ỨNG DỤNG THỊ GIÁC MÁY TÍNH HUẤN LUYỆN THIẾT BỊ BAY KHÔNG NGƯỜI LÁI NHẬN DIỆN CÁC VẬT THỂ CÓ DẠNG HÌNH HỌC CƠ BẢN

jos.hueuni.edu.vn Tập 134, Số 2A, 2025 173 3.3 Ứng dụng thuật toán mạng nơ-ron tích chập tích hợp vào camera của drone nhận diện các vật thể có dạng hình học cơ bản a. Đề xuất kiến trúc mạng nơ-ron tích chập nhận diện các vật thể có dạng hình học cơ bản Trong phần này, mô hình CNN được đề xuất thay vì các kiến trúc tân tiến khác như SSD, Faster R-CNN, YOLO vì theo nghiên cứu [22] đã phân tích hiệu năng của SSD và Faster R-CNN trên dữ liệu video từ drone, kết quả cho thấy Faster R-CNN đạt độ chính xác cao hơn (nhận diện gần 95% đối tượng) nhưng có thời gian xử lý trung bình mỗi khung hình tối thiểu là 140 ms. Trong khi đó, mô hình SSD nhanh hơn nhưng lại có tỷ lệ nhận diện thấp hơn. Ở nghiên cứu [23], kết quả nhận diện đối tượng đã cho thấy rằng CNN có thể nhận diện đối tượng với mức độ chính xác cao (98%). Đối với việc theo dõi thời gian thực, thuật toán CNN có thể theo dõi phản ứng nhanh hơn so với các phương pháp thông thường được sử dụng, hiệu quả trong việc theo dõi đối tượng đã được nhận diện. Nghiên cứu này cho thấy rằng việc ứng dụng CNN phát hiện đối tượng và tích hợp vào drone đạt hiệu quả cao trong thực tế. Từ phân tích trên, trong nghiên cứu này, một kiến trúc CNN được đề xuất để giúp camera của drone có thể nhận diện và phân biệt được các vật thể có dạng hình chữ nhật, hình tam giác, hình tròn, hình ngũ giác đều. Việc sử dụng thuật toán CNN phù hợp và có độ chính xác cao có thể giúp drone nhận diện và phân biệt các vật thể dựa trên các đặc trưng (feature) được trích xuất

từ bộ dữ liệu ảnh. Mô hình CNN sẽ học cách nhận biết và phân loại các hình ảnh chứa vật thể với các dạng hình học cơ bản khác nhau. Mục tiêu của nghiên cứu này là đề xuất một phương pháp hỗ trợ thiết bị bay không người lái nhận diện các vật thể có dạng hình học cơ bản như hình chữ nhật, hình tam giác, hình tròn, hình ngũ giác đều với khả năng được thực hiện trong thời gian thực. Do đó, nghiên cứu này sử dụng kiến trúc CNN ở mức “gọn nhẹ” để giảm mức độ tính toán và thời gian học của CNN. Tổng thể kiến trúc của mô hình CNN được sử dụng để học từ bộ dữ liệu ảnh được minh họa như trong Hình 3, và các chi tiết của cấu hình mô hình cũng như số lượng các tham số được liệt kê trong Bảng 1. Hình ảnh có kích thước 240 × 180 × 1 được sử dụng làm lớp đầu vào của mô hình mạng nơ-ron tích chập CNN. Ảnh đầu vào có kích thước 240×180× 1, trong đó 240×180 là kích thước ảnh, 1 là số kênh màu của ảnh, vì dữ liệu được sử dụng để huấn luyện ở dạng đen trắng nên số kênh chỉ có 1 để giảm kích thước ảnh để giảm thời gian huấn luyện. Mô hình CNN được đề xuất bao gồm ba lớp tích chập hai chiều (conv2D) và ba lớp tổng hợp tối đa (maxpool) xen kẽ nhau. Tiếp theo là dữ liệu sẽ được làm phẳng ở dạng 1D (flatten – fc1) sau đó tiếp tục qua 2 lớp kết nối đầy đủ (fully connected 2 và 3 – fc2 và fc3). Cuối cùng, để có thể đưa ra dự đoán, 1 lớp softmax được đặt ở cuối mô hình để đưa ra dự đoán về dạng hình học xuất hiện trong bức ảnh.