I. Tổng quan về đề tài nghiên cứu khoa học thiết kế và thi công mô hình
Đề tài nghiên cứu khoa học về thiết kế và thi công mô hình camera đo thân nhiệt là một công trình quan trọng trong lĩnh vực kỹ thuật y sinh. Nghiên cứu này được thực hiện tại Trường Đại học Sư phạm Kỹ thuật TPHCM bởi các sinh viên chuyên ngành Điện – Điện tử. Mô hình được phát triển nhằm giải quyết các vấn đề sức khỏe công cộng, đặc biệt là nhắc nhở người dùng đeo khẩu trang và đo thân nhiệt không tiếp xúc. Công trình kết hợp nhiều công nghệ tiên tiến như mạng nơ-ron tích chập (CNN), vi điều khiển Raspberry Pi, và cảm biến ảnh nhiệt. Đây là một ứng dụng thực tiễn quan trọng trong bối cảnh các thách thức về y tế công cộng hiện nay.
1.1. Lý do chọn đề tài và mục tiêu nghiên cứu
Lý do chọn đề tài xuất phát từ nhu cầu thực tế trong phòng chống dịch bệnh. Việc đo thân nhiệt nhanh chóng và phát hiện người không đeo khẩu trang là hai yêu cầu cấp thiết. Mô hình được thiết kế để tự động nhận diện khuôn mặt và cảnh báo bằng âm thanh khi phát hiện vi phạm. Mục tiêu chính là xây dựng một hệ thống thông minh, hiệu quả và có thể áp dụng trong các không gian công cộng như sân bay, bệnh viện, và trung tâm thương mại.
1.2. Phạm vi và đối tượng nghiên cứu
Phạm vi nghiên cứu bao gồm thiết kế phần cứng, phần mềm xử lý hình ảnh, và huấn luyện mô hình máy học. Đối tượng nghiên cứu chủ yếu là phát hiện người không đeo khẩu trang ở các góc nhìn khác nhau và đo nhiệt độ cơ thể không tiếp xúc. Hệ thống được kiểm thử với những tập dữ liệu đa dạng để đảm bảo độ chính xác cao trong các điều kiện thực tế.
II. Công nghệ và phương pháp thiết kế mô hình
Thiết kế mô hình kết hợp nhiều công nghệ hiện đại để đạt hiệu quả tối ưu. Phương pháp thực hiện bao gồm thiết kế sơ đồ khối, tính toán mạch điện, và lắp ráp các linh kiện điện tử. Mô hình mạng CNN được xây dựng dựa trên kiến trúc MobileNetV2 để nhận diện khuôn mặt và phân loại tình trạng đeo khẩu trang. Cảm biến ảnh nhiệt AMG8833 được sử dụng để đo thân nhiệt không tiếp xúc với độ chính xác cao. Hệ thống được lập trình bằng Python với các thư viện OpenCV, TensorFlow, và Keras. Vi điều khiển Raspberry Pi 4 đóng vai trò xử lý trung tâm, điều khiển các thành phần khác và phát ra cảnh báo âm thanh.
2.1. Các thành phần phần cứng chính
Phần cứng bao gồm Raspberry Pi 4 Model B làm vi điều khiển chính, cảm biến nhiệt AMG8833 8x8 để đo nhiệt độ, webcam USB 720p để chụp hình ảnh khuôn mặt, và loa phát di động để phát cảnh báo. Vi điều khiển và các cảm biến giao tiếp qua chuẩn I2C để truyền dữ liệu. Vỏ hộp mô hình được thiết kế và thi công để bảo vệ các thành phần và tạo hình dáng chuyên nghiệp.
2.2. Kiến trúc mạng nơ ron và huấn luyện dữ liệu
Mô hình CNN được xây dựng từ MobileNetV2 với các lớp tích chập, lớp tổng hợp (pooling), và lớp kết nối đầy đủ. Huấn luyện mô hình sử dụng tập dữ liệu lớn với hình ảnh đeo và không đeo khẩu trang. Hàm kích hoạt ReLU được áp dụng để cải thiện hiệu suất. Quá trình đánh giá sử dụng ma trận nhầm lẫn và độ chính xác (accuracy) để đánh giá chất lượng mô hình.
