Thuật toán phát hiện đám cháy rừng từ camera gắn trên máy bay chữa cháy

Công nghệ thông tin & Khoa học máy tính<br /> <br /> THUẬT TOÁN PHÁT HIỆN ĐÁM CHÁY RỪNG TỪ CAMERA<br /> GẮN TRÊN MÁY BAY CHỮA CHÁY<br /> Nguyễn Đức Ánh1, Phan Tương Lai2, Nguyễn Quang Vịnh2*<br /> Tóm tắt: Bài báo đề xuất phương pháp ứng dụng logic mờ kết hợp giữa xử lý màu đặc<br /> trưng với so sánh tính tương quan về sự lay động của ngọn lửa để phát hiện đám cháy rừng<br /> từ camera gắn trên máy bay chữa cháy nhằm khắc phục nhiễu tác động lên hình ảnh<br /> camera khi máy bay chuyển động. Kết quả mô phỏng kiểm nghiệm cho thấy thuật toán đề<br /> xuất phù hợp với bài toán đặt ra.<br /> Từ khóa: Xử lý ảnh, logic mờ, Máy bay chữa cháy.<br /> <br /> 1. ĐẶT VẤN ĐỀ<br /> Cháy rừng đại diện cho một mối đe dọa liên tục đến sinh thái, hệ thống cơ sở hạ tầng và đời<br /> sống con người. Để khắc phục được tình trạng trên, việc chủ động phát hiện đám cháy rừng từ<br /> camera gắn trên máy bay chữa cháy để từ đó tối ưu hóa sự hoạt động của các thiết bị chữa cháy<br /> rừng trên máy bay có ý nghĩa rất quan trọng. Trong những những năm gần đây, đã có nhiều công<br /> trình nghiên cứu về việc phát hiện đám cháy dựa trên phương pháp xử lý ảnh thu được từ camera<br /> như: Các nghiên cứu của nhóm tác giả Học viện Kỹ thuật quân sự [1], nhóm tác giả thuộc Viện<br /> Khoa học và công nghệ quân sự [2], G.Healey [3], Chao-Ho-Chen và cộng sự [4],.... Các nghiên<br /> cứu của các tác giả trong nước và thế giới chủ yếu tập trung vào phân tích, phát hiện đám cháy<br /> trong nhà và các công trình công cộng với hệ thống camera gắn cố định. Tuy nhiên, khi áp dụng<br /> các phương pháp trên cho các đám cháy rừng với camera gắn trên các thiết bị bay còn nhiều hạn<br /> chế. Để khắc phục hạn chế này, chúng tôi đề xuất phương pháp: Kết hợp logic mờ phân tích màu<br /> sắc của đám lửa trong không gian màu RGB với so sánh hệ số tương quan (correlation<br /> coefficient) của các frames ảnh liên tiếp để loại trừ các hình ảnh có màu sắc tương tự như màu<br /> sắc của ngọn lửa, đồng thời đưa ra giá trị của hệ số tương quan.<br /> 2. ĐẶC TRƯNG MÀU SẮC CỦA ĐÁM CHÁY RỪNG<br /> Đặc trưng màu sắc của đám lửa phụ thuộc vào loại vật liệu cháy, nhiệt độ của đám<br /> cháy. Quá trình phân tích, cô lập, tách riêng vùng đám lửa có ý nghĩa trong việc khảo sát<br /> màu và các tính chất khác của đám lửa phục vụ cho việc nhận dạng và phát hiện đám cháy.<br /> Với đối tượng nghiên cứu là đám cháy rừng, có vật liệu cháy chủ yếu là gỗ, lá cây... thì<br /> màu của ngọn lửa nằm trong dải từ vàng tới đỏ [5,6]. Khi phân tích hình ảnh đám cháy<br /> rừng trong không gian màu RGB theo các thành phần màu R (Đỏ) , G (Xanh lá cây) và B<br /> (Xanh lam). Kết quả phân tích nhận được (hình 1): một điểm (x,y) thuộc đám lửa cháy<br /> rừng coi là có cháy chỉ khi thỏa mãn điều kiện: R ≥ G & G > B.