Hệ Thống Chữa Cháy Tự Động - Nhận Dạng Lửa Bằng Camera

Luận văn tốt nghiệp kỹ thuật nghiên cứu tốt nghiệp kỹ thuật máy tính hệ thống chữa cháy tự động nhận dạng lửa bằng camera, điều tra thực trạng, phân tích số liệu, đề xuất biện

• Tác giả: Nguyễn Đức Thắng
• Người hướng dẫn: ThS. Trần Quang Nguyên
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ thuật máy tính
• Đề tài: Hệ thống chữa cháy tự động sử dụng camera nhận dạng lửa
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Giới thiệu đề tài
• 1.2. Mục tiêu của đề tài
• 1.3. Bố cục luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tìm hiểu về các linh kiện điện tử, các công nghệ
• 2.1.1. Máy tính nhúng Raspberry Pi 4
• 2.1.1.1. Thông số kỹ thuật
• 2.1.1.2. Cac chân GPIO
• 2.1.1.3. Hệ điều hành
• 2.1.1.4. Ưu điểm và nhược điểm của Raspberry Pi 4
• 2.1.2. Tìm hiểu về bộ lọc nguồn 1 pha CWID-10A-T
• 2.1.2.1. Giới thiệu chung
• 2.1.2.2. Thông số kỹ thuật
• 2.1.3. Nguồn xung 5V5A
• 2.1.4. Camera STC-N63SBJ
• 2.1.4.1. Giới thiệu chung
• 2.1.4.2. Thông số kỹ thuật
• 2.1.5. Bộ động cơ bước DG60
• 2.1.5.1. Giới thiệu chung
• 2.1.5.2. Tính năng chính
• 2.1.6. Tìm hiểu về vi điều khiển STM32F103C8T6
• 2.1.6.1. Giới thiệu chung
• 2.1.7. Tìm hiểu về mạch giảm áp MPI584EN
• 2.1.7.1. Giới thiệu chung
• 2.1.7.2. Thông số kỹ thuật
• 2.1.8. Encoder đọc tín hiệu bằng hồng ngoại
• 2.1.9. Module chuyển mức logic 5V - 3V
• 2.1.10. Chuẩn giao tiếp UART
• 2.1.10.1. Cách thức hoạt động của giao tiếp UART
• 2.1.10.2. Nhược điểm
• 2.1.11. Giới thiệu về lập trình SOCKET
• 2.1.12. Phần mềm thiết kế SOLIDWORKS
• 2.1.12.1. Các tính năng nổi bật
• 2.1.12.2. Giới thiệu chung
• 2.1.13. Phần mềm VNC VIEW
• 2.1.13.1. Sơ lược về YOLOV5
• 3. CHƯƠNG 3: HIỆN THỰC MÔ HÌNH
• 3.1. Mô phỏng lại các linh kiện
• 3.1.1. Mô phỏng lại động cơ DG60
• 3.1.2. Mô phỏng lại Driver DG60
• 3.1.3. Mô phỏng lại nguồn DAV-6
• 3.1.4. Mô phỏng lại nguồn 5V-5A
• 3.1.5. Mô phỏng lại Camera STC-N63SBJ
• 3.1.6. Mô phỏng Raspberry Pi 4
• 3.2. Thiết kế bộ khung để chứa các linh kiện của phần điều khiển
• 3.2.1. Cấu trúc khe chữ T
• 3.2.2. Thiết kế mặt cạnh
• 3.2.3. Thiết kế mặt trước và mặt sau
• 3.2.4. Thiết kế mặt đáy
• 3.2.5. Thiết kế nắp hộp
• 3.2.6. Phần điều khiển sau khi hoàn thiện mô phỏng
• 3.2.7. Thiết kế phần trục động cơ và vòi nước tích hợp camera
• 3.2.8. Ghép hai động cơ lại với nhau
• 3.2.9. Thiết kế đầu vòi nước tích hợp camera
• 3.2.10. Thiết kế hệ thống giao diện người dùng
• 3.3. Điều khiển động cơ
• 3.3.1. Lập trình truyền xung PWM
• 3.3.2. Truy cập vào Raspberry Pi 4
• 3.4. Truyền hình ảnh từ camera lên UI dành cho chế độ Manual
• 3.4.1. Truyền hình ảnh thông qua Ethernet giữa Raspberry Pi và Laptop
• 3.4.2. Bật mở máy bơm với module Lora qua giao tiếp UART
• 3.5. Thuật toán dùng để quét môi trường
• 3.5.1. Di chuyển theo tọa độ mà mô hình nhận diện trả về
• 3.5.2. Thuật toán nhận biết chuyển động bằng Background Subtraction
• 3.5.3. Kiến trúc mô hình
• 3.6. Mạch kết nối chân cho Raspberry Pi
• 3.6.1. Mạch điều khiển máy bơm
• 3.6.2. Điều chỉnh camera
• 3.7. Huấn luyện mô hình YOLOV5 nhận diện lửa
• 3.7.1. Tạo Datasets
• 3.7.2. Train mô hình
• 3.8. Chạy mô hình YOLOv5 với module DNN của OpenCV
• 3.8.1. Kết quả thực nghiệm
• 4. CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM
• 4.1. Quá trình xử lý
• 4.2. Thực hiện chữa cháy thực tế
• 4.2.1. Test trong điều kiện bình thường
• 4.2.2. Test trong điều kiện ngoài trời
• 4.3. Tổng thể toàn bộ hệ thống
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Khó khăn gặp phải
• 5.2. Hướng phát triển
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• TÓM TẮT KHÓA LUẬN

