Công nghệ và dữ liệu trong giám sát rác thải nhựa biển
Một trong những nội dung trọng tâm của Tọa đàm là khả năng ứng dụng AI, công nghệ viễn thám và khoa học công dân nhằm nâng cao hiệu quả giám sát, quản lý rác thải nhựa đại dương. Từ thực trạng tại Việt Nam và kinh nghiệm triển khai ở Hàn Quốc, Đài Loan, các tham luận cho thấy việc ứng dụng công nghệ không chỉ giúp mở rộng phạm vi giám sát, rút ngắn thời gian xử lý dữ liệu mà còn mở ra hướng quản lý ô nhiễm nhựa biển dựa trên bằng chứng khoa học.
Thực tế hiện nay, một trong những khó khăn đối với công tác quản lý rác thải nhựa đại dương tại Việt Nam là thiếu hệ thống dữ liệu quan trắc thống nhất, có khả năng phản ánh đầy đủ hiện trạng và theo dõi sự biến động của rác thải theo không gian, thời gian. Các ước tính về lượng rác thải nhựa phát sinh và thất thoát ra môi trường biển còn chênh lệch đáng kể do khác biệt về phạm vi thống kê, phương pháp tính toán và giả định mô hình. Trong khi đó, dữ liệu quan trắc trực tiếp còn hạn chế, gây khó khăn cho việc đánh giá hiệu quả thực hiện các mục tiêu giảm thiểu ô nhiễm nhựa biển.
Từ thực trạng này, yêu cầu đặt ra là chuẩn hóa phương pháp điều tra, thu thập và xử lý dữ liệu, đồng thời tăng cường ứng dụng công nghệ hiện đại để nâng cao năng lực giám sát. Việc xây dựng Dự thảo Thông tư quy định kỹ thuật điều tra rác thải nhựa biển tại Việt Nam được kỳ vọng tạo cơ sở thống nhất cho hoạt động quan trắc, bao gồm cả rác thải nhựa kích thước lớn và vi nhựa trong các môi trường khác nhau.
Kinh nghiệm quốc tế cho thấy việc kết hợp AI với các phương pháp quan trắc truyền thống có thể khắc phục một phần những hạn chế về nhân lực, chi phí và phạm vi khảo sát. Tại Hàn Quốc, các chương trình giám sát rác thải biển đã kết hợp dữ liệu thực địa với ảnh vệ tinh, thiết bị bay không người lái và công nghệ nhận dạng hình ảnh. Thông qua sáng kiến Ocean Knights và nền tảng dữ liệu Ocean Cloud, thông tin được thu thập từ nhiều môi trường khác nhau, từ khu vực đô thị, bờ biển đến các vùng nước, qua đó hỗ trợ xác định những khu vực tập trung rác thải và cung cấp thông tin phục vụ công tác quản lý.
Trong khi đó, Đài Loan chú trọng xây dựng mạng lưới giám sát có sự tham gia của cộng đồng và ứng dụng AI trong phân tích dữ liệu hình ảnh. Hệ thống quan trắc được triển khai tại 168 địa điểm, với tần suất bốn lần mỗi năm và sự tham gia của khoảng 50 nhà khoa học công dân. Đáng chú ý, mô hình MDImageNet đã hình thành bộ dữ liệu gồm hơn 20.000 hình ảnh, phân thành 19 nhóm rác thải biển, tạo cơ sở cho việc ứng dụng công nghệ nhận dạng, phân loại và phân tích sự phân bố của rác thải.
Các ứng dụng này cho phép chuyển đổi hình ảnh thu thập tại hiện trường thành dữ liệu có cấu trúc, hỗ trợ xác định khu vực ô nhiễm trọng điểm, nhận diện thành phần rác thải, theo dõi xu hướng biến động và lựa chọn giải pháp quản lý phù hợp. Đây là hướng tiếp cận quan trọng nhằm bổ sung cho các hoạt động thu gom, làm sạch bãi biển, từng bước chuyển sang giám sát có hệ thống để phục vụ phòng ngừa và kiểm soát ô nhiễm từ nguồn phát sinh.
Tuy nhiên, kinh nghiệm triển khai cũng cho thấy AI không thể thay thế hoàn toàn hoạt động khảo sát và kiểm chứng của con người. Chất lượng kết quả phân tích phụ thuộc vào độ chính xác của hình ảnh, phương pháp phân loại, tính đại diện của bộ dữ liệu và khả năng nhận dạng các loại rác thải trong những điều kiện môi trường khác nhau. Đặc biệt, đối với những vật thể nhỏ, bị che khuất hoặc có hình dạng tương đồng, việc kiểm chứng thực địa vẫn giữ vai trò quan trọng nhằm hạn chế sai lệch trong kết quả phân tích.
Một điểm chung được nhấn mạnh là vai trò của khoa học công dân trong xây dựng và duy trì hệ thống dữ liệu. Thông qua việc tập huấn phương pháp khảo sát, chụp ảnh và ghi nhận thông tin theo quy chuẩn, người dân và các nhóm tình nguyện có thể tham gia thu thập dữ liệu tại nhiều khu vực ven biển. Khi kết hợp với công nghệ AI, nguồn dữ liệu này có thể góp phần mở rộng phạm vi giám sát, tăng tần suất cập nhật và giảm áp lực đối với lực lượng chuyên môn.
