Xây dựng giải pháp cảnh báo sớm tình trạng cháy rừng

Nội dung text: Xây dựng giải pháp cảnh báo sớm tình trạng cháy rừng

1. Hội nghị tồn quốc lần thứ 3 về Điều khiển và Tự động hố - VCCA-2015 Xây dựng giải pháp cảnh báo sớm tình trạng cháy rừng Developing a solution for early detection of the forest fire Lưu Trọng Hiếu, Phạm Bảo Nhân, Phạm Duy Nghiệp Nguyễn Chánh Nghiệm và Nguyễn Chí Ngơn(*) Trường Đại học Cần Thơ e-Mail: ncngon@ctu.edu.vn Tĩm tắt đến cả khu vực và tồn cầu. Các giải pháp phịng chống Nghiên cứu này cung cấp một giải pháp cảnh báo sớm cháy đang được các nhà khoa học tập trung tìm phương tình trạng cháy rừng bằng cách nhận dạng khĩi. Ở mỗi pháp phát hiện và cảnh báo sớm để cĩ giải pháp phịng điểm quan sát, một webcam cĩ khả năng quét một gĩc ngừa hoặc chữa cháy kịp thời. rộng 3600 để nhận diện những làn khĩi đầu tiên bốc lên Phương pháp phịng chống cháy dựa trên vệ tinh và từ khu vực cĩ cháy và cảnh báo cho những đơn vị, cá robot tự hành được đề xuất bởi [1 - 3]. Tuy nhiên, giải nhân liên quan bằng nhiều hình thức khác nhau. Phần pháp này lại tốn kém nhiều chi phí cho thiết bị. cứng của thiết bị cảnh báo bao gồm: (i) đế xoay được Phương pháp sử dụng các cảm biến hồng ngoại kiểm sốt bởi bộ điều khiển PID tích hợp trên vi điều phịng chống cháy nổ cho rừng hoặc các hầm mỏ được khiển ATTINY 2131, (ii) webcam kết nối với máy tính. trình bày bởi [4 -6]. Tuy nhiên, khi cháy xảy ra, cơng Phần mềm cài đặt trên máy tính cĩ khả năng điều khiển tác cứu hộ sẽ trở nên khĩ khăn và phức tạp. đế xoay quét tuần hồn một gĩc 3600 (để khỏi phải lắp Ở Việt Nam hiện nay, các giải pháp phịng chống cháy nhiều camera), xử lý hình ảnh thu được từ webcam, lọc rừng hiện tại chỉ thực hiện bằng phương pháp cơng thơng tin và nhận diện khĩi. Thuật tốn trừ nền được nghệ thơng tin địa lý GIS (Geographical Information áp dụng để phân tách đối tượng ra khỏi khung nền, sau System [7, 8] nhằm đo đạc và tính tốn dự đốn vùng đĩ các thuật tốn co giãn, nhận diện cạnh được áp dụng nào xảy ra cháy theo 5 cấp khác nhau. Tuy nhiên giải để xác định vị trí khĩi đang bốc lên. Kết quả ban đầu pháp này khơng thể phịng chống cháy do nguyên nhân cho thấy giải pháp đề xuất rất khả thi và hồn tồn cĩ từ phía con người. thể triển khai vào thực tế. Theo số liệu thống kê của Cục Kiểm lâm, trong giai Từ khĩa: phịng chống cháy rừng, nhận dạng khĩi, xử đoạn 10 năm (2002-2011), cả nước đã xảy ra 7.380 vụ lý ảnh. cháy rừng; diện tích rừng bị thiệt hại 49.837 ha. Bình quân 715 vụ/năm, diện tích rừng bị thiệt hại gần 5.000 Abstract: ha/năm [9]. Trong khi đĩ các phương pháp và cơng cụ This paper proposes a method for early detection of hỗ trợ cơng việc phịng chống cháy rừng ở nước ta cịn forest fire based on smoke detection. At each khá thơ sơ nên cĩ hiệu quả tương đối thấp. Cách phổ observation point, a webcam that can rotate in 3600 is biến để kiểm tra một khu rừng là các cán bộ kiểm lâm used to detect the very early flowing up smoke to alarm hoặc nhân viên bảo vệ rừng đi tuần tra