ỨNG DỤNG CÔNG NGHỆ QUANG-HỒNG NGOẠI VÀ TRÍ TUỆ NHÂN TẠO (AI) TRONG TÌM KIẾM CỨU NẠN

A. Tóm tắt: Trong bối cảnh các thảm hoạ, thiên tai, tai nạn ngày càng gia tăng, việc nâng cao hiệu quả tìm kiếm cứu nạn (SAR) là yêu cầu cấp thiết. Ứng dụng UAV tích hợp camera quang học, hồng ngoại kết hợp với trí tuệ nhân tạo (AI) mang lại tiềm năng lớn trong phát hiện nạn nhân và tối ưu hóa ứng cứu. Nghiên cứu này triển khai các mô hình học máy và thị giác máy tính để xử lý dữ liệu ảnh từ UAV, sử dụng các thư viện Python hiện đại cho xử lý dữ liệu, trực quan hóa, học máy và phân tích ảnh nhiệt. Thử nghiệm trên tập dữ liệu mô phỏng nhiều kịch bản SAR cho thấy thuật toán YOLOv5 kết hợp ảnh hồng ngoại đạt hiệu suất vượt trội (độ chính xác >92%, F1-score >91%), cao hơn so với Random Forest và SVM. Kết quả chứng minh hiệu quả của UAV - AI trong SAR, góp phần giảm rủi ro cho lực lượng cứu hộ và mở ra hướng ứng dụng rộng rãi tại Việt Nam.

Abstract: In the context of increasing natural disasters and accidents, enhancing the effectiveness of search and rescue (SAR) operations has become an urgent requirement. The integration of unmanned aerial vehicles (UAVs) with optical and infrared cameras and artificial intelligence (AI) offers significant potential for improving victim detection and optimizing rescue strategies. This study implements machine learning and computer vision models to process image data captured by UAVs, utilizing modern Python libraries for data processing, visualization, machine learning, and thermal-optical image analysis. Experiments on simulated SAR scenarios demonstrated that the YOLOv5 algorithm combined with infrared imagery achieved superior performance (detection accuracy >92%, F1-score >91%) compared with Random Forest and SVM. The results highlight the effectiveness of UAV-AI integration in SAR, contributing to reduced risks for rescue teams and opening opportunities for broader applications in Vietnam.

Từ khoá: Tìm kiếm cứu nạn, phương tiện bay không người lái, hình ảnh quang học và hồng ngoại, trí tuệ nhân tạo, nhận dạng đối tượng

Keywords: Rearch and Rescue, Unmanned Aerial Vehicle, Optical and Infrared Imaging, Artificial Intelligence, Object Detection

I. Đặt vấn đề

Trong bối cảnh thiên tai, tai nạn giao thông và sự cố hàng hải, hàng không ngày càng diễn biến phức tạp, việc nâng cao hiệu quả hoạt động tìm kiếm cứu nạn (Search and Rescue - SAR) trở thành một nhu cầu cấp bách. Các phương pháp truyền thống dựa trên nhân lực và phương tiện cơ giới như tàu thuyền, trực thăng, mặc dù đã chứng minh được hiệu quả nhất định, song vẫn bộc lộ nhiều hạn chế như chi phí cao, thời gian triển khai chậm và rủi ro lớn cho lực lượng cứu hộ. Do đó, yêu cầu ứng dụng các tiến bộ công nghệ nhằm nâng cao hiệu suất và độ an toàn trong SAR ngày càng rõ rệt.

Phương tiện bay không người lái (UAV) là một hướng tiếp cận tiềm năng đã được nhiều nhóm nghiên cứu trên thế giới đề xuất và phát triển từ đầu thế kỷ XXI (Goodrich et al., 2008; Erdelj & Natalizio, 2016). UAV có ưu thế về chi phí thấp, khả năng tiếp cận các khu vực nguy hiểm, và đặc biệt linh hoạt trong thu thập dữ liệu thời gian thực. Tuy nhiên, việc chỉ sử dụng camera quang học thông thường còn nhiều hạn chế trong điều kiện ánh sáng yếu, ban đêm hoặc môi trường có khói bụi, rừng rậm.