Tóm tắt

I. Tổng quan về Hệ Thống Chữa Cháy Tự Động Sử Dụng Camera Nhận Dạng Lửa

Hệ thống chữa cháy tự động sử dụng camera nhận dạng lửa đang trở thành một giải pháp hiệu quả trong việc phát hiện và dập tắt đám cháy. Công nghệ này không chỉ giúp giảm thiểu thiệt hại mà còn bảo vệ tính mạng con người. Hệ thống này hoạt động dựa trên việc sử dụng camera để phát hiện ngọn lửa và tự động kích hoạt các thiết bị chữa cháy.

1.1. Giới thiệu về công nghệ chữa cháy thông minh

Công nghệ chữa cháy thông minh sử dụng các cảm biến và camera để phát hiện lửa. Hệ thống này có khả năng hoạt động tự động, giúp giảm thiểu thời gian phản ứng trong các tình huống khẩn cấp.

1.2. Lợi ích của hệ thống chữa cháy tự động

Hệ thống chữa cháy tự động mang lại nhiều lợi ích như giảm thiểu thiệt hại tài sản, bảo vệ tính mạng con người và tăng cường an toàn cho các khu vực có nguy cơ cháy cao.

II. Vấn đề và Thách thức trong Hệ Thống Chữa Cháy Tự Động

Mặc dù hệ thống chữa cháy tự động sử dụng camera nhận dạng lửa có nhiều ưu điểm, nhưng vẫn tồn tại một số thách thức cần được giải quyết. Những vấn đề này bao gồm độ chính xác trong việc phát hiện lửa và khả năng hoạt động trong các điều kiện môi trường khác nhau.

2.1. Độ chính xác trong việc phát hiện lửa

Độ chính xác của hệ thống phụ thuộc vào khả năng nhận diện hình ảnh của camera. Việc nhận diện lửa trong các điều kiện ánh sáng khác nhau có thể gây khó khăn cho hệ thống.

2.2. Khả năng hoạt động trong môi trường khắc nghiệt

Hệ thống cần phải hoạt động hiệu quả trong các môi trường có nhiệt độ cao, khói và bụi. Điều này đòi hỏi các linh kiện và cảm biến phải có khả năng chịu đựng tốt.

III. Phương Pháp Giải Quyết Vấn Đề Chữa Cháy Tự Động

Để khắc phục những thách thức trên, nhiều phương pháp đã được nghiên cứu và áp dụng. Việc sử dụng công nghệ AI và các thuật toán học máy giúp cải thiện độ chính xác và hiệu suất của hệ thống.

3.1. Sử dụng công nghệ AI trong nhận diện lửa

Công nghệ AI giúp hệ thống nhận diện lửa một cách nhanh chóng và chính xác hơn. Các mô hình học sâu như YOLOv5 đã được áp dụng để cải thiện khả năng nhận diện.