hoặc thiết lập the officers. The system includes two different parts: các tháp canh ở một số vị trí đặc biệt. Tuy nhiên, diện (i) a rotatable base that is controlled by a PID controller tích rừng thường bao gồm một khu vực rất rộng lớn nên implement in ATTINY 2131 microcontroller, (ii) a mọi người khơng thể quan sát một khu rừng chỉ bằng high resolution webcam connected to a computer. A các phương pháp trên. Kết quả là một khu vực rừng software program is executed to control the rotation of rộng lớn thường bị tàn phá khi cháy rừng xảy ra. Do đĩ the base in 3600 and detect the smoke in the image vấn đề xây dựng hệ thống phát hiện và cảnh báo sớm captured by the webcam by the proposed background cháy rừng được đặt ra một cách cấp thiết. subtraction after noise elimination to recognize the Nghiên cứu này trình bày một giải pháp thiết kế thí right position of smoke. Experimental results have nghiệm đánh giá và hồn thiện khả năng nhận biết và shown that the proposed system is feasible and cảnh báo cháy rừng dựa trên việc nhận diện khĩi sử applicable for early detection of forest fire. dụng webcam để giảm chi phí thực hiện. Thiết bị thí nghiệm được thiết kế nhỏ gọn để lắp đặt trên các điểm Keywords: early detection forest fire, smoke quan sát để giám sát rừng từ trên cao. Phần cứng của detection, computer vision. thiết bị cĩ thể xoay tồn bộ quanh trục. Phần mềm trên máy tính kết nối với camera chịu trách nhiệm nhận diện 1. Phần mở đầu khĩi. Ngày nay, phịng chống cháy rừng đang là vấn đề được 2. Phương pháp thực hiện xã hội rất quan tâm. Cháy rừng là thảm họa, gây thiệt Bài báo nghiên cứu giải pháp phịng chống cháy rừng hại lớn đối với tính mạng và tài sản của con người, tài bằng hình ảnh dựa trên phương pháp trừ nền. Đầu tiên, nguyên rừng và mơi trường sống. Cháy rừng khơng hình ảnh nhận được từ webcam sẽ được chuyển đổi những tác động đến một quốc gia mà cịn ảnh hưởng sang hệ màu HSV, sau đĩ phương pháp trừ nền được VCCA-2015
2. Hội nghị tồn quốc lần thứ 3 về Điều khiển và Tự động hố - VCCA-2015 áp dụng trên chuẩn màu này. Trong phương pháp này, 𝜎푛+1 = α. |𝜌푛+1 − 𝜌푛| + (1 − 훼)𝜎푛 (9) 30 khung hình đầu được dùng làm dữ liệu nền, các Với α là độ lớn thơng số của giá trị mới cập nhật và (1- khung hình tiếp theo so sánh độ lệch điểm ảnh với 30 α) là giá trị cũ được tính tốn dựa trên tất cả các giá trị khung hình trước. Kết quả của phương pháp này được trước đĩ. lọc nhiễu bằng phương pháp co giãn ảnh. Sau đĩ, thuật tốn nhận diện cạnh được áp dụng. Tọa độ vị trí của Những điểm ảnh với giá trị sai lệch dựa trên 𝜌푛+1 và các cạnh được lưu lại trước khi được xuất ra để so sánh 𝜎푛+1 cĩ thể được định nghĩa thành đối tượng cần xác kết quả. định hoặc khung cảnh chung khơng di chuyển. 