Sự phát triển mạnh mẽ của công nghệ cảm biến hồng ngoại và trí tuệ nhân tạo (AI), đặc biệt là các thuật toán thị giác máy tính và học sâu, đã mở ra khả năng mới cho UAV trong việc tự động nhận dạng, phân loại và khoanh vùng nạn nhân. Ý tưởng về việc tích hợp camera quang – hồng ngoại với mô hình AI ban đầu còn đơn giản, nhưng nhờ sự bùng nổ của máy tính hiệu năng cao và các thư viện lập trình mã nguồn mở (như TensorFlow, PyTorch, OpenCV), giải pháp này đã dần trở thành một hướng nghiên cứu có cơ sở khoa học chặt chẽ và khả năng ứng dụng thực tiễn cao (Redmon et al., 2016; Bochkovskiy et al., 2020).

Đặc biệt, sự xuất hiện của các thuật toán phát hiện đối tượng thế hệ mới như YOLOv5 đã tạo bước đột phá trong khả năng xử lý ảnh thời gian thực, giúp UAV có thể phát hiện nạn nhân chính xác ngay cả trong điều kiện phức tạp.

Ví dụ điển hình là trong một kịch bản tìm kiếm người mất tích trong rừng sâu: Ban ngày UAV có thể sử dụng camera quang học để quét diện rộng, còn ban đêm hoặc trong vùng nhiều tán cây, cảm biến hồng ngoại hỗ trợ nhận dạng tín hiệu nhiệt phát ra từ cơ thể người. Các thuật toán AI như YOLOv5 sau đó sẽ xử lý dữ liệu và tự động đánh dấu vị trí nghi ngờ có nạn nhân trên bản đồ số, giúp lực lượng cứu hộ nhanh chóng tiếp cận. Nhờ đó, thời gian phản ứng được rút ngắn, phạm vi tìm kiếm mở rộng, và nguy cơ cho lực lượng cứu hộ trực tiếp được giảm thiểu đáng kể.

1. Phương pháp nghiên cứu

Mô hình hệ thống

Trong nghiên cứu này, hệ thống được thiết kế dựa trên UAV đa rotor cỡ nhỏ, tích hợp song song hai cảm biến:

Camera quang học (RGB, độ phân giải 1080p, tốc độ 30 fps) nhằm ghi nhận hình ảnh trực quan trong điều kiện ánh sáng ban ngày.

Camera hồng ngoại (IR) (8 - 14 μm, độ phân giải 640×512) nhằm khai thác sự chênh lệch nhiệt độ, đặc biệt trong môi trường ánh sáng yếu hoặc ban đêm.

Dữ liệu hình ảnh từ hai kênh được truyền về trạm mặt đất qua liên kết không dây và đồng thời được xử lý trực tiếp trên UAV thông qua bộ xử lý nhúng NVIDIA Jetson Xavier NX, cho phép triển khai mô hình học sâu trong thời gian thực.

Thuật toán nhận dạng

Thuật toán chính được áp dụng là YOLOv5, một trong những kiến trúc CNN tối ưu cho bài toán phát hiện đối tượng thời gian thực. Các biến thể YOLOv5n, s, m, l, x được thử nghiệm nhằm đánh giá sự cân bằng giữa tốc độ và độ chính xác.

II. Ứng dụng công nghệ quang-hồng ngoại và AI trong tìm kiếm cứu nạn

Tổng quan nghiên cứu

Trong những năm gần đây, việc tích hợp hệ thống camera quang học và hồng ngoại trên UAV đã mở ra nhiều hướng tiếp cận mới trong công tác tìm kiếm cứu nạn. Camera quang học cung cấp hình ảnh có độ phân giải cao, phù hợp khi điều kiện ánh sáng tốt, trong khi camera hồng ngoại lại cho phép phát hiện nguồn nhiệt của cơ thể người trong điều kiện ban đêm, khói bụi hoặc môi trường che khuất. Tuy nhiên, hạn chế chung là tỷ lệ báo động giả vẫn cao nếu chỉ dựa trên một kênh dữ liệu duy nhất.

Sự phát triển của trí tuệ nhân tạo, đặc biệt là các thuật toán deep learning trong nhận dạng đối tượng, đã giúp cải thiện đáng kể khả năng phân tích và hợp nhất dữ liệu cảm biến. Trong đó, YOLOv5 (You Only Look Once, version 5) là một trong những mô hình nổi bật nhờ tốc độ xử lý nhanh và độ chính xác cao, phù hợp cho ứng dụng thời gian thực trên UAV. Mô hình này có thể huấn luyện để phát hiện và phân loại nạn nhân trong cả ảnh quang học và hồng ngoại, sau đó tích hợp kết quả nhằm tăng xác suất phát hiện tổng thể.