III. Kết quả thi công và thử nghiệm mô hình
Kết quả thi công cho thấy mô hình đã được hoàn thiện thành công với tất cả các thành phần được lắp ráp chính xác. Các bài kiểm tra chức năng chứng minh rằng hệ thống nhận diện khuôn mặt hoạt động hiệu quả ở nhiều góc nhìn khác nhau (chính diện, nghiêng trái, nghiêng phải). Độ chính xác của mô hình trong phát hiện người không đeo khẩu trang đạt mức cao với tỷ lệ True Positive tốt. Phép đo nhiệt độ được so sánh với súng đo nhiệt OMRON và cho kết quả tương đương nhau. Thời gian đáp ứng của hệ thống nằm trong khoảng chấp nhận được cho các ứng dụng thực tế. Cảnh báo âm thanh được phát ra khi phát hiện vi phạm, giúp nhắc nhở người dùng kịp thời.
3.1. Kết quả nhận diện người không đeo khẩu trang
Thử nghiệm nhận diện được tiến hành ở khoảng cách dưới 1 mét và khoảng cách 1-2 mét. Mô hình đạt hiệu suất cao trong việc phát hiện cả một lẫn nhiều khuôn mặt đồng thời. Độ chính xác ở góc chính diện cao hơn so với các góc nghiêng nhưng vẫn đạt ngưỡng chấp nhận được. Số lượng dương tính giả (False Positive) rất thấp, đảm bảo độ tin cậy của hệ thống.
3.2. Kết quả đo thân nhiệt và hiệu suất hệ thống
Phép đo nhiệt độ cho kết quả chính xác với sai số nhỏ so với các thiết bị đo chuẩn. Cảm biến AMG8833 có khả năng đo nhiệt độ từ vị trí lông mày (vị trí được khuyến khích). Thời gian đáp ứng của toàn hệ thống từ khi phát hiện cho đến khi phát cảnh báo nằm trong vài giây, đủ để cảnh báo kịp thời. Hệ thống hoạt động ổn định trong thời gian dài, không có lỗi phần cứng hay tình huống bị treo của chương trình.
IV. Kết luận và ứng dụng thực tiễn của đề tài
Đề tài thiết kế và thi công mô hình camera đo thân nhiệt đã đạt được các mục tiêu nghiên cứu đề ra. Mô hình được phát triển có thể ứng dụng trong thực tế tại các nơi đông người như sân bay, trạm tàu, bệnh viện, và trung tâm thương mại. Hệ thống tích hợp ba chức năng chính: nhận diện khuôn mặt, phát hiện khẩu trang, và đo thân nhiệt một cách hiệu quả. Công nghệ được sử dụng là hiện đại, chi phí xây dựng là hợp lý, và hiệu suất hoạt động đáp ứng yêu cầu thực tiễn. Các cải tiến trong tương lai có thể bao gồm tăng độ phân giải camera nhiệt, tối ưu hóa thuật toán nhận diện, và mở rộng khả năng xử lý nhiều người cùng lúc.
4.1. Những thành tựu chính của nghiên cứu
Thành tựu chính là tạo ra một hệ thống tích hợp hoàn chỉnh kết hợp xử lý hình ảnh, machine learning, và cảm biến nhiệt. Mô hình CNN được huấn luyện đạt độ chính xác cao trong phát hiện khẩu trang. Phần cứng được thiết kế với tính thẩm mỹ và tính năng thực dụng. Mã nguồn được tối ưu để đạt thời gian đáp ứng nhanh. Công trình chứng minh khả năng áp dụng công nghệ AI trong các bài toán y tế công cộng thực tế.
4.2. Hướng phát triển và kiến nghị cho tương lai
Kiến nghị cho tương lai bao gồm nâng cấp cảm biến nhiệt có độ phân giải cao hơn để tăng độ chính xác đo nhiệt độ. Mở rộng tập dữ liệu huấn luyện với nhiều loại khẩu trang khác nhau để cải thiện tính tổng quát của mô hình. Tích hợp kết nối mạng để gửi dữ liệu tới máy chủ trung tâm cho mục đích quản lý và thống kê. Phát triển giao diện người dùng bằng ứng dụng di động để theo dõi từ xa. Nghiên cứu về bảo mật dữ liệu sinh trắc học cũng là vấn đề quan trọng.