2.1 Chuyển đổi hệ màu Nếu 𝜎 > 2𝜎 => 𝜌 là đối tượng, Chuẩn màu RGB được sử dụng rất nhiều trong hình 푛+1 푛+1 𝜌푛+1 = 𝜌푛 và 𝜎푛+1 = 𝜎푛, (10) ảnh và phim ảnh. Mỗi một điểm ảnh sẽ chứa 3 giá trị 8 bit được thể hiện bởi 3 màu: đỏ (red), xanh lá cây hoặc 𝜎푛+1 ≤ 2𝜎 => 𝜌푛+1 là hình nền, lặp lại (8), (9) (green) và xanh dương (blue). Điều này giúp miêu tả Tuy nhiên, tồn tại trường hợp hình nền khơng thay đổi điểm ảnh sinh động và đẹp mắt. Tuy nhiên, chuẩn màu giá trị trong 1 thời gian rất lâu, điều đĩ dẫn đến giá trị này rất nhạy cảm với ánh sáng. Để khắc phục điều đĩ, sai lệch sẽ bị hịa lẫn vào nhiễu ( 𝜎푛 → 0 ). Vì vậy, một ảnh màu từ webcam được chuyển từ chuẩn RGB sang giá trị giới hạn cho biến sai lệch với: HSV dựa theo [10]: : = max⁡(푅, , ), (1) 𝜎′ = max⁡(𝜎 , 𝜎̅̅̅) (11) −min⁡(푅, , ) 푛 푖푛 푛 푆: = , (2) min⁡(푅, , ) Nếu 𝜎 > 훽𝜎′ => 𝜌 là đối tượng, Đặt: 푛+1 푛 푛+1 𝜌 = 𝜌 và 𝜎 = 𝜎 , (12) ∶= (V − R)/(V − X), (3) 푛+1 푛 푛+1 푛 ∶= (V − G)/(V − X), Nếu 𝜎 ≤ 훽𝜎′ => 𝜌 là hình nền, lặp lại (8) (9). ∶= (V − B)/(V − X), 푛+1 푛 푛+1 5 + ,⁡⁡⁡⁡⁡ = Trong đĩ β là trọng số, khi β càng lớn, khu vực đối If: R=V then ≔ { 1 − ,⁡⁡⁡else tượng càng nhỏ lại. Thay đổi giá trị β cho phép tìm ra 1 + ,⁡⁡⁡⁡⁡ = kết quả tốt nhất cho nhận dạng khĩi trong mơi trường. If: G=V then ≔ { (4) 3 − ,⁡⁡⁡⁡푒푙푠푒 2.3 Nhận dạng khĩi 3 + ,⁡⁡⁡⁡⁡푅 = Kết quả của phương pháp trừ nền tiếp tục được xử lý Else: ⁡ ≔ { 5 − 푅,⁡⁡⁡⁡푒푙푠푒 để loại bỏ nhiễu và nhận dạng đối tượng. Đầu tiên, dữ liệu ảnh được co, giãn để loại bỏ điểm ảnh quá mờ hoặc Else: ≔ (5) khơng rõ ràng. Phương trình miêu tả thuật tốn này 6 được trình bày dựa theo: Với: 푅, , và , 푆, lần lượt là giá trị của 3 chuẩn output(x, y) = min input(x + x′, y + y′), màu (R, G, B) và (H, S, V). ((x′,y′)in⁡element) 2.2 Phương pháp trừ nền (13) Cĩ nhiều phương pháp khác nhau để cảnh báo cháy rừng như thơng tin địa lý GIS để dự đốn khả năng cháy output(x, y) = max input(x + x′, y + y′) ; rừng, hoặc lắp đặt cảm biến nhiệt độ để đánh giá vị trí. ((x′,y′)in⁡element) Tuy nhiên, các giải pháp trên đều khơng thể xác định (14) được cháy 1 cách đột ngột (do nguyên nhân con người) Sau khi khung nền được co giãn, khĩi được xác định và khả năng cảnh báo sớm. Trong bài báo này, nhĩm bằng phương pháp nhận diện cạnh, dựa theo [12]. tác giả đề xuất phương pháp cảnh báo cháy rừng bằng Phương pháp này, về tổng quát, được thể hiện qua 5 phường pháp xác định khĩi thơng qua giải thuật trừ bước sau: nền. Ứng dụng bộ loc Gauss để làm mượt ảnh và loại Trong phương pháp này, nhận diện đối tượng dựa trên bỏ nhiễu. sự so sánh giữa dữ liệu cũ và dữ liệu mới. Vì vậy, việc Tìm cường độ độ dốc của bức ảnh. thu thập dữ liệu khung ban đầu hết sức quan trọng. Các Thực hiện phương pháp non-maximum dữ liệu ban đầu này là dữ liệu nền. suppression để dị biên của ảnh. Đặt 𝜌 là giá trị trung bình của khung ảnh và σ là độ sai Áp dụng phân ngưỡng 2 lần để tìm ra các điểm lệch chuẩn của khung ảnh, ta cĩ: ảnh là cạnh tiềm năng. ∑ 휌 𝜌 = 푖=1 푖, (6) Hồn thiện kết quả bằng cách loại bỏ các cạnh trong điểm ảnh nhỏ và khơng cĩ kết nối ảnh đủ lớn. ∑ |휌−휌 | 𝜎 = 푖=2 푖−1 ⁡푣ớ푖⁡ > 1 (7) Trong 1 số trường hợp, 1 khung nền khơng thể −1 cho kết quả nhận diện tốt được, vì vậy, vị trí tọa độ các đối tượng được nhận diện sẽ được lưu lại Khi khung ảnh (n+1) được cập nhật. Các giá trị 𝜌푛+1 và hiển thị lên trong 30 khung hình tiếp theo. và giá trị sai lệch 𝜎푛+1 cần được cập nhật dựa trên: Giá trị này tìm được dựa vào các thực nghiệm 𝜌 = α. 𝜌 + (1 − 훼)𝜌 , (8) 푛+1 푛+1 푛 thực tế. VCCA-2015
