ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN


NGUYỄN HOÀNG NGÂN

TRỰC QUAN HÓA
THÔNG TIN HUỲNH QUANG CỦA CHẤT LỎNG

LUẬN VĂN THẠC SĨ
NGÀNH KHOA HỌC MÁY TÍNH
Mã số: 60.48.01.01

NGƯỜI HƯỚNG DẪN KHOA HỌC
TS. NGÔ ĐỨC THÀNH

TP. HỒ CHÍ MINH - NĂM 2017


LỜI CÁM ƠN

Trước tiên, em xin gửi lời cảm ơn chân thành đến giáo sư Imari Sato (Viện
Thông tin Quốc gia Nhật Bản) và thầy TS. Ngô Đức Thành. Trong suốt quá
trình làm luận văn, giáo sư và thầy đã dành nhiều công sức giúp đỡ, hướng
dẫn em tận tình để em có thể hoàn tất đề tài này một cách thuận lợi nhất.
Bên cạnh đó, em xin cảm ơn các anh chị đồng nghiệp cùng các bạn sinh viên
khoa Khoa học máy tính và phòng Thí nghiệm Truyền thông Đa phương
tiện, trường ĐH Công nghệ Thông tin đã hỗ trợ em rất nhiều trong suốt thời
gian em thực hiện luận văn.
Em cũng xin gửi lời cảm ơn đến các thầy cô tại trường ĐH Công nghệ Thông
tin, ĐHQG HCM đã tạo mọi điều kiện cho em có thể học tập và hoàn tất

luận văn này.
Em xin chân thành cảm ơn.


LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết
quả trong luận văn là trung thực và chưa từng được ai công bố trong bất kì
công trình nào khác, ngoại trừ các tư liệu được trích dẫn ghi trong mục tài
liệu tham khảo.

Tác giả luận văn

Nguyễn Hoàng Ngân


Mục lục
Mục lục

v

Danh sách hình vẽ

viii

Danh sách bảng

ix

Danh sách từ viết tắt


x

1

TỔNG QUAN

1

1.1

Đặt vấn đề . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1

1.2

Các công trình nghiên cứu liên quan . . . . . . . . . . . . . . . . . . .

4

1.2.1

Bài toán phân biệt chất lỏng . . . . . . . . . . . . . . . . . . .

4

1.2.1.1

Nhóm thịt động vật . . . . . . . . . . . . . . . . . .


4

1.2.1.2

Nhóm trái cây - rau củ . . . . . . . . . . . . . . . .

6

1.2.1.3

Nhóm chất lỏng . . . . . . . . . . . . . . . . . . . .

7

Bài toán mô phỏng chất lỏng . . . . . . . . . . . . . . . . . .

8

1.2.2.1

Thành phần huỳnh quang trong các loại chất lỏng .

8

1.2.2.2

Các mô hình chiếu sáng . . . . . . . . . . . . . . .

9


Nội dung và Đóng góp của luận văn . . . . . . . . . . . . . . . . . . .

10

1.2.2

1.3
2

CƠ SỞ LÝ THUYẾT

12

2.1

Bài toán mô phỏng chất lỏng . . . . . . . . . . . . . . . . . . . . . . .

12

2.2

Phản xạ ánh sáng và huỳnh quang . . . . . . . . . . . . . . . . . . . .

14

v


MỤC LỤC


3

2.2.1

Phản xạ ánh sáng . . . . . . . . . . . . . . . . . . . . . . . . .

14

2.2.2

Huỳnh quang . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

2.2.3

Ma trận kích thích phát xạ . . . . . . . . . . . . . . . . . . . .

15

2.3

Mô hình kết hợp phản xạ ánh sáng và huỳnh quang . . . . . . . . . . .

16

2.4

Chuyển đổi từ quang phổ sang hệ màu RGB . . . . . . . . . . . . . .


19

2.5

Kĩ thuật tạo hình ảnh Ray tracing . . . . . . . . . . . . . . . . . . . .

20

PHƯƠNG PHÁP ĐỀ XUẤT

23

3.1

Tiền xử lý dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

3.2

Trực quan hoá dữ liệu quang phổ phản xạ để phân biệt chất lỏng . . .

28

3.2.1

Dữ liệu quang phổ phản xạ . . . . . . . . . . . . . . . . . . .

28


3.2.2

Trực quan hoá dữ liệu quang phổ phản xạ . . . . . . . . . . .

29

3.3

Kết hợp hai thành phần phản xạ và huỳnh quang để xác định màu sắc
của chất lỏng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4

THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ

33

4.1

Mẫu thử chất lỏng và phương pháp đo lường . . . . . . . . . . . . . .

33

4.1.1

Mẫu thử chất lỏng . . . . . . . . . . . . . . . . . . . . . . . .

33


4.1.2

Phương pháp đo lường . . . . . . . . . . . . . . . . . . . . . .

34

4.1.2.1

Thiết lập máy đo . . . . . . . . . . . . . . . . . . .

34

4.1.2.2

Cách thức đo lường . . . . . . . . . . . . . . . . . .

37

Kết quả và đánh giá . . . . . . . . . . . . . . . . . . . . . . . . . . . .

39

4.2

4.2.1

5

31


Ảnh hưởng của hiệu điện thế đối với dữ liệu quang phổ phản
xạ và quang phổ huỳnh quang . . . . . . . . . . . . . . . . . .