Một số nghiên cứu quốc tế đã chứng minh rằng, việc sử dụng YOLOv5 với dữ liệu đa phổ (RGB + IR) có thể đạt độ chính xác trên 90% trong các bài toán phát hiện người trong môi trường phức tạp. Thư viện Python như PyTorch, OpenCV và ultralytics/yolov5 hiện hỗ trợ mạnh mẽ cho việc huấn luyện, triển khai và đánh giá mô hình. Dưới đây là ví dụ minh họa đơn giản:

Bài toán đặt ra

Trong tìm kiếm cứu nạn, UAV thường được trang bị camera quang học (RGB) và camera hồng ngoại (IR). Tuy nhiên, mỗi cảm biến riêng lẻ đều có hạn chế:

Camera RGB dễ bị ảnh hưởng bởi ánh sáng yếu, khói bụi.

Camera IR dễ nhiễu khi có nền nhiệt cao.

Khi tích hợp cả hai kênh ảnh và xử lý bằng mô hình YOLOv5, ta kỳ vọng xác suất phát hiện sẽ tăng đáng kể so với việc chỉ dùng một kênh.

Mô hình xác suất:

Gọi pRGB là xác suất phát hiện bằng ảnh RGB; pIR là xác suất phát hiện bằng ảnh IR.

Giả sử hai kênh ảnh hoạt động độc lập, khi hợp nhất (fusion), xác suất phát hiện được cho bởi:

Pfusion = 1 - (1 - pRGB)(1- pIR)

Ví dụ: Nếu pRGB​ = 0.75, pIR​ = 0.82, ta có

Pfusion = 1 - (1 - pRGB)(1- pIR) ≈ 0.955

Nhận xét:

Khi chỉ dùng camera RGB, YOLOv5 phát hiện nạn nhân với xác suất khoảng 75%.

Khi chỉ dùng camera IR, xác suất phát hiện tăng lên 82%.

Khi tích hợp hai kênh ảnh (RGB + IR) và phân tích bằng YOLOv5, xác suất phát hiện đạt khoảng 95,5%, cao hơn rõ rệt so với từng kênh riêng lẻ.

Điều này chứng minh rằng việc kết hợp dữ liệu đa phổ cùng với mô hình AI hiện đại không chỉ cải thiện độ tin cậy phát hiện mà còn giúp giảm thiểu sai sót trong môi trường khắc nghiệt của nhiệm vụ tìm kiếm cứu nạn.

Cách tiếp cận này không chỉ rút ngắn thời gian xử lý mà còn nâng cao độ tin cậy trong việc phát hiện nạn nhân, đặc biệt ở những khu vực rộng lớn và điều kiện môi trường phức tạp. Đây chính là cơ sở để nhiều nhóm nghiên cứu trên thế giới, cũng như ở Việt Nam, định hướng phát triển các hệ thống UAV tự động, thông minh, phục vụ hiệu quả cho công tác tìm kiếm cứu nạn trong tương lai.

III. Kết luận

Trong bối cảnh thiên tai, sự cố, tai nạn diễn biến ngày càng phức tạp, công tác tìm kiếm, cứu nạn (TKCN) đang đặt ra yêu cầu cao hơn về tốc độ, độ chính xác và hiệu quả. Việc ứng dụng công nghệ quang – hồng ngoại kết hợp với trí tuệ nhân tạo (AI) không chỉ là xu hướng mà còn là giải pháp quan trọng nhằm nâng cao năng lực ứng phó, bảo vệ tính mạng và tài sản của nhân dân.

Công nghệ quang – hồng ngoại cho phép phát hiện bức xạ nhiệt từ cơ thể con người, qua đó giúp nhận diện nạn nhân trong điều kiện tầm nhìn hạn chế như ban đêm, sương mù, khói bụi hoặc khu vực rừng rậm. Đây là ưu thế mà các phương pháp quan sát truyền thống khó đáp ứng. Trong thực tế, camera hồng ngoại đã được sử dụng hiệu quả trong tìm kiếm người mất tích, giám sát cháy rừng, phát hiện điểm nóng và hỗ trợ cứu hộ trong các vụ sập đổ công trình.