3. 2.4 Thiết kế phần cứng 3. Kết quả Hệ thống được thiết kế nhỏ gọn cĩ khả năng lắp đặt Kết quả thiết kế phần cứng và phần mềm được nhĩm trên các trạm quan trắc trong rừng nhằm đáp ứng khả tác giả kiểm chứng theo thí nghiệm 1. Do sự hạn chế năng cảnh báo sớm khi cĩ khĩi xảy ra. Vì vậy, một hệ về điều kiện ngoại cảnh, nhĩm tác giả quyết định sử thống máy tính kết hợp webcam quan sát được thiết kế dụng đoạn clip miêu tả khĩi cháy rừng cĩ sẵn trên mạng nhằm đáp ứng khả năng quan sát và cảnh báo cháy. để kiểm tra giải thuật. Đặc điểm chính của các đoạn Trong hệ thống, một Webcam Logitech HD Pro C920 clip này là camera ghi lại cảnh cháy rừng đều được đặt cĩ độ phân giải 1080p, kết nối máy tính bằng chuẩn ở vị trí quan sát từ trên cao. USB, cĩ khả năng quay phim ở 30 khung hình mỗi giây và chụp ảnh đạt được 15 megapixels. Webcam được 3.1 Thí nghiệm 1 đặt trên bệ cĩ thể xoay 3600 theo trục Yaw và 1800 theo Đoạn phim về khĩi được sử dụng dựa theo [13], theo trục Pitch, do đĩ hệ thống cĩ thể bao quát tồn bộ tầm đĩ, 30 khung ảnh liên tục ban đầu được dùng làm dữ nhìn theo chiều kim đồng hồ. Bộ điều khiển cấp thấp liệu nền, từ các khung ảnh tiếp theo, độ lệch sẽ được so bao gồm vi điều khiển cĩ hiệu chỉnh PID cho bộ trục sánh với hình nền gốc. Từ H.2, phương pháp nhận diện xoay. Vận tốc và chiều trục xoay được điều khiển từ trừ nền lọc nhiễu và nhận diện cạnh đã cho kết quả tốt. máy tính thơng qua chuẩn RS232. Kết quả thực nghiệm cho thấy giải thuật cho kết quả tốt trong đoạn này. 3.2 Thí nghiệm 2 Thí nghiệm 4 cũng dựa trên đoạn phim về cháy rừng theo [13]. Đây là đoạn clip mơ tả đám cháy ở bang Colorado, Hoa Kì. Nhận diện đoạn phim này cũng cho kết quả khả quan, thuật tốn khơng nhận diện nhầm (a) (b) hình nền xung quanh (rừng) với đám cháy. H.1 Trục xoay và webcam (a) mặt trước (b) mặt sau. Khi đế xoay, máy tính thiết lập để webcam khơng lưu dữ liệu ảnh, điều này giúp giảm nhiễu trong quá trình xử lý và mất tín hiệu khi truyền dữ liệu về. (a) (b) (a) (b) (c) (d) (c) (d) (e) H.3 Thí nghiệm 2 (a) Hình gốc. (b) Phương pháp trừ ảnh. (c) Co giãn ảnh. (d) Nhận diện cạnh. (e) Kết quả 3.4 Thí nghiệm 3 Thí nghiệm 4 cũng dựa trên đoạn phim về cháy rừng theo [14]. Đây là một đoạn clip miêu tả khĩi trên dãy (e) núi Alps. Trong thí nghiệm này, đoạn phim được quay H.2 Thí nghiệm 1 từ 1 khoảng cách khá xa và khá mờ. Tuy nhiên, dữ liệu (a) Hình gốc. (b) Phương pháp trừ ảnh. (c) Co giãn lưu lại sau 30 khung hình cho kết quả rất khả quan. ảnh. (d) Nhận diện cạnh. (e) Kết quả. Thuật tốn nhận diện tốt vị trí cĩ cháy đang diễn ra. VCCA-2015