39

4.2.2

Phân biệt chất lỏng . . . . . . . . . . . . . . . . . . . . . . . .

41

4.2.3

Màu sắc của chất lỏng . . . . . . . . . . . . . . . . . . . . . .

43

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

48

5.1

Kết quả đạt được . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

48

5.2

Hướng phát triển . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


49

vi


MỤC LỤC

Công trình công bố

50

Tài liệu tham khảo

51

6

58

Phụ lục công trình công bố

Phụ lục công trình công bố

58

7

67


Phụ lục đề cương luận văn đã xét duyệt

Phụ lục đề cương luận văn đã xét duyệt

vii

67


Danh sách hình vẽ
1.1

Mô phỏng chất lỏng [1] . . . . . . . . . . . . . . . . . . . . . . . . . .

2

2.1

Lưu đồ hệ thống mô phỏng chất lỏng . . . . . . . . . . . . . . . . . .

14

2.2

Ma trận kích thích phát xạ của nước . . . . . . . . . . . . . . . . . . .

16

2.3


Quang phổ kích thích và quang phổ phát xạ[2] . . . . . . . . . . . . .

18

2.4

Các hàm kết hợp màu sắc theo bước sóng [3] . . . . . . . . . . . . . .

19

2.5

Ý tưởng của Ray tracing[4] . . . . . . . . . . . . . . . . . . . . . . . .

21

3.1

Các bước loại bỏ nhiễu do tán xạ Rayleigh [5] . . . . . . . . . . . . .

25

3.2

Dữ liệu nước nhiễu và sau khi lọc nhiễu . . . . . . . . . . . . . . . . .

27

3.3


Quang phổ phản xạ của nước và 2 tờ giấy sticker màu xanh lá, màu đỏ

31

4.1

Máy đo quang phổ huỳnh quang Hitachi - F7000 . . . . . . . . . . . .

35

4.2

Nguyên lý hoạt động của máy quang phổ huỳnh quang . . . . . . . .

36

4.3

Glass vials 20ml bảo quản mẫu thử . . . . . . . . . . . . . . . . . . .

39

4.4

Quang phổ phản xạ của nước tại các mức hiệu điện thế khác nhau . .

40

4.5


Quang phổ huỳnh quang của các chất tại các mức điện thế khác nhau

41

4.6

Quang phổ phản xạ của nước và giấm ở các hiệu điện thế khác nhau .

45

4.7

Quang phổ phản xạ của các chất lỏng: nước, rượu whisky, nước rửa
chén và sữa chua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

4.8

Quang phổ phản xạ của nước và giấm . . . . . . . . . . . . . . . . . .

46

4.9

Quang phổ phản xạ của bia và rượu whisky . . . . . . . . . . . . . . .

47

4.10 Đồ thị 3 chiều màu sắc chính xác của bia . . . . . . . . . . . . . . . .


47

viii


Danh sách bảng
3.1

Dữ liệu của nước . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

3.2

Dữ liệu quang phổ phản xạ trong vùng ánh sáng nhìn thấy (quang phổ phản xạ)
của bia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

3.3

Dữ liệu quang phổ phản xạ của rượu whisky . . . . . . . . . . . . . .

29

4.1

Thông tin các mẫu thử chất lỏng . . . . . . . . . . . . . . . . . . . . .


34

4.2

Màu sắc chính xác của bia ở vùng bước sóng kích thích 300 - 350nm;
bước sóng phát xạ: 300 - 350nm . . . . . . . . . . . . . . . . . . . . .

ix

44


Danh mục từ viết tắt
BSDF bidirectional scattering distribution function
EEM ma trận kích thích phát xạ
quang phổ phản xạ quang phổ phản xạ trong vùng ánh sáng nhìn thấy
StandardData dữ liệu về huỳnh quang của McNamara và Boswell

x


TÓM TẮT

Trong lĩnh vực đồ hoạ máy tính, chất lỏng là một đối tượng thu hút nhiều
sự quan tâm do sự phức tạp về kiến trúc bề mặt cũng như các chuyển động
vật lý và màu sắc. Một trong những bài toán được nhiều nhà nghiên cứu tập
trung giải quyết đó là bài toán mô phỏng chất lỏng. Để mô phỏng chất lỏng
có hai vấn đề cần được xem xét đó là phân tích chất lỏng và phương pháp
mô phỏng. Phân tích chất lỏng sẽ cung cấp các thông tin về mặt vật lý và
hoá học. Đây là cơ sở để xây dựng các phương pháp mô phỏng chất lỏng.

Trong phân tích chất lỏng, tôi tập trung giải quyết bài toán phân biệt các
chất có cùng biểu hiện về mặt màu sắc nhưng khác nhau về tính chất. Trong
phương pháp mô phỏng chất lỏng, tôi tập trung giải quyết bài toán nâng cao
độ chân thực của hình ảnh mô phỏng.
Trong bài toán phân biệt chất lỏng, phân biệt các chất lỏng có cùng màu sắc
nhưng khác nhau về đặc tính và không thể sử dụng các giác quan như thị
giác, khứu giác và vị giác là một trong những nhu cầu thực tế đang được
đặt ra hiện nay. Thông thường trong trường hợp này phương pháp hóa học
được sử dụng để phân tích thành phần và cấu tạo để xác định loại chất.
Tuy nhiên phương pháp này có quy trình thực nghiệm phức tạp, chi phí cao,
thông tin thu được đòi hỏi kiến thức chuyên sâu về hóa học để đọc hiểu. Gần
đây để xác định, phân biệt và đánh giá chất lượng các loại thực phẩm, các
nghiên cứu sử dụng quang phổ phản xạ đều đạt kết quả đáng tin cậy. Vì vậy,
trong luận văn này tôi đưa ra phương pháp phân biệt chất lỏng dựa trên trực
quan hóa quang phổ phản xạ trong vùng ánh sáng nhìn thấy. Kết quả thực
nghiệm trên bộ dữ liệu tự xây dựng gồm 6 loại chất lỏng phổ biến là bia,


