Hệ thống Drone tích hợp cảm biến IoT và AIoT tự hành đo chất lượng nước ao nuôi thủy sản chính xác

Trong nuôi trồng thủy sản thâm canh các loài giáp xác giá trị cao như cua biển và tôm, sự ổn định của các thông số lý hóa môi trường nước gồm nhiệt độ, độ pH, oxy hòa tan (DO), độ đục và độ mặn giữ vai trò quyết định đến tốc độ tăng trưởng, hiệu quả chuyển hóa thức ăn, chu kỳ lột xác và tỷ lệ sống của vật nuôi. Tuy nhiên, phương pháp lấy mẫu nước thủ công truyền thống tại một vài vị trí ven bờ vừa tiêu tốn nhiều thời gian, nhân lực vừa không phản ánh được sự biến thiên không gian của chất lượng nước trên toàn bộ diện tích ao rộng lớn. Trong khi đó, việc lắp đặt dày đặc các trạm cảm biến cố định dưới đáy ao lại phát sinh chi phí đầu tư rất cao và dễ gặp tình trạng bám bẩn sinh học (biofouling) làm sai lệch kết quả đo. Nhằm giải quyết bài toán giám sát không gian đa điểm với chi phí tối ưu, hai nhà khoa học Kurada V. B. C. Sekararao và Venkatrao Palacherla (Khoa Kỹ thuật Điện tử và Truyền thông, Đại học Godavari Global, Ấn Độ) đã công bố công trình nghiên cứu "Drone-Based IoT System for Spatial Monitoring of Pond Water Quality for Precision Aquaculture" trên tạp chí khoa học quốc tế Aquaculture Journal (MDPI) ngày 10/11/2026.
1. Hạn chế của cảm biến cố định và ý tưởng trạm quan trắc di động trên không (UAV)
Phân tích thực trạng công nghệ quan trắc hiện nay, nhóm tác giả chỉ ra rằng chất lượng nước trong một ao nuôi thủy sản không bao giờ đồng nhất tại mọi điểm mà luôn phân tầng và biến đổi theo không gian do tác động của quạt nước tạo oxy, vị trí cho ăn, dòng chảy đối lưu và độ sâu đáy ao. Các trạm cảm biến gắn cố định tại một góc ao chỉ cung cấp dữ liệu cục bộ tại đúng điểm đặt, dễ bỏ sót những vùng nước tù đọng thiếu oxy cục bộ nơi cua biển và tôm thường tập trung trú ẩn.
Để khắc phục nhược điểm này, nhóm nghiên cứu đã thiết kế một kiến trúc quan trắc di động tái sử dụng kết hợp thiết bị bay không người lái (UAV / drone) tự hành với cụm cảm biến tiếp xúc trực tiếp mặt nước. Chỉ với một hệ thống thiết bị bay duy nhất, người nuôi có thể lập trình để drone tự động bay tuần tra và thu thập dữ liệu chất lượng nước tại nhiều điểm đo phân bố đều trên mặt ao, thậm chí phục vụ cùng lúc cho nhiều ao nuôi khác nhau trong toàn trang trại.
2. Kiến trúc phần cứng thông minh: Raspberry Pi 5, vi điều khiển ESP32 và 4 đầu dò chuyên dụng
Hệ thống drone quan trắc thủy sản chính xác được cấu thành từ ba phân hệ kỹ thuật tích hợp chặt chẽ:
- Hệ thống định vị và điều phối hành trình bay tự động trên Raspberry Pi 5: Máy tính nhúng Raspberry Pi 5 đảm nhận nhiệm vụ nhận diện ranh giới ao nuôi đã đăng ký trên bản đồ số, lập kế hoạch tọa độ các điểm đo bên trong lòng ao và truyền lệnh điều khiển cho bộ lái tự động (autopilot) của drone cất cánh, bay lần lượt qua từng tọa độ GPS định sẵn và hạ cánh an toàn sau khi hoàn thành nhiệm vụ.
- Mô-đun cảm biến đa thông số tháo rời sử dụng vi điều khiển ESP32: Nhóm tác giả lựa chọn vi điều khiển ESP32 (sở hữu 34 chân GPIO và hai bộ chuyển đổi tương tự sang số SAR ADC 12-bit hỗ trợ tới 18 kênh đầu vào, vượt trội hoàn toàn so với nền tảng ESP8266 vốn chỉ có một kênh ADC duy nhất) để kết nối đồng thời bốn đầu dò cảm biến chất lượng nước chuyên dụng gồm: cảm biến đo độ pH (E201-C), cảm biến đo độ đục (TS-300B), cảm biến đo oxy hòa tan DO (SEN0237-A) và cảm biến nhiệt độ kỹ thuật số chống nước (DS18B20).