<br /> 3. PHƯƠNG PHÁP PHÁT HIỆN ĐÁM CHÁY RỪNG TỪ CAMERA<br /> 3.1. Phát hiện cháy rừng dựa vào đặc trưng màu sắc của đám cháy<br /> Giả sử điểm ảnh (x,y) là điểm ảnh thuộc đám lửa cháy rừng thì nó cần thỏa mãn điều<br /> kiện (điều kiện 1): R(x,y) > G(x,y) > B(x,y) (1)<br /> Trong đó: R(x,y), G(x,y), B(x,y) là giá trị các thành phần màu R, G, B trong không<br /> gian màu RGB tại điểm ảnh (x,y). Nghĩa là, trong các thành phần R, G, B của điểm ảnh<br /> (x,y) thuộc đám lửa thì thành phần R của đám lửa là lớn nhất. Vì vậy, các bước xử lý phát<br /> hiện đám cháy rừng như sau: Lấy nguồn video quan sát đám cháy rừng đưa vào xử lý;<br /> Tách frames từ video; Chọn các frames ảnh có chứa hình ảnh ngọn lửa; Tính toán các giá<br /> trị màu R, G, B thành phần tại các điểm ảnh; Lựa chọn các frames; Xác định đám cháy và<br /> biên đám cháy. Kết quả thử nghiệm thuật toán (hình 2) cho thấy: trong trường hợp gặp đối<br /> tượng có dải màu giống màu của đám lửa như: ánh nắng, chiếc lá vàng, mặt trời, màu<br /> trắng... thì thuật toán sẽ phát hiện sai phạm vi đám lửa.<br /> <br /> <br /> 96 N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn … trªn m¸y bay ch÷a ch¸y.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Ảnh gốc Thành phần R Thành phần G Thành phần B<br /> <br /> <br /> <br /> <br /> Hình 1. Kết quả phân tích ảnh cháy rừng trong không gian màu RGB.<br /> * Kết quả thử nghiệm điều kiện 1:<br /> Ảnh gốc Kết quả thử nghiệm<br /> <br /> <br /> <br /> <br /> Hình 2. Ảnh gốc và kết quả nhận biết điểm ảnh qua sử dụng đặc trưng màu.<br /> Để hạn chế hiện tượng báo sai trong các trường hợp trên, nhóm nghiên cứu tiến hành<br /> phân tích biểu đồ ảnh đám cháy rừng đã được phân đoạn để có thể nhận được các giá trị<br /> ngưỡng của ngọn lửa đám cháy trên ba mặt R, G và B như hình 3.<br /> <br /> <br /> <br /> <br /> Hình 3. Kết quả phân tích giá trị ngưỡng của ngọn lửa theo các thành phần R,G,B.<br /> Các giá trị ngưỡng của hình trên là kết quả đã được kiểm thử trên rất nhiều bức ảnh<br /> khác nhau. Như vậy, một điểm ảnh được xét là có cháy xảy ra khi điểm ảnh (x,y) này<br /> thỏa mãn điều kiện (điều kiện 2):<br /> 1, khi R(x, y)  R R  G(x, y)  R G  B(x, y)  R B<br /> R<br /> 0 (2)<br /> Trong đó: RR, RG, RB - các hệ số phân tích giá trị ngưỡng theo các hình thức cháy.<br /> * Kết quả thử nghiệm điều kiện 2:<br /> Ảnh gốc Kết quả thử nghiệm<br /> <br /> <br /> <br /> <br /> Hình 4. Kết quả nhận biết điểm ảnh thuộc đám lửa rừng qua sử dụng điều kiện 2.<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 37, 06 - 2015 97<br />  Công nghệ thông tin & Khoa học máy tính<br /> <br /> Kết quả xử lý ảnh (hình 4) cho thấy: khi xử lý theo điều kiện 2, biên ảnh của đám lửa<br /> đã hạn chế được nhiều điểm ảnh có màu sắc tương tự như đám cháy. Tuy nhiên, hạn chế<br /> này vẫn chưa được khắc phục triệt để. Để khắc phục nhược điểm trên, nhóm tác giả sẽ<br /> thực hiện bằng phương pháp so sánh tính tương quan giữa các frames ảnh tiên tiếp nhau.