3.2. Tích hợp cảm biến nhiệt độ và khói

Việc tích hợp cảm biến nhiệt độ và khói vào hệ thống giúp tăng cường khả năng phát hiện sớm các đám cháy, từ đó nâng cao hiệu quả chữa cháy.

IV. Ứng Dụng Thực Tiễn của Hệ Thống Chữa Cháy Tự Động

Hệ thống chữa cháy tự động sử dụng camera nhận dạng lửa đã được áp dụng trong nhiều lĩnh vực khác nhau, từ các tòa nhà cao tầng đến các khu công nghiệp. Những ứng dụng này không chỉ giúp bảo vệ tài sản mà còn đảm bảo an toàn cho con người.

4.1. Ứng dụng trong các tòa nhà cao tầng

Hệ thống chữa cháy tự động giúp phát hiện và dập tắt lửa nhanh chóng trong các tòa nhà cao tầng, nơi có nguy cơ cháy cao và khó tiếp cận.

4.2. Ứng dụng trong khu công nghiệp

Trong các khu công nghiệp, hệ thống này giúp bảo vệ các thiết bị và tài sản quý giá, đồng thời giảm thiểu rủi ro cho công nhân.

V. Kết Luận và Tương Lai của Hệ Thống Chữa Cháy Tự Động

Hệ thống chữa cháy tự động sử dụng camera nhận dạng lửa đang ngày càng trở nên phổ biến và cần thiết trong cuộc sống hiện đại. Tương lai của công nghệ này hứa hẹn sẽ mang lại nhiều cải tiến và ứng dụng mới.

5.1. Tương lai của công nghệ chữa cháy

Công nghệ chữa cháy tự động sẽ tiếp tục phát triển với sự hỗ trợ của AI và các công nghệ mới, giúp nâng cao hiệu quả và độ tin cậy.

5.2. Khả năng mở rộng và phát triển

Hệ thống có thể được mở rộng để áp dụng trong nhiều lĩnh vực khác nhau, từ nhà ở đến các cơ sở công nghiệp lớn, góp phần bảo vệ an toàn cho cộng đồng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Hệ thống phòng cháy chữa cháy tự động truyền thống phổ biến hiện nay là hệ thống Sprinkler với đầu phun cố định lắp đặt trên trần nhà. Cơ chế hoạt động của Sprinkler dựa trên bóng thủy ngân cảm biến nhiệt; đầu phun chỉ xả nước khi nhiệt độ tại trần đạt đến ngưỡng kích hoạt nhất định. Do vị trí lắp đặt trên cao và phụ thuộc hoàn toàn vào nhiệt lượng tích tụ, hệ thống này bộc lộ nhược điểm là độ nhạy thấp đối với các đám cháy nhỏ ở giai đoạn sơ khởi, đòi hỏi ngọn lửa phải bùng phát đủ lớn thì vòi xả mới hoạt động. Việc sử dụng camera tầm nhiệt để phát hiện sớm đám cháy tuy khả thi nhưng chi phí thiết bị rất cao, khó ứng dụng rộng rãi.

Trước thực trạng các vụ hỏa hoạn xảy ra ngày càng nhiều gây thiệt hại nghiêm trọng về người và tài sản, đề tài đặt ra 4 mục tiêu nghiên cứu và kỹ thuật cụ thể:

1. Nghiên cứu, tham khảo và xây dựng mô hình hệ thống chữa cháy tự động định hướng mục tiêu, kết hợp kỹ thuật thị giác máy tính và máy học để nhận diện ngọn lửa.
2. Thiết kế thuật toán quét môi trường liên tục và nhận diện vị trí ngọn lửa nhanh chóng, đảm bảo khả năng xử lý tiệm cận thời gian thực.
3. Chế tạo kết cấu cơ khí chắc chắn bằng vật liệu phù hợp, triệt tiêu rung lắc, đảm bảo tính thẩm mỹ, vận hành bền bỉ và dễ dàng bảo trì.
4. Tạo tiền đề kỹ thuật để tiếp tục mở rộng quy mô, nâng cao tốc độ quay của cơ cấu chấp hành, tăng số lượng khung hình xử lý và độ chính xác nhận diện trong tương lai.