- Cơ chế thả chìm cảm biến trực tiếp và truyền dữ liệu đám mây thời gian thực: Khi drone bay đến đúng tọa độ điểm đo trên mặt ao, thiết bị hạ độ cao để thả chìm mô-đun cảm biến xuống lớp nước cần khảo sát. Vi điều khiển ESP32 thu nhận tín hiệu, xử lý số liệu và truyền không dây toàn bộ kết quả đo đạc kèm mã định danh ao nuôi, mã điểm đo, tọa độ GPS và dấu thời gian lên cơ sở dữ liệu đám mây (cloud database), hiển thị trực quan thành biểu đồ và bản đồ nhiệt trên điện thoại thông minh hoặc website quản trị của người nuôi.
3. Nền tảng dữ liệu không gian phục vụ AI phát hiện bất thường và cảnh báo dịch bệnh (AIoT)
Điểm giá trị nhất của giải pháp không chỉ dừng lại ở việc đo đạc tự động mà nằm ở việc kiến tạo một kho cơ sở dữ liệu lịch sử chất lượng nước được lập chỉ mục theo không gian và thời gian. Theo thiết kế của nhóm nghiên cứu, nguồn dữ liệu sạch và giàu chiều sâu không gian này chính là đầu vào lý tưởng cho các mô hình Trí tuệ nhân tạo kết hợp Vạn vật kết nối (AIoT) như mạng học sâu LSTM hay SRU.
Thông qua việc học quy luật biến thiên của nhiệt độ, pH, độ đục và oxy hòa tan tại từng tọa độ trong ao qua nhiều ngày, thuật toán AI có khả năng thực hiện ba chức năng hỗ trợ ra quyết định quan trọng: phát hiện sớm các điểm bất thường cục bộ (như vùng đáy ao tích tụ khí độc hoặc suy giảm oxy đột ngột), dự báo xu hướng diễn biến chất lượng nước trong những giờ tới để chủ trại chủ động chạy quạt nước hoặc thay nước phòng ngừa, và đánh giá sớm nguy cơ bùng phát dịch bệnh trước khi vật nuôi có biểu hiện chết hàng loạt.
4. Góc nhìn ứng dụng cho các vùng nuôi cua biển quảng canh cải tiến và vuông tôm tại Việt Nam
Công trình nghiên cứu công bố trên tạp chí Aquaculture Journal mang lại một gợi ý giải pháp công nghệ cực kỳ phù hợp với đặc thù sản xuất thủy sản tại vùng Đồng bằng sông Cửu Long của Việt Nam, đặc biệt là các mô hình nuôi cua biển kết hợp tôm sú dưới tán rừng ngập mặn tại Cà Mau, Bạc Liêu và Kiên Giang. Đặc trưng của các vuông nuôi cua - tôm quảng canh cải tiến này là diện tích mặt nước rất rộng (từ vài hecta đến hàng chục hecta mỗi vuông), địa hình kênh rạch đan xen nên việc lắp đặt hệ thống cảm biến cố định kéo dây điện ra khắp vuông là điều bất khả thi.
Với mô hình drone mang cụm cảm biến đa thông số ESP32, một hợp tác xã thủy sản hoặc trạm dịch vụ kỹ thuật địa phương hoàn toàn có thể vận hành một thiết bị bay dùng chung để bay kiểm tra định kỳ chất lượng nước cho hàng chục vuông nuôi cua của các hộ xã viên chỉ trong một buổi sáng. Việc đo đạc chính xác độ mặn, độ pH và oxy hòa tan tại từng góc vuông nuôi sẽ giúp bà con kịp thời điều tiết cống lấy nước theo con nước triều cường, bảo vệ đàn cua biển phát triển khỏe mạnh và lột xác đồng đều. Bạn đọc có thể xem toàn văn bài báo khoa học tại mục nguồn trích dẫn.
Nguồn trích dẫn
Sekararao, K. V. B. C., & Palacherla, V. (2026, November 10). Drone-based IoT system for spatial monitoring of pond water quality for precision aquaculture. Aquaculture Journal, 6(4), 57. https://doi.org/10.3390/aquacj6040057
Xem nguồn gốc





Bình luận (0)
Chưa có bình luận nào.