<br /> 3.2. Phương pháp so sánh tính tương quan ảnh<br /> Phương pháp này dựa trên đặc tính lay động của đám lửa bởi nếu chỉ xét đặc trưng<br /> màu của ngọn lửa thuộc đám cháy thì các đối tượng có màu tương tự như màu của ngọn<br /> lửa như: bức tranh có đám lửa, ánh sáng đèn điện, ánh sáng mặt trời... sẽ bị phát hiện<br /> nhầm là cháy. Như vậy, việc kết hợp thêm đặc tính lay động của ngọn lửa sẽ giúp đánh giá<br /> chính xác hơn về sự xuất hiện của ngọn lửa.<br /> 3.2.1. Đặc điểm lay động của đám lửa<br /> Tính lay động của đám lửa là sự chuyển động, bập bùng của ngọn lửa trong quá trình<br /> cháy. Hiện tượng trên là kết quả vốn có của quá trình trao đổi khí giữa đám cháy với môi<br /> trường xung quanh.<br /> <br /> <br /> <br /> <br /> Hình 5. Tính lay động làm thay đổi quy mô của ngọn lửa.<br /> Trên hình 5, các frames ảnh được cắt từ video quan sát đám cháy rừng trong thực tế<br /> trên máy bay trực thăng, thời gian cách nhau giữa các frames là 0,2s. Dựa vào hình trên,<br /> có thể hình dung thấy rằng tính lay động của ngọn lửa thể hiện ở sự thay đổi về chiều cao<br /> và quy mô của ngọn lửa, đó là sự biến đổi, thay đổi về kích thước của đám lửa xung quanh<br /> khối tâm của nó.<br /> 3.2.2 Tính tương quan giữa các ảnh liên tiếp<br /> Tính tương quan giữa hai ảnh liên tiếp được xác định bằng phương pháp so sánh các frames<br /> liên tiếp Fk và Fk-1 sau khi đã sử dụng thuật toán xử lý để phát hiện đặc trưng màu của đám lửa<br /> theo các điều kiện 1 và 2. Lúc này các frames đã được xử lý thành các ảnh nhị phân với các điểm<br /> ảnh có màu là màu của ngọn lửa sẽ chuyển thành màu trắng, những màu còn lại sẽ chuyển thành<br /> màu đen. Mục đích việc xác định hệ số tương quan giữa các frames liên tiếp là nhằm lựa chọn ra<br /> dải giá trị tối ưu để vừa đảm bảo phân biệt được tính lay động của ngọn lửa đám cháy với các<br /> ảnh có màu tương tự đám cháy, đồng thời hạn chế được sự rung động của camera khi lắp trên các<br /> thiết bị bay. Thuật toán đánh giá sự tương quan của các frames ảnh:<br />   A<br /> m n<br /> mn  A   Bmn  B <br /> r (3)<br /> 2 2<br />   A<br /> m n<br /> mn  A     Bmn  B <br /> m n<br /> <br /> Trong đó: Amn, Bmn - là giá trị điểm ảnh tại vị trí m x n của frames ảnh A, B; A , B - là<br /> giá trị trung bình của frames ảnh A, B; m, n là kích thước của ma trận A, B.<br /> * Kết quả so sánh tính tương quan<br /> Qua đánh giá, so sánh sự tương quan của các frames ảnh video liên tiếp của nhiều loại<br /> video khác nhau (bảng 1), ngọn lửa đám cháy luôn có sự chuyển động do quá trình trao<br /> đổi khí và nhiệt giữa các vùng của đám cháy với môi trường không khí bên ngoài. Vì vậy,<br /> <br /> <br /> 98 N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn … trªn m¸y bay ch÷a ch¸y.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> ngọn lửa tại nơi xảy ra cháy luôn có sự thay đổi về hình dạng, kích thước. Dựa trên tính<br /> tương quan, kết quả chỉ ra rằng, với các frames liên tiếp cách nhau khoảng 0.2s thì:<br /> - Camera lắp cố định, các frames liên tiếp sẽ tương tự nhau, độ tương quan  100%.