rượu whisky, nước, giấm, nước rửa chén và sữa chua đã cho thấy sử dụng
hình ảnh trực quan hóa của quang phổ phản xạ dễ dàng phân biệt được các
chất lỏng.
Trong bài toán nâng cao độ chân thực hình ảnh của chất lỏng, tôi tập trung
xem xét về màu sắc của chất lỏng khi tương tác với ánh sáng chiếu vào. Các
mô hình chiếu sáng hiện tại đều dựa trên giả thuyết khi ánh sáng chiếu vào
một bề mặt chỉ có phát ra ánh sáng do phản xạ. Tuy nhiên trong thực tế có
nhiều loại chất không chỉ phát ra ánh sáng do phản xạ mà còn phát ra ánh
sáng do huỳnh quang. Do đó trong luận văn này tôi tìm hiểu và áp dụng
mô hình kết hợp phản xạ và huỳnh quang của Lam và Sato [2] nhằm tăng
độ chính xác về màu sắc của chất lỏng. Kết quả thu được là màu sắc chính
xác của 6 loại chất lỏng bia, rượu whisky, nước, giấm, nước rửa chén và sữa

chua khi được chiếu sáng với ánh sáng có bước sóng nằm trong vùng ánh
sáng nhìn thấy.
Từ khóa: visualization, visible reflectance spectroscopy, liquid identification, fluorescence spectroscopy, realistic image, huỳnh quang, phản xạ ánh
sáng, phân biệt chất lỏng


NHỮNG ĐÓNG GÓP

• Xây dựng bộ dữ liệu huỳnh quang và phản xạ ánh sáng của 6 loại chất
lỏng phổ biến là nước, nước rửa chén, giấm, bia, rượu whisky và sữa
chua.
• Đề xuất sử dụng phương pháp quang phổ phản xạ trong vùng ánh sáng
nhìn thấy để phân biệt chất lỏng.
• Tìm hiểu và áp dụng mô hình kết hợp huỳnh quang và phản xạ ánh sáng
trong việc xây dựng hình ảnh có độ chân thực cao cho chất lỏng.
• Tổng hợp kết quả nghiên cứu trên thành bài báo báo cáo tại hội nghị
khoa học quốc gia lần thứ X về "Nghiên cứu cơ bản và ứng dụng Công
nghệ thông tin" – Fundamental and Applied IT Research - FAIR 2017.


Chương 1

TỔNG QUAN
1.1

Đặt vấn đề

Trong lĩnh vực đồ hoạ máy tính, chất lỏng là một đối tượng thu hút nhiều sự quan tâm
do sự phức tạp về kiến trúc bề mặt cũng như các chuyển động vật lý và màu sắc. Một
trong những bài toán được nhiều nhà nghiên cứu tập trung giải quyết đó là bài toán

mô phỏng chất lỏng, tại hội nghị SIGGRAPH (Special Interest Group on GRAPHics
and Interactive Techniques) 1 , một hội nghị uy tín và hàng đầu của chuyên ngành đồ
hoạ máy tính, hằng năm đều có chủ đề này. Hình 1.1 là một mô phỏng chất lỏng có
độ căng bề mặt đồng đều và không màu.
Để mô phỏng chất lỏng có hai vấn đề cần được xem xét là phân tích chất lỏng và
phương pháp mô phỏng chất lỏng. Phân tích chất lỏng sẽ cung cấp các thông tin về
mặt vật lý và hoá học. Đây là cơ sở để xây dựng các phương pháp mô phỏng chất lỏng.
Trong phân tích chất lỏng, chúng tôi tập trung giải quyết vấn đề phân biệt các chất có
cùng biểu hiện về mặt màu sắc nhưng khác nhau về tính chất. Trong phương pháp mô
phỏng chất lỏng, chúng tôi tập trung tính toán màu sắc của chất lỏng dựa trên dữ liệu
thực nghiệm, từ đó áp dụng các mô hình chiếu sáng và thuật toán tạo hình ảnh để tạo
ra hình ảnh chất lỏng có độ chân thực cao.
1

/>
1


Chương 1. Tổng quan

Hình 1.1: Mô phỏng chất lỏng [1]