Tại Việt Nam, trong một số vụ cháy lớn tại khu đô thị và nhà xưởng, lực lượng phòng cháy, chữa cháy đã sử dụng thiết bị camera nhiệt để xác định vị trí nạn nhân trong môi trường khói dày đặc, giúp rút ngắn đáng kể thời gian cứu hộ. Tương tự, trong các vụ sạt lở đất tại khu vực miền núi phía Bắc, thiết bị bay không người lái (drone) gắn camera hồng ngoại đã được triển khai để khảo sát hiện trường, tìm kiếm dấu hiệu sự sống trong khu vực nguy hiểm, hạn chế rủi ro cho lực lượng tham gia cứu nạn.

Nếu công nghệ hồng ngoại đóng vai trò “mắt nhìn”, thì trí tuệ nhân tạo chính là “bộ não” giúp xử lý và phân tích dữ liệu. AI có khả năng nhận diện hình ảnh, phân tích tín hiệu nhiệt và xử lý dữ liệu lớn trong thời gian ngắn. Nhờ đó, hệ thống có thể nhanh chóng xác định vị trí nghi ngờ có nạn nhân, phân biệt giữa con người và các vật thể xung quanh, đồng thời đưa ra cảnh báo hoặc gợi ý phương án tiếp cận tối ưu.

Sự kết hợp giữa công nghệ quang – hồng ngoại và AI tạo nên hệ thống TKCN thông minh. Trong đó, dữ liệu hình ảnh và nhiệt độ được thu thập liên tục từ drone hoặc camera cố định, sau đó được AI phân tích để xác định vị trí có khả năng cao có nạn nhân. Lực lượng cứu hộ có thể dựa vào đó để khoanh vùng, ưu tiên tìm kiếm, từ đó nâng cao hiệu quả và giảm thiểu thời gian cứu nạn – yếu tố mang tính quyết định trong nhiều tình huống khẩn cấp.

Thực tiễn cho thấy, trong các vụ tai nạn, thiên tai, “thời gian vàng” để cứu nạn nhân thường rất ngắn. Việc rút ngắn thời gian tìm kiếm dù chỉ vài phút cũng có thể quyết định sự sống còn. Do đó, ứng dụng công nghệ hiện đại không chỉ mang ý nghĩa hỗ trợ mà còn là yếu tố then chốt nâng cao hiệu quả công tác TKCN.

Tuy nhiên, việc triển khai các công nghệ này tại Việt Nam vẫn còn những hạn chế nhất định. Hệ thống thiết bị chưa đồng bộ, việc ứng dụng AI còn ở mức thử nghiệm, nguồn nhân lực có trình độ công nghệ cao còn thiếu. Bên cạnh đó, dữ liệu phục vụ phân tích chưa được xây dựng đầy đủ và chưa có cơ chế chia sẻ hiệu quả giữa các lực lượng.

Để phát huy hiệu quả của công nghệ quang – hồng ngoại và AI trong TKCN, cần triển khai đồng bộ các giải pháp. Trước hết, cần tăng cường đầu tư trang thiết bị hiện đại như drone, camera nhiệt, hệ thống xử lý dữ liệu. Đồng thời, chú trọng đào tạo nguồn nhân lực có khả năng vận hành thiết bị và khai thác dữ liệu.

Cùng với đó, cần xây dựng cơ sở dữ liệu số về địa hình, dân cư, khí hậu để phục vụ cho các hệ thống AI phân tích và dự báo. Việc hoàn thiện cơ chế phối hợp giữa các lực lượng như quân đội, công an, phòng cháy chữa cháy và chính quyền địa phương cũng là yếu tố quan trọng nhằm nâng cao hiệu quả triển khai.

Ngoài ra, cần đẩy mạnh hợp tác với các doanh nghiệp công nghệ và các tổ chức quốc tế để tiếp cận nhanh với các giải pháp tiên tiến, phù hợp với điều kiện Việt Nam.

Có thể khẳng định, ứng dụng công nghệ quang – hồng ngoại và trí tuệ nhân tạo là xu hướng tất yếu trong hiện đại hóa công tác tìm kiếm, cứu nạn. Việc chủ động đầu tư và triển khai các công nghệ này không chỉ góp phần nâng cao năng lực ứng phó với thiên tai, sự cố mà còn thể hiện rõ vai trò của Nhà nước trong bảo vệ nhân dân, vì mục tiêu phát triển bền vững.

Đỗ Xuân Đức 

Giảng viên Khoa Chỉ huy Tham mưu 

Trường Sĩ quan Không quân, Quân chủng Phòng không - Không quân

Email: sqd.doxu@gmail.com