4. Hội nghị tồn quốc lần thứ 3 về Điều khiển và Tự động hố - VCCA-2015 3.4 Thí nghiệm 4 Thí nghiệm 4 dựa trên đoạn phim về cháy rừng theo [15]. Đoạn clip miêu tả khĩi bốc lên tương đối mờ ở một cánh rừng pháp vào sáng sớm. Phương pháp trừ nền hiển thị một kết quả khơng rõ ràng, tuy nhiên sau khi được co giản ảnh, kết quả nhận được tương đối rõ nét. (a) (b) 3.5 Thí nghiệm 5 Thí nghiệm 5 dựa trên đoạn phim về cháy rừng theo [16]. Đoạn clip thể hiện 2 vụ cháy được diễn ra cùng lúc, phương pháp nhận diện cho kết quả rất tốt khi gần như cùng lúc cĩ thể nhận dạng được 2 đám khĩi đang bốc lên cao. (c) (d) (a) (b) (e) H.4 Thí nghiệm 3 (a) Hình gốc. (b) Phương pháp trừ ảnh. (c) Co giãn ảnh. (d) Nhận diện cạnh. (e) Kết quả. (c) (d) (a) (b) (e) H.6 Thí nghiệm 5 (a) Hình gốc. (b) Phương pháp trừ ảnh. (c) Co giãn ảnh. (d) Nhận diện cạnh. (e) Kết quả. (c) (d) 4. Kết luận và đề nghị Nghiên cứu thiêt kế chế tạo và thử nghiệm một thiết bị dùng để cảnh váo cháy rừng bằng phương pháp nhận diện khĩi. Thực nghiệm trong nhà và ngồi mơi trường cho thấy thuật tốn đáp ứng được các yêu cầu đề ra với khả năng nổi bật như sau: Thiết bị nhỏ gọn, cĩ khả năng bao quát tồn bộ tầm nhìn theo chiều kim đồng hồ. Cĩ khả năng nhận diện khĩi trong cả 2 trường hợp rất rõ ràng và rất mờ. (e) Thơng qua cơng bố này, nhĩm nghiên cứu kêu gọi sự H.5 Thí nghiệm 4 đầu tư thêm từ các tổ chức, cá nhân nhằm hồn thiện (a) Hình gốc. (b) Phương pháp trừ ảnh. (c) Co giãn sản phẩm, đưa vào sản xuất với giá thành thấp nhằm ảnh. (d) Nhận diện cạnh. (e) Kết quả. xây dựng 1 mạng lưới cảnh báo cháy rừng cho nước ta. VCCA-2015
5. Tài liệu tham khảo at-bottom-of-hill.html?src=recommended/ [1] Preislera, H.K., D. Schweizerb, R. Cisnerosc, T. 1634170:3/3p (accesed on Aug2015). Procterd, M. Ruminskie and L. Tarnayf. “A [16] statistical model for determining impact of 410893-stock-footage-start-a-forest- wildland fires on Particulate Matter (PM2.5) in fire.html?src=recommended/1721386:2/3p Central California aided by satellite imagery of (accesed on Aug2015). smoke”, Environmental Pollution, pp. 340- 349, October 2015. Lưu Trọng Hiếu nhận bằng Kỹ sư [2] S. Karmaa, E. Zorbaa, G.C. Pallisa, G. Kỹ thuật Cơ điện tử tại trường ĐH Statheropoulosa, I. Baltaa, K. Mikedia, J. Cần Thơ năm 2010. Anh hiện là giảng Vamvakaria, A. Pappaa, M. Chalarisb, G. viên Bộ mơn tự động hĩa, Khoa Cơng Xanthopoulosc, M. Statheropoulosa. “Use of Nghệ, Trường ĐH Cần Thơ và là học unmanned vehicles in search and rescue viên cao học Khĩa 2015 chuyên operations in forest fires: Advantages and ngành KT Điều khiển và Tự động Hĩa limitations observed in a field trial”, Inter. of của trường Đại học Cần Thơ. Journal of Diaster Risk, pp.307-312, Sept 2015. [3] Y.-S. Chung, H.V. Le, “Detection of forest-fire Phạm Bảo Nhân nhận bằng Kỹ sư smoke plumes by satellite imagery", Atmospheric điện tử tại trường ĐH Cần Thơ năm Environment, pp. 2143 – 2151, 1984. 