Với vấn đề phân biệt chất lỏng, bên cạnh các loại chất lỏng có thể phân biệt được
bằng các giác quan thông thường dựa trên các đặc tính như màu sắc hay mùi vị, còn
có rất nhiều loại chất lỏng khác nhau nhưng không thể phân biệt bằng cách sử dụng
thị giác, khứu giác hay vị giác, chẳng hạn các loại chất lỏng độc hại có cùng màu sắc
nhưng không thể sử dụng mùi vị. Trong thực tế các trường hợp này được giải quyết
bằng cách sử dụng phương pháp hóa học để phân tích thành phần, cấu tạo để xác định
từng loại chất lỏng và phân biệt được chúng. Tuy nhiên phương pháp này có quy trình
thực nghiệm phức tạp, cần độ tỉ mỉ cao và tốn nhiều chi phí khi thực hiện. Ngoài ra

quá trình đọc hiểu thông tin về thành phần hóa học và xác định các loại chất đòi hỏi
kiến thức chuyên sâu và thường phải thông qua các chuyên gia hóa học trong ngành.
Bên cạnh đó đối với trường hợp chỉ phân biệt chất lỏng, việc phân tích thành phần
và xác định từng chất là không cần thiết. Do đó chúng tôi sử dụng một phương pháp
khác dựa trên quang phổ phản xạ trong vùng ánh sáng nhìn thấy được để phân biệt
chất lỏng.
Với vấn đề phương pháp mô phỏng chất lỏng, cần xem xét các yếu tố ảnh hưởng
tới việc xây dựng hình ảnh chất lỏng có độ chân thực cao. Có nhiều yếu tố ảnh hưởng
như mô hình về ánh sáng, đối tượng và vật liệu được chiếu sáng, mô hình bắt ánh sáng
và hệ thống hiển thị hình ảnh [6]. Trong luận văn này, chúng tôi tập trung xem xét đối
tượng và vật liệu được chiếu sáng. Trong các hệ thống đồ họa máy tính hiện nay, hình
2


Chương 1. Tổng quan

ảnh được xây dựng dựa trên hệ màu ba chiều RGB. Những phương pháp xây dựng
hình ảnh dựa trên hệ màu này tạo được những hình ảnh khả thi, nhưng gây ra sự thay
đổi màu lớn [7]. Các phương pháp này đều dựa trên một giả thuyết là khi ánh sáng
tương tác với một loại đối tượng, màu sắc được tạo thành do sự phản xạ ánh sáng,
và tất cả các mô hình chiếu sáng này đều tìm phương pháp để có giá trị phản xạ ánh
sáng chính xác nhất. Tuy nhiên trong thực tế, ánh sáng khi tương tác với một loại đối
tượng, màu sắc được tạo ra có thể do hai thành phần quyết định đó là thành phần phản
xạ và thành phần huỳnh quang. Thực tế là, Barnard [8] đã nghiên cứu và chứng minh
được thành phần huỳnh quang là một thành phần thường xuất hiện trong nhiều loại
đối tượng. Đối với các loại đối tượng này, màu sắc do hai yếu tố quyết định là huỳnh
quang và phản xạ ánh sáng. Chất lỏng là một trong các loại đối tượng này. Đã có nhiều
nghiên cứu ứng dụng huỳnh quang cho các loại chất lỏng như các sản phẩm từ sữa,
dầu thực vật, rượu - bia - nước giải khát. Trong các nghiên cứu này huỳnh quang sử
dụng để đo lường các thay đổi về mặt hoá học và vật lý [9, 10, 11], nhận biết, phân

loại, đánh giá chất lượng [12, 13, 14, 15]. Do đó để có thể xây dựng được hình ảnh có
độ chân thực cao cho chất lỏng cần xem xét kết hợp hai yếu tố huỳnh quang và phản
xạ ánh sáng. Trong luận văn này chúng tôi tiến hành kết hợp hai yếu tố huỳnh quang
và phản xạ ánh sáng dựa trên mô hình của Zhang và Sato [2] và kĩ thuật tạo hình ảnh
Ray tracing.
Với hai bài toán này, dữ liệu phản xạ ánh sáng và huỳnh quang của các loại chất
lỏng chưa được xây dựng. Bên cạnh đó, hai loại dữ liệu này có nhiều cách để kết hợp
và việc lựa chọn mô hình kết hợp hiệu quả cũng là một vấn đề lớn cần nghiên cứu kĩ
càng.

3


Chương 1. Tổng quan

1.2

Các công trình nghiên cứu liên quan

1.2.1

Bài toán phân biệt chất lỏng

Chúng tôi tiếp cận bài toán phân biệt chất lỏng theo hướng sử dụng quang phổ phản
xạ trong vùng ánh sáng nhìn thấy - visible reflectance spectroscopy (quang phổ phản
xạ). Quang phổ phản xạ đã được nhiều nhà nghiên cứu sử dụng để xác định, phân biệt
và đánh giá chất lượng trên nhiều loại thực phẩm khác nhau. Dựa vào đặc trưng của
từng loại thực phẩm, các nghiên cứu này có thể chia thành các nhóm nghiên cứu như
sau: nhóm thịt động vật [16, 17, 18, 19, 20, ?], nhóm trái cây - rau củ [21, 22, 23] và
nhóm chất lỏng [24, 25, 26].