Đối với Việt Nam, những kinh nghiệm trên gợi mở hướng xây dựng hệ thống giám sát rác thải nhựa biển tích hợp nhiều công nghệ, trong đó camera có thể được sử dụng tại các cửa sông, thiết bị bay không người lái phục vụ khảo sát bờ biển và ảnh vệ tinh hỗ trợ quan sát trên phạm vi rộng. Cùng với đó là yêu cầu phát triển cơ sở dữ liệu dùng chung, lưu trữ hình ảnh gốc, thống nhất phương pháp phân loại và thiết lập cơ chế kiểm chứng kết quả phân tích bằng AI.
Giá trị của việc ứng dụng AI không chỉ nằm ở khả năng tự động hóa nhận dạng và thống kê rác thải mà quan trọng hơn là tạo lập nguồn dữ liệu đáng tin cậy để phục vụ công tác quản lý. Khi dữ liệu được thu thập thường xuyên, chuẩn hóa và kết nối giữa các địa phương, cơ quan quản lý sẽ có thêm cơ sở để xác định khu vực ưu tiên, đánh giá hiệu quả các biện pháp can thiệp và xây dựng chính sách kiểm soát ô nhiễm nhựa biển phù hợp với thực tiễn.
Sau các tham luận, phiên thảo luận bàn tròn tập trung vào cơ hội và thách thức trong chuẩn hóa bộ dữ liệu, khả năng phối hợp giữa các tổ chức nghiên cứu, cơ quan quản lý và đối tác công nghệ, cũng như triển vọng mở rộng sự tham gia của cộng đồng. Các nội dung trao đổi cho thấy việc ứng dụng AI cần gắn với phương pháp điều tra thống nhất, cơ chế chia sẻ dữ liệu và sự hợp tác giữa các bên để có thể triển khai lâu dài.
Ghi nhận rác thải nhựa qua hình ảnh tại Đồ Sơn
Tiếp nối Tọa đàm tại Hà Nội, ngày 8/10, chương trình tập huấn thực địa được tổ chức tại khu du lịch Đồ Sơn, thành phố Hải Phòng, tập trung hướng dẫn kỹ thuật chụp ảnh, nhận diện và thu thập dữ liệu hình ảnh rác thải nhựa bờ biển phục vụ mô hình MDImageNet. Đây là hoạt động thực hành nhằm giúp người tham gia tiếp cận phương pháp xây dựng dữ liệu hình ảnh phục vụ ứng dụng AI trong giám sát rác thải nhựa biển.
Dưới sự hướng dẫn của bà Ning Yen (Đài Loan), các thành viên được giới thiệu quy chuẩn chụp ảnh phục vụ mô hình MDImageNet, bao gồm lựa chọn góc chụp, điều kiện ánh sáng, cách ghi nhận từng vật thể hoặc nhóm rác và phương pháp tránh trùng lặp hình ảnh. Những yêu cầu kỹ thuật này nhằm bảo đảm hình ảnh thu thập có chất lượng và tính nhất quán, tạo thuận lợi cho quá trình nhận dạng, phân loại bằng công nghệ AI.
Các thành viên được chia thành ba nhóm nhỏ, thực hành chụp ảnh và ghi nhận các loại rác thải tại khu vực bãi biển Đồ Sơn. Nội dung tập trung vào những loại rác thường gặp ở môi trường ven biển như ngư cụ, phao xốp, sản phẩm nhựa dùng một lần và bao bì từ hoạt động sinh hoạt, du lịch. Thông qua việc nhận diện và ghi lại hình ảnh các vật thể, người tham gia được hướng dẫn cách tạo lập dữ liệu có thể sử dụng cho quá trình phân tích bằng AI.
Sau hoạt động chụp ảnh, các nhóm lựa chọn những hình ảnh tiêu biểu để cùng chuyên gia đánh giá chất lượng, xem xét mức độ đáp ứng quy chuẩn và trao đổi phương pháp tổng hợp, sàng lọc, đưa dữ liệu lên hệ thống. Hoạt động này giúp người tham gia hiểu rõ hơn yêu cầu về chất lượng dữ liệu đầu vào, một trong những yếu tố quan trọng quyết định hiệu quả của công nghệ nhận dạng hình ảnh.
Chương trình tại Đồ Sơn có ý nghĩa thiết thực trong việc giới thiệu phương pháp ứng dụng công nghệ vào giám sát rác thải nhựa biển. Việc hướng dẫn người tham gia chụp ảnh theo cùng một quy chuẩn cũng góp phần tạo nền tảng để mở rộng hoạt động thu thập dữ liệu dựa vào cộng đồng trong thời gian tới.
Từ những kinh nghiệm được chia sẻ tại tọa đàm và hoạt động thực hành tại Đồ Sơn, có thể thấy AI mở ra nhiều triển vọng trong nâng cao năng lực giám sát, quản lý rác thải nhựa biển tại Việt Nam. Tuy nhiên, để phát huy hiệu quả, việc ứng dụng công nghệ cần đi đôi với hoàn thiện quy định kỹ thuật, chuẩn hóa dữ liệu, tăng cường kiểm chứng thực địa và thúc đẩy hợp tác giữa cơ quan quản lý, tổ chức nghiên cứu và cộng đồng. Đây là những điều kiện quan trọng để từng bước hình thành hệ thống giám sát rác thải nhựa biển hiện đại, phục vụ hiệu quả hơn công tác kiểm soát và giảm thiểu ô nhiễm môi trường biển.