2004. Anh hiện là giáo viên của Khoa [4] M. Denera, Y. Ưzkưka, C. Bostancioglub, “Fire Điện – Điện Tử, trường cao đẳng detection systems in Wireless Sensor Network”, nghề Đồng Tháp và là học viên cao World Conference on Technology, Innovation học Khĩa 2013b chuyên ngành Kỹ and Entrepreneurship, July 2015 thuật điện tử của trường ĐH Sư phạm [5] W. Krülla, Robert Toberaa, I. Willmsa, H. Kỹ thuật Thành Phố Hồ Chí Minh. Essenb, N.V. Wahlb. “Early Forest Fire Detection and Verification using Optical Smoke, Phạm Duy Nghiệp nhận bằng Kỹ Gas and Microwave Sensors”. Inter. Symposium sư điện tử tại trường ĐH Cần Thơ on Safety Science and Technology, 2012. năm 2002. Anh hiện là cán bộ giảng [6] S. Bhattacharjeea, P. Roya, S. Ghosha, S. Misraa, dạy của Bộ mơn Điện tử Viễn thơng, M. S. Obaidat. “Wireless sensor network-based Khoa Cơng Nghệ ĐH Cần Thơ, fire detection, alarming, monitoring and PGĐ TT. Điện – Điện tử và là học prevention system for Bord-and-Pillar coal viên cao học Khĩa 20 chuyên ngành mines”. Journal of Systems and Software, pp. Kỹ thuật điều khiển và Tự động hĩa, 571 – 581. March 2012. của trường ĐH Cần Thơ. [7] Xuân Hiền Trần, “ Ứng dụng cơng nghệ GIS trong việc cung cấp thơng tin dự báo cháy rừng Nguyễn Chánh Nghiệm nhận bằng trên địa bàn tỉnh Lâm Đồng”, Trung tâm Dự báo Thạc sĩ về Cơ điện tử tại Học viện Khí tưởng thủy văn tỉnh Lâm Đồng, 2007. Cơng Nghệ Châu Á, Pathumthani, [8] Nguyễn Thanh Thủy, “Ứng dụng Viễn thám và Thái Lan năm 2007. Năm 2012, anh GIS trong nghiên cứu dự báo cháy rừng tỉnh Bắc nhận bằng Tiến sĩ tại Đại học Osaka, Kạn”, 2011. Nhật Bản. Từ năm 2005 đến nay, anh [9] Chủ động phịng cháy chữa cháy rừng, tham gia giảng dạy tại Bộ mơn Tự tongcuclamnghiep.gov, truy cập ngày 27/7/2015. động hĩa, Khoa Cơng nghệ, Trường [10] A. R. Smith. “Color gamut transform pairs”, Đại học Cần Thơ. Các hướng nghiên cứu chính của anh Computer Graphics 12, pp. 12-19, 1978. bao gồm thị giác máy tính, micro robotics, các hệ thống [11] R. T. Collins, A. J. Lipton, and T. Kanade, “ A điều khiển, UAV, GNSS. system for video surveilliance and monitoring”, American Nuclear Society 8th Internal Topical Nguyễn Chí Ngơn nhận bằng Kỹ sư Metting on Robotics and Remote systems, Điện tử tại ĐH Cần Thơ năm 1996, Pittsburgh, PA. pp. 25-29, April 1999. bằng Thạc sỹ Kỹ thuật Điện tử tại [12] John Canny, “A computational approach to Edge ĐH Bách Khoa Tp.HCM năm 2001, detection”, IEEE trans. on Pattern Analysis and và nhận bằng Tiến sỹ Điều khiển tự Machine Intelligence 8, pp.697 – 714, 1986. động tại Đại Học Rostock, CHLB [13] Đức năm 2007. Gk (accesed on Aug2015). Tiến sỹ Nguyễn Chí Ngơn tham gia [14] giảng dạy tại trường ĐH Cần Thơ từ năm 1996 đến nay. 0-campfire-coniferous-forest-smoke-alps Hiện anh là Phĩ giáo sư ngành tự động hĩa thuộc Bộ (accesed on Aug2015). mơn Tự Động Hĩa, Khoa Cơng Nghệ; giữ chức vụ [15] Giám Đốc Trung Tâm Điện – Điện Tử và Trưởng Khoa 1721386-stock-footage-fog-drifts-across-woods- Cơng Nghệ, Trường Đại Học Cần Thơ. VCCA-2015
6. BÀI BÁO KHOA HỌC THỰC HIỆN CƠNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên cĩ xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa cĩ sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CĨ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2016-2017 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.