Đối tượng nghiên cứu của khóa luận là hệ thống chữa cháy tự động tích hợp cơ cấu chuyển động quét 2 trục (Pan-Tilt), cảm biến quang học là camera công nghiệp và vòi phun nước áp lực cao. Phạm vi thử nghiệm giới hạn trong môi trường phòng kín nhỏ và hành lang, khoảng cách phát hiện và dập lửa trong bán kính 2 mét, góc quét cơ cấu từ 0 đến 80 độ.

Cơ sở lý thuyết và phương pháp

Khóa luận kết hợp nền tảng lý thuyết thuộc các lĩnh vực kỹ thuật máy tính, hệ thống nhúng, truyền thông công nghiệp và thị giác máy tính:

• Khung lý thuyết và mô hình tính toán:

  • Mô hình nhận diện đối tượng YOLOv5: Khung nhận diện học sâu trên nền tảng PyTorch, hỗ trợ phát hiện ngọn lửa nhanh và xuất tọa độ hộp bao (bounding box).
  • Thư viện thị giác máy tính OpenCV: Sử dụng module imgproc (xử lý lọc ảnh tuyến tính, phi tuyến, chuyển đổi không gian màu), module dnn (Deep Neural Networks) nhằm tối ưu hóa khả năng suy luận mô hình YOLOv5 trên phần cứng CPU máy tính cá nhân, và thuật toán trừ nền (Background Subtraction) để nhận diện chuyển động.
  • Giao thức truyền thông: Giao thức truyền nối tiếp bất đồng bộ UART (Universal Asynchronous Receiver-Transmitter) với cấu trúc khung truyền gồm bit Start, Data (5-9 bits), Parity và Stop; lập trình mạng qua giao tiếp TCP Socket theo mô hình Client-Server để truyền tải dòng video; công nghệ sóng không dây LoRa băng tần 410–441 MHz.
  • Lý thuyết điều khiển xung: Kỹ thuật điều chế độ rộng xung (PWM) để điều khiển vị trí và vận tốc quay của động cơ bước.

• Phương pháp nghiên cứu:

  • Phương pháp thiết kế đồng thời phần cứng và phần mềm (Hardware/Software Co-design): Tách biệt tác vụ thu thập/điều khiển mức thấp (trên máy tính nhúng) và tác vụ suy luận học sâu mức cao (trên máy tính trạm).
  • Mô phỏng 3D cơ khí: Sử dụng phần mềm Dassault Systèmes SOLIDWORKS để thiết kế mô hình các linh kiện, vỏ hộp điều khiển, khớp liên kết và đĩa gắn vòi phun.
  • Thực nghiệm và kiểm thử chức năng: Huấn luyện mô hình YOLOv5 trên tập dữ liệu ảnh lửa thực tế, đo đạc thông số truyền thông qua cổng mạng Ethernet, đánh giá tốc độ khung hình (FPS), thời gian dập tắt đám cháy và tỷ lệ dương tính giả dưới các điều kiện chiếu sáng khác nhau.

• Nguồn dữ liệu: Dữ liệu hình ảnh thu thập trực tiếp từ camera công nghiệp STC-N63SBJ kết hợp tập dữ liệu ảnh ngọn lửa trong nhà và ngoài trời được gán nhãn thủ công để huấn luyện mạng nơ-ron.

Thiết kế và triển khai

Hệ thống được cấu trúc thành 3 khối chức năng liên kết chặt chẽ:

[Khối Camera & Cơ cấu Pan-Tilt] ---> (Ethernet / Socket) ---> [Laptop xử lý YOLOv5 & Ra quyết định]
               ^                                                                |
               | (PWM / GPIO)                                                   v (UART)
   [Raspberry Pi 4 điều khiển] <--------------------------------------- [Module LoRa Master]
                                                                                . (Sóng LoRa)
                                                                                v
                                                                      [Module LoRa Slave]
                                                                                | (UART)
                                                                      [STM32F103C8T6 & Relay]
                                                                                |
                                                                      [Bơm chìm 24V 22W]