1.2.1.1

Nhóm thịt động vật

Trong nhóm này, các nghiên cứu ứng dụng quang phổ phản xạ đều thu được kết quả
tốt. Các nghiên cứu này tập trung giải quyết các bài toán xác định các loại thịt động
vật khác nhau, dự đoán về màu sắc và chất lượng của các loại thịt.
• Mamani-Linares [16] đã xác định các loại thịt bò, thịt lạc đà và thịt ngựa bằng
cách đo lường quang phổ phản xạ kết hợp cùng mô hình Partial least squares
regression (PLS). Thí nghiệm được thực hiện 2 lần, đánh giá quang phổ phản
xạ của các loại thịt khi đo lường trên từng miếng thịt vùng cơ (Longissimus
lumborum) và đo lường từ nước thịt chiết xuất từ các miếng thịt này. Dữ liệu thu
được từ các thí nghiệm được tác giả tiến hành tiền xử lý. Dữ liệu quang phổ trung
bình được sử dụng là giá trị hấp thụ ánh sáng [log(1/R), với R là cường độ ánh
sáng phản xạ]. Dữ liệu giá trị hấp thụ này đủ để phân biệt sự khác nhau giữa
các loại thịt nhưng chưa đủ để xác định loại mẫu thử. Do đó, tác giả thử nghiệm
nhiều phương pháp toán học khác nhau để chọn được phương trình dự đoán cho
mỗi loại mẫu thử (thịt hoặc nước thịt). Mô hình PLS được sử dụng với các điều
chỉnh thông số khác nhau như kết hợp với Standard Normal Variate và De-Trend
cho hiệu quả phân loại tốt nhất. Kết quả phân loại đạt 95 - 100% với các mẫu thịt
4


Chương 1. Tổng quan

bò và thịt lạc đà, với mẫu thịt ngựa không bị phân loại sai nhưng phân loại không
chắc chắn, tỉ lệ phân loại đúng và chắc chắn đạt 89 – 95%.
• Ding [17] và Liu[18] đã áp dụng quang phổ phản xạ để phân biệt, dự đoán tính
chất vật lý của các loại thịt gà. Cả hai nghiên cứu này đều sử dụng giá trị hấp thụ
log(1/R) như nghiên cứu của Mamani-Linares [16].

Ding đo lường quang phổ phản xạ với bước sóng từ 400 - 2500nm của các loại
thịt gà nướng từ nhiều cửa hàng khác nhau. Sau đó áp dụng kĩ thuật dummy
regression kết hợp với multiple linear regression (MLR), principle component
regression (PCR) và partial least squares (PLS) để phân biệt các mẫu thử. Các
loại thịt bắp đùi gà thái nhỏ, thịt ngực gà thái nhỏ, thịt ngực gà không có da và
thịt ngực gà có da được phân loại với độ chính xác lần lượt là 100%, 92%, 96%
và 92%.
Liu thực hiện thí nghiệm trên thịt ngực gà được lưu giữ ở các thời gian 2, 4, 6
và 24 giờ và trong 2 trạng thái là thịt gà tươi và thịt gà đã được nấu chín. Các
đặc tính vật lý được nghiên cứu quan tâm là độ pH, màu sắc, lực cắt và độ nhạy
cảm giác của các miếng thịt. Liu cũng sử dụng các mô hình PLS với 24 tham số
để tìm ra vùng dữ liệu tối ưu cho việc phân loại. Kết quả phân loại cao nhất đạt
74%, mô hình dự đoán chứa các tham số về màu sắc, độ pH và lực cắt đạt hiệu
quả hơn so với mô hình chứa riêng lẻ các tham số này.
• Prieto [19] và Liao [20] và đã thực hiện dự đoán màu sắc và chất lượng của thịt
heo và thịt bò, kết quả cho thấy sử dụng quang phổ phản xạ dự đoán nhanh chóng
chất lượng của các loại thịt.
Prieto tiến hành thí nghiệm trên 194 mẫu thịt bò nhằm đánh giá khả năng ứng
dụng quang phổ phản xạ như một bộ lọc sơ bộ chất lượng thịt bò. Tác giả kiểm tra
bằng phương pháp cross-validation, kết quả cho thấy phương pháp quang phổ dự
đoán đươcj màu sắc của các mẫu thịt với coefficient of determination R2 = 0.86
và standard error of cross-validation SECV = 0.96.
5


Chương 1. Tổng quan

Liao đã thử nghiệm dùng quang phổ phản xạ để dự đoán các thuộc tính chất
lượng của thịt heo gồm lượng mỡ, đạm, nước trong cơ, độ pH và lực cắt. Quang
phổ phản xạ được đo trong vùng bước sóng 350 - 1100nm trên 211 mẫu thịt. Sau

khi thu được dữ liệu, Liao tiến hành tiền xử lý dữ liệu và lọc nhiễu kết hợp với
mô hình PLS. Kết quả thu được rất hứa hẹn với R2 > 0.757.
1.2.1.2

Nhóm trái cây - rau củ

Với nhóm này các nghiên cứu tập trung giải quyết bài toán xác định thành phần, dự
đoán chất lượng. Một số nghiên cứu đã được thực hiện là dự đoán mùi vị của cam
[21], xác định giống nho [22], dự đoán chất lượng bên trong quả cà chua [23]. Các
nghiên cứu này đã chứng minh phương pháp quang phổ phản xạ có độ chính xác cao
và tốc độ thực thi nhanh.
• Jamshidi[21] tiến hành đo quang phổ phản xạ của vỏ 120 quả cam khác nhau, sau
đó chiết xuất nước cam từ các quả cam này đồng thời các thuộc tính để đánh giá
mùi vị của nước cam được đo lường. Tác giả kết hợp PLS và Principle component
regression (PCR) để xây dựng mô hình dự đoán mùi vị sử dụng quang phổ phản
xạ, kết quả đạt được có độ tin cậy cao với root mean square errors of prediction
RMSEP = 0.33.
• Cao[22] sử dụng quang phổ phản xạ được đo trên 439 mẫu nho từ 3 giống nho
khác nhau để phân biệt các giống nho này đồng thời dự đoán hàm lượng chất rắn
hoà tan và độ pH. Tác giả sử dụng thuật toán di truyền để chọn được khoảng bước
sóng mà quang phổ phản xạ có hiệu quả tốt nhất. Sau đó tác giả áp dụng thuật
toán Least-squares support vector machine (LS-SVM) để phân loại. Hệ thống
này phân loại các giống nho chính xác tới 96.58%, trong tập dự đoán hệ số tương
quan cho độ pH đạt 0.9781 và cho hàm lượng chất rắn hoà tan đạt 0.9065.
• Flores[23] đánh giá khả năng sử dụng quang phổ phản xạ để dự đoán 2 thuộc
tính hàm lượng chất rắn hoà tan và tính axit từ đó xác định chất lượng của cà
6