<br /> - Trong trường hợp máy bay đang bay, tính tương quan của các frames ảnh liên tiếp<br /> RS < r < RT. Với RS, RT là các giá trị phụ thuộc vào loại đám cháy.<br /> - Trường hợp không có cháy thì tính tương quan là r =  (không xác định);<br /> Như vậy, với RS < r < RT thì có thể kết luận là có cháy xảy ra. Kết quả trên đã tính đến<br /> sự rung động của camera khi máy bay hoạt động, nhằm không bị nhầm lẫn giữa tính lay<br /> động của ngọn lửa với sự rung, lắc của camera khi máy bay bay qua các khu vực có màu<br /> tương tự màu của đám lửa.<br /> Bảng 1. Thống kê kết quả so sánh tính tương quan của các ảnh video.<br /> Camera lắp trên máy bay chữa cháy<br /> Camera lắp cố định trong<br /> Có cháy nhà và công trình<br /> Không có<br /> Máy bay Máy bay cháy Không<br /> Có cháy<br /> chuyển động đứng yên có cháy<br /> Frame 1-2 r = 0.1671 r = 0.6021 r= r = 0.8503 r=<br /> Frame 2-3 r = 0.1698 r = 0.6030 r= r = 0.8905 r=<br /> Frame 3-4 r = 0.1315 r = 0.5850 r= r = 0.8732 r=<br /> … … … … … …<br /> 3.3. Phương pháp nhận dạng đám cháy từ máy bay ứng dụng logic mờ<br /> Không gian màu YCbCr được lựa chọn để phân tích ảnh vì không gian màu này phân<br /> chia thông tin về độ sáng từ sắc độ rất hiệu quả và tốt hơn so với các không gian màu<br /> khác. Trong đó: Y là độ sáng, Cb và Cr lần lượt là các thành phần sắc độ xanh và đỏ. Hình<br /> 6 thể hiện một bức ảnh có chứa điểm lửa được phân tích ra các thành phần Y, Cb, Cr<br /> tương ứng. Có thể quan sát rất dễ dàng: đối với một điểm lửa thì Y(x,y) lớn hơn Cb(x,y)<br /> trong đó (x,y) là vị trí điểm ảnh. Đó là vì thông tin về độ sáng liên quan tới mật độ phân bố<br /> đối với các điểm lửa, những đại lượng lớn hơn trong phép hiệu của các 2 kênh Y(x,y) và<br /> Cb(x,y) là các điểm ảnh. Hình 6 cũng chỉ ra rằng thành phần Cb(x,y) phải nhỏ hơn Cr(x,y)<br /> đối với các điểm ảnh có màu giống với màu ngọn lửa.<br /> <br /> <br /> <br /> <br /> a) b)<br /> <br /> <br /> <br /> <br /> c) d)<br /> Hình 6. a) Ảnh gốc RGB, b) thành phần Y, c) thành phần Cb, d) thành phần Cr.<br /> Do đó mối quan hệ chung giữa Y(x,y), Cb(x,y) và Cr(x,y) như dưới đây:<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 37, 06 - 2015 99<br />  Công nghệ thông tin & Khoa học máy tính<br /> <br /> Y(x,y) ≥ Cr(x,y) ≥ Cb(x,y) (điều kiện 3)<br /> Gọi Pf(x,y) là giá trị được định nghĩa cũng như được đo đạc để chỉ ra những điểm ảnh<br /> nào tại vị trí (x,y) là điểm lửa. Giá trị của Pf(x,y) nằm trong khoảng [0 1], nó là phép ánh<br /> xạ của những quan sát được định nghĩa trong điều kiện 3 mô tả điểm ảnh đã cho là điểm<br /> lửa. Để tính toán Pf(x,y), kết hợp các hàm thành phần tam giác và hình thang đối với hiệu<br /> của Cr(x,y)-Cb(x,y) và Y(x,y)-Cb(x,y).<br /> <br /> <br /> <br /> <br /> Hình 7. Các hàm thành phần đối với Cr(x,y)-Cb(x,y); Y(x,y)-Cb(x,y) và Pf(x,y).<br /> <br /> Hình 7 là các hàm thành phần của Cr(x,y)-Cb(x,y), Y(x,y)-Cb(x,y) và Pf(x,y). Cần chú<br /> ý đó là sử dụng hệ thống suy luận mờ với các luật được định nghĩa trong bảng 2. Sự phân<br /> bố của các hàm thành phần và các luật được định nghĩa trong bảng 2 được tìm ra dựa trên<br /> những phân tích thực nghiệm.