1. Khối trục động cơ (Pan-Tilt) và vòi phun: Sử dụng 2 động cơ bước DG60 lắp vuông góc với nhau qua đĩa nhôm định vị. Trục động cơ có kết cấu rỗng đường kính 28 mm, cho phép luồn dây dẫn và đường ống dẫn nước gọn gàng; độ phân giải bước quay đạt 0.002°/step, độ rơ cơ khí (backlash) kiểm soát ở mức 0.033°. Đầu vòi nước được tích hợp đồng trục với camera công nghiệp STC-N63SBJ (hãng Omron/Sentech), trang bị ống kính có khả năng tùy chỉnh khẩu độ, tiêu cự và tốc độ màn trập (shutter). Một cảm biến quang hồng ngoại (khe hở 5 mm) làm encoder xác định vị trí gốc khởi tạo (Home position) cho hệ cơ học.
2. Khối điều khiển trung tâm: Đặt trong hộp khung mica 5 mm gia công cơ chế khớp nối khe chữ T (T-slot) liên kết bằng bu-lông và đai ốc. Khối gồm máy tính nhúng Raspberry Pi 4 (vi xử lý lõi tứ ARM Cortex-A72 1.5 GHz, RAM 4GB, chạy hệ điều hành Raspbian OS) giao tiếp với các driver điều khiển động cơ DG60. Để khắc phục giới hạn phần cứng của chip xử lý nhúng, Raspberry Pi 4 đóng vai trò máy chủ (Server) thu thập hình ảnh và truyền dòng dữ liệu liên tục tới Laptop cá nhân (Client) qua cổng kết nối cáp Gigabit Ethernet bằng socket TCP/IP. Laptop chạy mô hình YOLOv5 với module OpenCV DNN để phát hiện ngọn lửa, tính toán tọa độ tâm đám cháy và gửi lệnh điều khiển ngược lại cho Raspberry Pi qua socket để xoay cơ cấu pan-tilt bám sát mục tiêu.
3. Khối điều khiển máy bơm không dây: Sau khi hướng vòi phun trúng tâm đám cháy, tín hiệu kích hoạt được truyền qua giao tiếp không dây tầm xa bằng module LoRa E32 (chip Semtech SX1278, giao tiếp UART). Khối nhận tín hiệu gồm vi điều khiển STM32F103C8T6 (ARM Cortex-M3 72MHz, 64KB Flash) điều khiển rơ-le 5V có cách ly quang (Optocoupler) để đóng điện cấp nguồn cho bơm chìm 24V công suất 22W (lưu lượng nước 800 L/h). Mạch điều khiển máy bơm được đặt riêng trong hộp nhựa có bọc gioăng cao su chống thấm nước.

Phân hệ / Linh kiện	Thông số kỹ thuật & Vai trò
Raspberry Pi 4	SoC Broadcom BCM2837 / Cortex-A72, 4GB RAM; quản lý quét, giao tiếp socket Ethernet, phát xung PWM.
Động cơ & Driver DG60	Động cơ bước xoay 2 trục Pan-Tilt; góc bước 0.002°/step; trục rỗng 28 mm; triệt tiêu mất bước.
Camera STC-N63SBJ	Nguồn cấp 12V-1A, độ phân giải 480x320; hỗ trợ chỉnh tiêu cự ống kính và tốc độ màn trập cơ học.
Bộ lọc nguồn CW1D-10A-T	Lọc nguồn 1 pha 250V AC, dòng định mức 10A; triệt tiêu sóng hài sinh ra từ động cơ bước.
Bộ nguồn xung	Nguồn 24V-6.5A (156W) cấp cho 2 động cơ DG60; nguồn 5V-5A (25W) cấp cho Raspberry Pi 4.
STM32F103C8T6	Vi điều khiển ARM Cortex-M3 (72MHz); xử lý tín hiệu UART từ LoRa và điều khiển rơ-le đóng ngắt bơm.
Module LoRa E32	Chip Semtech SX1278, tần số 410-441 MHz, giao tiếp UART nối tiếp; truyền tín hiệu kích hoạt bơm từ xa.
Mạch hạ áp MP1584EN	Đầu vào 4.75–28V, đầu ra 1.0–20V, dòng cực đại 3A, hiệu suất chuyển đổi cực đại 96%.
Bơm chìm công suất cao	Điện áp 24V DC, công suất 22W, lưu lượng định mức 800 L/h; tạo áp lực phun nước dập lửa.
Encoder quang hồng ngoại	Cảm biến thu-phát hồng ngoại khe hở 5 mm; xác định vị trí gốc chuẩn cho cơ cấu cơ khí.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Trình bày động lực nghiên cứu xuất phát từ thực trạng các vụ cháy nổ diễn biến phức tạp và nhược điểm cố hữu của hệ thống Sprinkler truyền thống. Tác giả xác lập 4 mục tiêu chính bao gồm xây dựng hệ thống cơ điện tử dập lửa tự động, phát triển thuật toán quét đa trục tiệm cận thời gian thực, chế tạo kết cấu khung cơ khí chống rung lắc và tạo tiền đề phát triển hệ thống chữa cháy công nghiệp. Bố cục toàn văn khóa luận được phân chia thành 5 chương tuần tự.