Chương 1. Tổng quan


chua. Thí nghiệm được thực hiện trên các quả cà chua được thu thập vào các năm
2006, 2007. Sau khi thu được dữ liệu quang phổ phản xạ, tác giả tiến hành sử
dụng phương pháp PLS cải tiến để dự đoán. Mô hình có cải tiến này chọn được
các số lượng hệ số tối ưu và tránh được overfitting. Kết quả dự đoán rất khả quan
với standard errors of prediction SEP = 0.68 và R2 = 0.77.
1.2.1.3

Nhóm chất lỏng

Các nghiên cứu được thực hiện trên hai loại chất lỏng là dầu oliu và sữa.
• Ping Lin và các cộng sự [24] đã sử dụng quang phổ phản xạ để xác định nguồn
gốc xuất xứ của dầu Oliu và đạt kết quả 97% trên dữ liệu thực nghiệm. Thí
nghiệm được thực hiện trên 120 mẫu dầu oliu có xuất xứ từ Tây Ban Nha, Thổ
Nhĩ Kỳ và Ý. Ở bước tiền xử lý dữ liệu, tác giả sử dụng thuật toán orthogonal
signal correction để loại bỏ ảnh hưởng của tán xạ ánh sáng. Sau đó tác giả sử
dụng thuật toán di truyền để lựa chọn các tham số chứa có thông tin có ít, các
tham số này được đưa vào mô hình PLS để phân tích và dự đoán.
• Với các loại sữa vì các thành phần protein trong sữa có khả năng hấp thụ và phản
xạ ánh sáng ở nhiều bước sóng khác nhau, do đó các nghiên cứu tập trung phân
tích quang phổ phản xạ, làm cơ sở để định lượng các thành phần protein này, từ
đó xác định chất lượng của sữa [25, 26]. Wu[25] thực hiện thí nghiệm trên 409
mẫu sữa bột. Tác giả áp dụng thuật toán LS - SVM và PLS để dự đoán hàm lượng
protein. Kết quả dự đoán đạt R2 = 0.981, RMSEP = 0.4115. Bogomolov[26] thử
nghiệm trên 21 mẫu sữa, tiến hành đo lường quang phổ phản xạ và áp dụng thuật
toán PLS để dự đoán hàm lượng chất béo và protein trong mỗi loại sữa. Với từng
khoảng bước sóng mà kết quả dự đoán khác nhau. Kết quả dự đoán đạt được
R2 = 0.964 đối với hàm lượng chất béo và R2 = 0.973 đối với hàm lượng protein.

Các nghiên cứu trên sử dụng quang phổ phản xạ do phương pháp này có ưu điểm

không phá huỷ cấu trúc của mẫu thử, đồng thời tốc độ thực thi nhanh. Mặc dù có
7


Chương 1. Tổng quan

nhiều nghiên cứu ứng dụng quang phổ phản xạ nhưng chưa có nghiên cứu nào áp
dụng quang phổ phản xạ để phân biệt các loại chất lỏng khác nhau.

1.2.2

Bài toán mô phỏng chất lỏng

Đối với bài toán mô phỏng chất lỏng, chúng tôi tìm hiểu cách xây dựng hình ảnh có
độ chân thực cao cho chất lỏng. Để xây dựng được hình ảnh này, chúng tôi tiếp cận
theo hướng xem xét tương tác giữa chất lỏng đối với ánh sáng khi được ánh sáng chiếu
vào.
1.2.2.1

Thành phần huỳnh quang trong các loại chất lỏng

Barnard [8] đã cho thấy trong các khung cảnh lựa chọn ngẫu nhiên thì có 20% là các
khung cảnh có chứa thành phần huỳnh quang. Đối với chất lỏng, thành phần huỳnh
quang có trong các loại chất lỏng trong suốt như bia, rượu, giấm, mật ong và dầu thực
vật. Với ưu điểm có tính đặc trưng cao, thành phần huỳnh quang được sử dụng như
một dấu hiệu để nhận biết, phân biệt các loại chất lỏng này.
• Bia: Sikorska [27] đã nghiên cứu chất phát huỳnh quang trong bia là Riboflavin
và ánh sáng phát xạ nằm trong vùng bước sóng 500 - 600nm. Sikorska đã dựa
vào sự thay đổi của cường độ huỳnh quang để xác định độ tươi mới của bia.
• Rượu: Trong các nghiên cứu của Azcarate [28] và Sádecká [29] huỳnh quang

được sử dụng để phân loại các loại rượu vang, rượu mạnh. Chất phát huỳnh
quang trong các loại rượu thường là Trans-stilbenes, Phenolic acids và phát ra
ánh sáng nằm trong vùng bước sóng từ 440 - 520nm.
• Mật ong: Lenhardt [30] đã sử dụng huỳnh quang để phân loại các loại mật ong
theo nguồn gốc, chất phát huỳnh quang trong mật ong là Phenolic và Tryptophan
với vùng ánh sáng phát xạ 305 - 400nm.

