HỆ THỐNG IOT TÍCH HỢP HỌC SÂU ĐẾM TÔM TỰ ĐỘNG

Abstract

Bối cảnh: Ngành nuôi trồng thủy sản, đặc biệt là nuôi tôm, đang đối mặt với nhu cầu ngày càng tăng về các giải pháp công nghệ tiên tiến nhằm tăng năng suất và giảm chi phí vận hành. Trong đó, việc giám sát và quản lý số lượng tôm trong ao nuôi là yếu tố quan trọng quyết định đến hiệu quả nuôi trồng. Tuy nhiên, việc đếm và theo dõi số lượng tôm một cách chính xác trong môi trường tự nhiên gặp nhiều thách thức, đặc biệt khi tôm thường di chuyển nhanh và xuất hiện trong nhiều hình dạng, kích thước khác nhau dưới các điều kiện môi trường biến đổi như ánh sáng, độ trong của nước, và độ sâu của đáy ao. Để giải quyết những vấn đề này, Hệ thống IoT tích hợp học sâu để đếm tôm tự động đã được phát triển như một giải pháp tiên tiến cho tự động hóa giám sát ao nuôi. Hệ thống này kết hợp giữa camera thu thập hình ảnh và mô hình học sâu hiện đại để nhận dạng và đếm tôm trong thời gian thực, giúp cung cấp dữ liệu chính xác và liên tục cho người nuôi. Camera thu thập hình ảnh được lắp đặt tại ao nuôi thu thập dữ liệu và gửi về một mô hình học sâu có khả năng phân tích, nhận diện và đếm số lượng tôm, ngay cả khi chúng xuất hiện ở nhiều tư thế hoặc trong môi trường nước thay đổi. Mục tiêu: Nghiên cứu này nhằm phát triển một Hệ thống IoT tích hợp học sâu để đếm tôm tự động với mục tiêu tối ưu hóa quá trình giám sát và quản lý ao nuôi tôm. Hệ thống được thiết kế để tự động thu thập và phân tích dữ liệu hình ảnh từ ao nuôi, sử dụng camera và các mô hình học sâu tiên tiến nhằm nhận diện và đếm số lượng tôm trong thời gian thực, ngay cả trong các điều kiện môi trường phức tạp như ánh sáng yếu, độ trong của nước thay đổi, hoặc tôm xuất hiện ở nhiều tư thế và hình dạng khác nhau. Với tính năng cung cấp dữ liệu liên tục và chính xác, hệ thống này không chỉ giúp giảm thiểu sự phụ thuộc vào lao động thủ công mà còn tạo ra một nền tảng dữ liệu toàn diện cho người nuôi, hỗ trợ đưa ra quyết định chiến lược về mật độ nuôi, chế độ cho ăn, và các điều kiện môi trường. Thông qua việc ứng dụng hệ thống này, nghiên cứu kỳ vọng sẽ đóng góp vào việc tăng năng suất nuôi tôm, giảm chi phí vận hành, và thúc đẩy sự phát triển bền vững trong ngành nuôi trồng thủy sản. Phương pháp: Máy tính ra lệnh Raspberry đưa camera xuống cách đáy ao 60cm và camera bắt đầu chụp ảnh tôm chuyển động thời gian thực và gửi về cho máy tính tiền xử lý dữ liệu lọc nhiễu, làm mịn, tăng cường chi tiết, sắc nét, dữ liệu sao đó được đưa vào để nhận diện bằng mạng học sâu yolo nas với khả năng dự đoán chính xác cao. Tôm được đếm và hiển thị số lượng trong khung hình. Kết quả: qua quá trình thử nghiệm thực tế cho thấy hệ thống phát hiện tôm với độ chính xác cao, vượt trội hơn so với các phương pháp truyền thống. Dễ dàng mở rộng mô hình như định lượng tôm , giám sát hoạt động đối tượng trong môi trường nuôi, quản lý cho ăn hiệu quả và thông minh. Kết luận: Dựa trên kết quả đạt được. Hệ thống của chúng tôi có thể triển khai môi trường thực tế, ứng dụng mở rộng cho nhiều nghiên cứu về nuôi tôm nói chung và thủy sản nói riêng. Không chỉ đóng góp cho nuôi tôm thông minh trong thực tiễn.