Bài báo đề xuất một giải pháp nhận diện ô nhiễm do dầu bằng cách tích hợp máy bay không người lái (UAV) và trí tuệ nhân tạo (AI), trong đó UAV được sử dụng để thu thập dữ liệu từ xa và AI phân tích chuyên sâu nhằm nâng cao khả năng phát hiện và ứng phó kịp thời sự cố tràn dầu. DOI: http://doi.org/10.64588/jc.29.04.2026
TÁC GIẢ:
Trần Gia Vinh1, Trịnh Hương Mai1, Phạm Văn Quyến1, Nguyễn Đức Hải Dương2, Bùi Hải Đăng2, PGS.TS Phan Văn Hưng1,*, THS Nguyễn Văn Hùng2
1Khoa Hàng hải, Trường Đại học Hàng hải Việt Nam
2Khoa Điện - Điện tử, Trường Đại học Hàng hải Việt Nam
*Email: phanvanhung@vimaru.edu.vn
THÔNG TIN BÀI BÁO
Chuyên mục: Khoa học công nghệ
Ngày nhận bài: 01/4/2026
Ngày sửa bài: 08/4/2026
Ngày chấp nhận đăng: 15/4/2026
Ngày xuất bản Online: 28/4/2026
Tác giả liên hệ: Email: phanvanhung@vimaru.edu.vn
TÓM TẮT
Hiện nay, hoạt động hàng hải và vận chuyển dầu khí ngày càng phát triển, kéo theo nguy cơ xảy ra sự cố tràn dầu ngày càng cao gây ảnh hưởng nghiêm trọng đến hệ sinh thái ven bờ và an toàn hàng hải, từ đó đặt ra yêu cầu cấp thiết về các giải pháp giám sát và phát hiện hiệu quả. Các phương pháp truyền thống chủ yếu dựa vào khảo sát thủ công hoặc thiết bị chuyên dụng có chi phí đắt đỏ, khó mở rộng và kém hiệu quả trong điều kiện thời gian thực. Bài báo đề xuất một giải pháp nhận diện ô nhiễm do dầu bằng cách tích hợp máy bay không người lái (UAV) và trí tuệ nhân tạo (AI), trong đó UAV được sử dụng để thu thập dữ liệu từ xa và AI phân tích chuyên sâu nhằm nâng cao khả năng phát hiện và ứng phó kịp thời sự cố tràn dầu. Hệ thống UAV được trang bị mô hình YOLOv10n để tự động phát hiện tràn dầu theo thời gian thực nhằm giải quyết những hạn của các phương pháp khảo sát thủ công truyền thống. Kết quả thực nghiệm đã chứng minh rằng việc kết hợp UAV và AI là hướng tiếp cận hiệu quả, mang lại độ chính xác cao. Từ đó, hỗ trợ cho các đơn vị giám sát, điều động lực lượng ứng phó kịp thời nhằm giảm thiểu tác động môi trường và rủi ro hàng hải do sự cố tràn dầu gây ra.
Từ khóa: Máy bay không người lái (UAV); trí tuệ nhân tạo (AI); phát hiện tràn dầu; YOLOv10n.
TÀI LIỆU THAM KHẢO
[1] X. Ji, X. Ding, W. Hu and Y. Qiu. “The effect of shipping efficiency on marine petroleum pollution: an empirical analysis of China’s 11 coastal regions” Front. Mar. Sci., vol. 12, 2025, doi: 10.3389/fmars.2025.1645175.
[2] W. Zhang et al. “Governance of global vessel-source marine oil spills: Characteristics and refreshed strategies” Ocean Coast. Manag., vol. 213, p. 105874, 2021, doi: https://doi.org/10.1016/j.ocecoaman.2021.105874.
[3] TLV, Ứng phó sự cố tràn dầu tại Việt Nam. Tạp chí Công nghiệp Môi trường điện tử. Hội Công nghiệp Môi trường Việt Nam, Việt Nam, 11/11, 2021. Internet: https://congnghiepmoitruong.vn/ung-pho-su-co-tran-dau-tai-viet-nam-7959.html.