8


Chương 1. Tổng quan

• Giấm: Callejón [31] đã phân loại các loại giấm Sherry dựa trên cường độ huỳnh
quang của chất 5-hydroxymethylfurfural, có vùng ánh sáng phát xạ nằm trong
khoảng bước sóng 493 - 450nm.
• Dầu thực vật: Các nghiên cứu của Sikorska [12, 32] đã cho thấy huỳnh quang có
trong nhiều loại dầu thực vật như dầu oliu, dầu đậu nành, dầu hướng dương. Chất
phát huỳnh quang trong các loại dầu này là Tocopherols, Chlorophyll, Vitamin E
với khoảng bước sóng phát xạ 310 - 350nm.
1.2.2.2

Các mô hình chiếu sáng

Trong các hệ thống đồ hoạ hiện tại, bề ngoài của một loại chất được xác định bởi tương
tác của nó với ánh sáng trong một khung cảnh. Sự tương tác này được mô tả thông
qua hàm phân bố phản xạ và truyền tải ánh sáng - bidirectional scattering distribution
function (BSDF). Có nhiều mô hình BSDF như Lambertian, Phong và Blinn-Phong,
Lafortune, Torrance-Sparrow, Cook-Torrance, Oren-Nayar [6]. Các mô hình này xem
xét về mặt vật lý khi ánh sáng tương tác với bề mặt một loại chất và thành phần màu
sắc được tính toán dựa trên thành phần phản xạ. Tuỳ theo mỗi loại bề mặt mà các

mô hình được lựa chọn áp dụng. Các thành phần được xem xét trong một mô hình là
hướng của tia sáng chiếu tới bề mặt, hướng nhìn của mắt hoặc camera tới đối tượng
và giá trị của thành phần phản xạ. Các mô hình phổ biến được sử dụng trong các hệ
thống thực thi đồ hoạ thời gian thực là Lambertian, Blinn-Phong, Cook-Torrance.
• Mô hình Lambertian: bề mặt được chiếu sáng có ánh sáng phản xạ ở tất cả mọi
hướng đều bằng nhau, điều này có nghĩa là đối với mô hình này không cần quan
tâm mắt nhìn vào đối tượng ở vị trí nào, màu sắc đối tượng nhìn thấy đều như
nhau. Thành phần phản xạ này gọi là phản xạ khuếch tán (diffuse reflectance)[6].
• Mô hình Phong và Blinn-Phong: Trong thực tế, có nhiều bề mặt có độ bóng sáng
khác nhau, tại một vị trí nào đó có độ bóng nhất sẽ trở nên chói sáng, do đó cần
bổ sung một thành phần vào mô hình chiếu sáng đó là ánh sáng phản xạ qua
9


Chương 1. Tổng quan

gương (specular reflectance). Trong mô hình này, vị trí mà hướng nhìn của mắt
đối xứng với hướng ánh sáng chiếu tới qua vector pháp tuyến của bề mặt được
chiếu sáng sẽ có giá trị ánh sáng phản xạ lớn nhất. Bên cạnh đó, mỗi đối tượng
màu sắc còn bị ảnh hưởng bởi ánh sáng môi trường, tức là phản chiếu ánh sáng
môi trường xung quanh từ các đối tượng khác [6].
• Mô hình Torrance-Sparrow và mô hình Cook-Torrance: Hai mô hình này xem xét
các bề mặt không phải có dạng phẳng như gương. Torrance và Sparrow cho rằng
bề mặt được chiếu sáng được tạo bởi các mặt khía cạnh (microfacet) và tuỳ thuộc
vào hướng ánh sáng chiếu tới mà mỗi mặt khía cạnh này sẽ phản chiếu ánh sáng
như một mặt gương nhỏ. Cook và Torrance đã phát triển một phiên bản mở rộng
của mô hình Torrance-Sparrow. Với thành phần phản xạ khuếch tán, họ tiến hành
đo lường quang phổ phản xạ tại vị trí hướng nhìn của mắt trùng với vector pháp
tuyến của bề mặt được chiếu sáng. Với thành phần phản xạ qua gương, họ tiến
hành mô hình hoá quang phổ phản xạ bằng cách sử dụng công thức Fresnel [6].

Tuy nhiên các mô hình này đều không xem xét đến thành phần huỳnh quang và màu
sắc của ánh sáng chiếu tới. Johnson và Farchild [7] đã chứng minh một loại đối tượng
có thành phần phản xạ và thành phần huỳnh quang thì bề ngoài về mặt màu sắc sẽ
thay đổi dưới các điều kiện chiếu sáng khác nhau. Tuy nhiên trong nghiên cứu này,
các tác giả không thực hiện so sánh trên các mô hình chiếu sáng khác nhau, đồng thời
các tác giả chỉ mới thực hiện trên bề mặt chất rắn.
Lam và Sato [2] trong bài toán Relighting đã đưa ra một phương pháp để đo lường
cũng như kết hợp hai thành phần phản xạ và huỳnh quang cho một đối tượng. Mô hình
này tính toán màu sắc của một đối tượng ở từng bước sóng trong dải bước sóng của
ánh sáng trắng.