<br /> Bảng 2. Bảng luật sử dụng cho hệ thống suy luận mờ.<br /> Cr(x,y) – Cb(x,y)<br /> Pf(x,y) NS PS PM PB<br /> NS LO LO LO LO<br /> PS LO LO HI HI<br /> Y(x,y)- Cb(x,y)<br /> PM LO HI HI LO<br /> PB LO LO LO LO<br /> <br /> Bảng 2 biểu diễn các luật được sử dụng trong hệ thống suy luận mờ. Các luật được<br /> định nghĩa theo cách này phản ánh nhận xét của bài báo đối với một điểm lửa.<br /> Cho một ảnh, các thành phần được chuẩn hóa dựa theo công thức dưới đây:<br /> Y , Cb , Cr (4)<br /> Y Cb  Cr <br /> I max I max I max<br /> <br /> <br /> <br /> <br /> 100 N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn … trªn m¸y bay ch÷a ch¸y.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Trong đó Imax là mật độ giá trị lớn nhất trong tập hợp được định nghĩa bởi sự kết hợp của<br /> các thành phần Y, Cb, Cr. Phương trình trên được chuẩn hóa tất cả các mẫu về khoảng giá trị<br /> [0 1]. Do đó, hiệu của chúng sẽ nằm trong khoảng [-1 1] được sử dụng để định nghĩa các hàm<br /> thành phần được trình bày trong hình 7. Cho tập hợp các lối vào Cr(x,y)-Cb(x,y) và Y(x,y)-<br /> Cb(x,y). Giá trị đầu ra của hệ thống mờ được tính toán như sau: đầu tiên, các đầu vào được mờ<br /> hóa dựa vào các hàm thành phần trong hình 7. Trọng tâm của vấn đề giải mờ đó là ứng dụng<br /> kết hợp tất cả luật đầu ra để tìm phép đo định lượng đối với Pf(x,y) [6]. Cr(x,y)-Cb(x,y) và<br /> Y(x,y)-Cb(x,y) được chuẩn hóa trong khoảng [-1 1] trước khi đưa vào hệ thống suy luận mờ.<br /> Bề mặt của 16 luật được hiển thị trong hình 7, ở đây Pf(x,y) như là một hàm của các lối vào<br /> Cr(x,y)-Cb(x,y) và Y(x,y)-Cb(x,y). Khi Y(x,y)-Cb(x,y) nhỏ hơn 0, tương ứng với Pf(x,y) bằng<br /> 0 và nếu cả 2: Y(x,y)-Cb(x,y) và Cr(x,y)-Cb(x,y) gần với giá trị 1.0 thì Pf(x,y) sẽ bằng 1.<br /> <br /> <br /> <br /> <br /> Hình 8. Bề mặt của các quy tắc trong bảng 5 và được sử dụng trong<br /> hệ thống suy luận mờ với các kiểu hiển thị khác nhau.<br /> <br /> <br /> <br /> <br /> Hình 9. Lưu đồ thuật toán phát hiện cháy rừng từ camera trên máy bay chữa cháy.<br /> Những điểm mà có giá trị nhỏ hơn giá trị đỉnh được sử dụng để chỉ các đối tượng có<br /> màu tương tự như màu ngọn lửa nhưng không phải là ngọn lửa. Điều này được thể hiện rất<br /> rõ trong mặt phẳng đó là Pf có giá trị cao tại các giá trị Y(x,y)-Cb(x,y) và Cr(x,y)-Cb(x,y)<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 37, 06 - 2015 101<br />  Công nghệ thông tin & Khoa học máy tính<br /> <br /> có đặc tính giống ngọn lửa. Hình 8 mô tả kết quả sử dụng thuật toán logic mờ ứng dụng<br /> vào nhận dạng ảnh cho thấy kết quả đó tách được đường biên của đám cháy qua camera<br /> đặt trên máy bay.<br /> Kết hợp các điều kiện 1, 2 và 3, lưu đồ thuật toán tổng hợp để phát hiện cháy rừng từ<br /> camera trên máy bay chữa cháy được chỉ ra trên hình 9.