trung bình. Do đó, đề tài cần thực hiện việc thu thập thêm dữ liệu để đào tạo cho mô hình; nhóm tiếp tục nghiên cứu để nâng cao độ chính xác của mô hình.
Lời cảm ơn
Bài báo được hoàn thành từ các số liệu của đề tài “Nghiên cứu hệ thống nhận dạng và giám sát rác thải nhựa trên mặt vùng ven biển Việt Nam từ dữ liệu địa tin học” cơ quan chủ trì Viện Khoa học Công nghệ Cơ khí Tự động hóa và Môi trường do TS. Trần Thị Hải Vân chủ nhiệm đề tài.
Tài liệu tham khảo
1. Aleksandr Danilov, E. S. (2024). Review of Methods for Automatic Plastic Detection in Water Areas Using Satellite Images and Machine Learning . Sensors;
2. Đỗ Thị Nhung, N. T. (2021). Nghiên cứu mô hình phát hiện rác thải nhựa ven biển sử dụng ảnh máy bay không người lái và mạng nơ-ron tích chập sâu. Tạp chí khoa học đo đạc và bản đồ, 21;
3. La Duy, H. A. (2022). Rác thải nhựa xâm lấn biển. Retrieved from Quân đội nhân dân: https://www. qdnd.vn/kinh-te/cac-van-de/bai-1-rac-thai-nhua-xam-lan-bien-707505;
4. Nam, B. Đ. (2023, 11 17). Báo điện tử Đảng Cộng Sản Việt Nam. Retrieved from Giảm thiểu rác thải nhựa để bảo vệ môi trường biển: https://dangcongsan.vn/xay-dung-xa-hoi-an-toan-truoc-thien-tai/giam-thieu-rac-thai-nhua-de-bao-ve-moi-truong-bien-652705.html;
5. SwastikGorai, 2023. Rewater. Retrieved from Github: https:// github.com/SwastikGorai/ReWater;
6. Trường, B. T. (2023, 7 24). Tiến tới giám sát rác thải nhựa ven biển bằng công nghệ viễn thám. Retrieved from Môi trường Á Châu: https://moitruongachau.com/vn/tien-toi-giam-sat-rac-thai-nhua-ven-bien-bang-cong-nghe-vien-tham.html.
TS. TRẦN THỊ HẢI VÂN1,3*, ThS. ĐINH BẢO NGỌC1,3
ThS. NGUYỄN THỊ HẢI YẾN1,3
GS.TS ĐINH VĂN CHIẾN1,3
TS. ĐINH THỊ THU HIỀN2,3
Trường Đại học Mỏ - Địa chất
Trường Đại học Điện Lực
Viện Khoa học Công nghệ Cơ khí Tự động hóa và Môi trường
Nguồn: Tạp chí Tài nguyên và Môi trường số 22 (Kỳ 2 tháng 11) năm 2024
Tóm tắt: Bài báo nghiên cứu giải pháp xử lý chất thải rắn sinh hoạt (CTRSH) bền vững cho Việt Nam thông qua tích hợp công nghệ vi sinh (phân hủy sinh học) và nhiệt phân. Trước áp lực gia tăng rác đô thị và yêu cầu phát triển kinh tế tuần hoàn, phương pháp này được đề xuất nhằm tận dụng tài nguyên từ rác, giảm chôn lấp và phát thải.
Nếu ở Kỳ 1, độc giả đã thấy những định hướng chiến lược và công nghệ xanh mở ra lối đi mới cho nông nghiệp Việt, thì đến Kỳ 2, điểm nhấn lại nằm ở những giải pháp cụ thể. Từ phòng thí nghiệm, nhiều nghiên cứu khoa học đã bước ra thực tiễn, đồng hành cùng doanh nghiệp, tạo nên các mô hình thành công: từ công nghệ bảo quản mới, chế biến cà phê hiện đại, đến kinh tế tuần hoàn phụ phẩm tôm và nâng tầm sản phẩm truyền thống như nước mắm. Đây chính là những hạt nhân giúp nông sản Việt gia tăng giá trị và chinh phục thị trường quốc tế.
Cao chloroform của Bí kỳ nam (Hydnophytum formicarum Jack.) được sắc ký cột với các hệ dung môi có độ phân cực khác nhau và kết hợp với kỹ thuật sắc ký lớp mỏng để thực hiện quá trình phân lập và tinh sạch các hợp chất. Cấu trúc của các hợp chất được xác định bằng phương pháp phổ cộng hưởng từ hạt nhân và kết hợp so sánh với tài liệu tham khảo. Ba hợp chất được tinh sạch và xác định cấu trúc bao gồm luteolin (1), quercetin (2) và quercitrin (3).
Hoạt tính xua đuổi hiệu quả của p-menthan-3,8-diol (PMD) đã được chứng minh là hiệu quả an toàn cho sức khỏe, tuy nhiên, hợp chất này vẫn chưa được sử dụng phổ biến ở Việt Nam. Đã có một số công trình nghiên cứu khảo sát tổng hợp PMD chủ yếu sử dụng xúc tác acid H2SO4 loãng với các điều kiện phản ứng khác nhau về thời gian và nhiệt độ.
Cháy nổ trong sinh hoạt dân dụng vẫn là một vấn đề nhức nhối tại Việt Nam, gây ra những thiệt hại nặng nề về người và tài sản do sự bất cẩn hoặc lỗi thiết bị điện. Các hệ thống cảnh báo cháy truyền thống thường có độ trễ cao, chỉ phản ứng khi cháy đã xảy ra rõ ràng, dễ gây báo động giả và thiếu khả năng cảnh báo từ xa.
Khu vực đảo Palawan (Philippine), Sempoma SABAH (Malaysia) nằm trong khu vực nhiệt đới gió mùa với hai mùa mưa, mùa khô rõ rệt. Tại Palawan, trung bình năm nhiệt độ không khí 28,50C, độ ẩm trung bình 58,4%, tổng lượng mưa 2.920 mm, tổng số giờ nắng trong khoảng 2,180 - 2,307h, nhiệt độ nước biển 29,30C và độ muối nước biển 33,3‰.