1.3

Nội dung và Đóng góp của luận văn

Nội dung luận văn gồm có 5 chương:
10


Chương 1. Tổng quan

• Chương 1 - Tổng quan: chúng tôi trình bày tổng quan về bài toán, thách thức, các
nghiên cứu liên quan và ứng dụng.
• Chương 2 - Cơ sở lý thuyết: chúng tôi trình bày các cơ sở lý thuyết về huỳnh
quang, phản xạ ánh sáng, các mô hình chiếu sáng trong đồ họa máy tính.
• Chương 3 - Phương pháp đề xuất: chúng tôi trình bày phương pháp sử dụng trực
quan hóa quang phổ phản xạ để phân biệt chất lỏng, cài đặt và đánh giá mô hình
kết hợp huỳnh quang - quang phổ phản xạ trong việc xây dựng hình ảnh chất
lỏng.
• Chương 4 - Thực nghiệm và đánh giá kết quả: chúng tôi trình bày các thực nghiệm

đã thực hiện, kết quả thu được và đánh giá.
• Chương 5 - Kết luận và Hướng phát triển: chúng tôi rút ra các kết luận sau khi
thực hiện luận văn và đưa ra phương hướng phát triển nghiên cứu tiếp theo.
Luận văn có 3 đóng góp chính:
• Xây dựng bộ dữ liệu huỳnh quang và phản xạ ánh sáng của 6 loại chất lỏng phổ
biến là nước, nước rửa chén, giấm, bia, rượu whisky và sữa chua.
• Đề xuất sử dụng phương pháp quang phổ phản xạ trong vùng ánh sáng nhìn thấy
để phân biệt chất lỏng, kết quả đã được tổng hợp thành bài báo báo cáo tại hội
nghị khoa học quốc gia lần thứ X về "Nghiên cứu cơ bản và ứng dụng Công nghệ
thông tin" – Fundamental and Applied IT Research - FAIR 2017.
• Tìm hiểu, áp dụng mô hình kết hợp huỳnh quang và phản xạ ánh sáng trong việc
xây dựng hình ảnh có độ chân thực cao cho chất lỏng.

11


Chương 2

CƠ SỞ LÝ THUYẾT
Trong chương này chúng tôi trình bày kiến thức về bài toán mô phỏng chất lỏng, phản
xạ ánh sáng, huỳnh quang và thuật toán Ray tracing. Hai thành phần phản xạ và huỳnh
quang được mô tả qua quang phổ của chúng. Quang phổ là phân bố của cường độ ánh
sáng theo bước sóng.

2.1

Bài toán mô phỏng chất lỏng

Bài toán mô phỏng chất lỏng là một trong những bài toán quan trọng của lĩnh vực đồ
hoạ máy tính. Bài toán này có đầu vào là thông tin của chất lỏng và môi trường vật lý

mà chất lỏng được đặt vào. Sau khi qua hệ thống mô phỏng sẽ cho đầu ra là hình ảnh
mô phỏng của chất lỏng này.
Thông tin của chất lỏng là các thông tin về mặt vật lý như màu sắc, cấu trúc bề mặt,
các loại lực phát sinh nội tại, ... . Thông tin về môi trường vật lý mà chất lỏng được
đặt vào có thể là các thông tin về khung cảnh, ánh sáng, ... .
Thách thức lớn nhất của bài toán này là hiệu suất mô phỏng. Hiệu suất mô phỏng
được đánh giá thông qua hai tiêu chí độ chân thực và tốc độ mô phỏng. Độ chân thực
là mức độ giống nhau giữa hình ảnh mô phỏng và hình ảnh được chụp bằng máy ảnh
có độ phân giải cao. Tốc độ mô phỏng là thời gian để tạo ra một hình ảnh mô phỏng.

12


2. Cơ sở lý thuyết

Hai tiêu chí này bị ảnh hưởng bởi nhiều yếu tố trong đó có hai yếu tố là màu sắc và
chuyển động trên bề mặt chất lỏng.
Với một hệ thống mô phỏng, hai tiêu chí độ chân thực và tốc độ mô phỏng luôn được
đồng thời xem xét. Một hệ thống mô phỏng tốt phải đảm bảo được hình ảnh mô phỏng
có độ chân thực vừa đủ cùng với tốc độ mô phỏng vừa phải. Tuy nhiên trong thực tế
chưa có hệ thông mô phỏng nào đạt được cả hai tiêu chí. Do đó các nghiên cứu thường
tập trung giải quyết hai tiêu chí này một cách riêng lẻ, chia làm hai hướng là nâng cao
độ chân thực với tốc độ mô phỏng chậm hoặc tăng tốc độ mô phỏng với độ chân thực
vừa phải.
Trong luận văn này chúng tôi tập trung nghiên cứu nâng cao độ chân thực của hình
ảnh mô phỏng bằng cách khai thác thông tin màu sắc chất lỏng trong môi trường có
ánh sáng ở các bước sóng khác nhau trong vùng ánh sáng nhìn thấy (300 - 700nm).
Sau khi xác định được thông tin màu sắc và môi trường, các mô hình chiếu sáng như
Blinn-Phong, Cook-Torrance được áp dụng để tạo ra hình ảnh mô phỏng chất lỏng ở
dạng tĩnh - chất lỏng không có sự chuyển động trên bề mặt và không có sự thay đổi

lớn về cấu trúc bề mặt.
Lưu đồ của hệ thống mô phỏng chất lỏng gồm các bước như ở hình 2.1.

13