[4] G. Elidolu, S. I. Sezer, E. Akyuz, O. Arslan and Y. Arslanoglu. “Operational risk assessment of ballasting and de-ballasting on-board tanker ship under FMECA extended Evidential Reasoning (ER) and Rule-based Bayesian Network (RBN) approach” Reliab. Eng. Syst. Saf., vol. 231, p. 108975, 2023, doi: https://doi.org/10.1016/j.ress.2022.108975.
[5] D. N. L. Huynh et al., “Booms and skimmers for oil spill recovery: Perspective analysis from lab scale to practical applications” Mar. Pollut. Bull., vol. 224, p. 119128, 2025, doi: https://doi.org/10.1016/j.marpolbul.2025.119128.
[6] D. Motorin, H. Roozbahani and H. Handroos, “Development of a novel method for estimating and planning automatic skimmer operation in response to offshore oil spills” J. Environ. Manage., vol. 318, p. 115451, 2022, doi: https://doi.org/10.1016/j.jenvman.2022.115451.
[7] T. De Kerf et al. Oil Spill Detection Using Machine Learning and Infrared Images. Remote Sens, vol. 12, no. 24, 2020.
[8] Gladkikh, T. Y. Oil Pollution Detection in Aquatic Ecosystems Using UAVs and Multispectral Imaging Based on Deep Learning Technologies, vol. 11, no. 5, pp. 152-160, 2024.
[9] Poma, A., Sojo, A., Maza, I. et al. Ground Control Station for Multi-UAV Systems in Infrastructure Inspection and Environmental Monitoring Applications, J. Intell. Robot. Syst., vol. 111, p. 109, 2025, doi: 10.1007/s10846-025-02312-6.
[10] H.-H. Chen. Developing a custom communication protocol for UAVs: Ground control station and architecture design. Internet Things, vol. 27, p. 101319, 2024, doi: 10.1016/j.iot.2024.101319.
[11] Đỗ Trọng Tuấn, Hồ Xuân Hải và Nguyễn Đình Duy. Một mô hình ứng dụng công nghệ UAV và trí tuệ nhân tạo phục vụ chỉ huy và hỗ trợ ứng cứu tại hiện trường. Tạp chí Điện tử ứng dụng, 2025.
[12] Mai, Văn & Quý, Bùi & Phạm, Văn & Lê, Đình. Nghiên cứu sử dụng dữ liệu ảnh máy bay không người lái (UAV) trong thành lập bản đồ địa hình tỷ lệ lớn. Tạp chí Khoa học Đo đạc và bản đồ, tr. 49-57, 2017, doi: 10.54491/jgac.2017.33.230.6.
[13] Nguyễn Thị Lệ Hằng, Phạm Thị Thu Hương và Trần Thị Thu Trang. Xây dựng quy trình đo vẽ thành lập bản đồ địa hình mỏ lộ thiên bằng công nghệ UAV phục vụ giảng dạy cho sinh viên ngành Kỹ thuật Trắc địa bản đồ. J. Educ. Equip. Appl. Res., vol. 1, no. 322, p. 195, 2024.
[14] Đỗ Văn, C., Trần Gia, N., & Nguyễn Lê Kim, P. Mô phỏng quá trình chuyển động và phân tách của màng dầu trên biển dựa trên thuật toán phân chia điểm poisson. Tạp chí Khoa học Công nghệ hàng hải, 70(70), 09-14, 2022. Internet: https://jmst.vimaru.edu.vn/index.php/jmst/article/view/2.
[15] Phan Văn, H., & Nguyễn Mạnh, C. Nghiên cứu về các khóa đào tạo và huấn luyện ứng phó sự cố tràn dầu trên biển: Đề xuất áp dụng tại Việt Nam. Tạp chí Khoa học Công nghệ hàng hải, 59(59), 96-101, 2022. Internet: https://jmst.vimaru.edu.vn/index.php/jmst/article/view/316.
Xem bài báo tại đây