<br /> 4. KẾT LUẬN<br /> Đặc trưng màu sắc và đặc tính lay động là những yếu tố cơ bản để phát hiện chính xác<br /> đám cháy. Bài báo đã đưa ra cách tiếp cận mới để nhận biết, phân biệt đám cháy rừng<br /> bằng phương pháp sử dụng logic mờ kết hợp giữa xử lý màu đặc trưng của đám cháy kết<br /> hợp với so sánh tính tương quan về sự lay động của ngọn lửa đã cho kết quả chính xác, đã<br /> loại bỏ được độ rung động khi gắn camera trên máy bay chữa cháy. Kết quả thực nghiệm<br /> cho thấy khả năng phát hiện ra đám cháy rừng là rất cao, chỉ có một số tình huống máy<br /> bay di chuyển nhanh, việc phát hiện ngọn lửa và so sánh tính tương quan giữa các frames<br /> ảnh liên tiếp còn bị nhầm lẫn. Tuy nhiên, đối với máy bay chữa cháy, khi đến gần đám<br /> cháy, bắt buộc phải giảm tốc độ để phun chất chữa cháy xuống đám cháy nhằm đảm bảo<br /> độ chính xác cần thiết cho quá trình chữa cháy, vì vậy hạn chế trên là chấp nhận được.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. Hà Đại Dương, Đào Thanh Tĩnh, “Thuật toán phát hiện sự cháy trên ảnh Video và<br /> ứng dụng trong hệ thống camera cảnh giới” Hội thảo “Các giải pháp an toàn phòng<br /> cháy nổ”, Hạ Long, 4-2008; tr. 243-246.<br /> [2]. Phạm Trung Dũng và các cộng sự,“Về một giải pháp tự động xác định điểm nổ cho<br /> đài quan sát pháo binh mặt đất trên cơ sở ứng dụng công nghệ xử lý ảnh”. Tạp chí<br /> Nghiên cứu Khoa học và Công nghệ Quân sự, số 30, 04/2014.<br /> [3]. G.Healey et al, A system for Real-Time Fire Detection, The Proc. IEEE Conf. Comput.<br /> Vision Pattern Recognit.,Jun 1993, pp 605-606.<br /> [4]. T. Chen, Kao Cheng-Liang, Chang Sju-Mo, “An Intelligent Real-Time Fire Detection<br /> Method Based on Video Processing”, IEEE International Conference on Image<br /> Processing, 2003, pages 10-17.<br /> [5]. W.B.Horng et al, “A new image based real-time flame detection method using color<br /> analysis”, in IEEE Networking, Sensing and Control, Mar. 2005, pp 100-105.<br /> [6]. De Haan, John D. Kirk’s “Fire Investigation”, Prentice Hall; August 19, 2006.<br /> ABSTRACT<br /> AN ALGORITHM DETECTION OF FIRES IN FORESTS<br /> FROM THE CAMERA IN THE FIREFIGHTING AIRCRAFT<br /> This article is about the detection method and extracting borders of images of fires<br /> in forests which are attached to firefighting aircraft's in order to overcome noise which<br /> influences to the camera's images during tho flight of the aircraft using fuzzy logic.<br /> Simulation results show that the proposed method is suitable to the given problem.<br /> Keywords: Image processing, Fuzzy logic, Firefighting aircraft.<br /> Nhận bài ngày 15 tháng 5 năm 2015<br /> Hoàn thiện ngày 10 tháng 6 năm 2015<br /> Chấp nhận đăng ngày 12 tháng 06 năm 2015<br /> 1<br /> Địa chỉ: Trường Đại học Phòng cháy chữa cháy;<br /> 2 *<br /> Viện KH-CN quân sự; Email: vinhquang2808@yahoo.com.<br /> <br /> <br /> <br /> 102 N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn … trªn m¸y bay ch÷a ch¸y.”<br />