Chương 2: Cơ sở lý thuyết

Tổng hợp chi tiết thông số kỹ thuật và nguyên lý hoạt động của các linh kiện phần cứng: máy tính nhúng Raspberry Pi 4, động cơ bước DG60 và driver chuyên dụng, bộ lọc nguồn 1 pha CW1D-10A-T, nguồn xung 24V-6.5A và 5V-5A, camera STC-N63SBJ, vi điều khiển STM32F103C8T6, mạch hạ áp MP1584EN, module truyền thông LoRa E32 SX1278, encoder hồng ngoại, mạch chuyển mức logic 5V–3.3V và máy bơm chìm 24V-22W. Đồng thời, chương này phân tích nguyên lý truyền dữ liệu nối tiếp UART (cấu trúc frame truyền, bit Start/Stop/Parity), mô hình lập trình mạng TCP Socket, bộ công cụ thị giác máy tính OpenCV (module imgproc, dnn), phần mềm mô phỏng 3D SOLIDWORKS, thư viện giao diện đồ họa PyQt5, công cụ điều khiển từ xa VNC Viewer và cấu trúc mô hình nhận diện đối tượng YOLOv5 trên PyTorch.

Chương 3: Hiện thực mô hình

Mô tả quá trình thiết kế chi tiết và tích hợp hệ thống. Tác giả sử dụng SOLIDWORKS để mô phỏng từng linh kiện và thiết kế kết cấu khung hộp điều khiển bằng mica 5 mm theo cấu trúc khe chữ T liên kết bu-lông đai ốc, mặt cạnh bố trí các khe tản nhiệt đối lưu tự nhiên (kích thước mặt cạnh 350 mm x 150 mm). Cơ cấu pan-tilt được chế tạo bằng cách ghép 2 động cơ bước DG60 với đĩa nhôm gia công, tích hợp ống dẫn nước và ngàm giữ camera STC-N63SBJ.

Về phần mềm, thuật toán quét môi trường được tách thành một tiến trình (process) độc lập để không làm nghẽn tiến trình xử lý chính. Thuật toán trừ nền (Background Subtraction) kết hợp tọa độ từ mô hình YOLOv5 hướng góc quay vòi nước vào tâm ngọn lửa. Giao diện người dùng (UI) được xây dựng trên PyQt5, hỗ trợ chế độ điều khiển thủ công (Manual) và hiển thị dòng video. Nhóm giải quyết bài toán thiếu hụt tài nguyên tính toán trên Raspberry Pi 4 bằng cách thiết lập đường truyền video qua cổng Ethernet tới Laptop cá nhân thông qua socket TCP. Tại máy tính trạm, mô hình YOLOv5 chạy trên module OpenCV DNN nhằm tối ưu hóa CPU Intel. Thiết kế mạch điện bao gồm sơ đồ nguyên lý (Schematic) và bản vẽ mạch in (PCB) cho bo mạch mở rộng Raspberry Pi 4 và bo mạch điều khiển máy bơm STM32.

Chương 4: Kết quả thực nghiệm

Trình bày các số liệu đo lường và đánh giá hoạt động thực tế của toàn bộ hệ thống:

• Luồng truyền tải hình ảnh từ camera qua Raspberry Pi sang Laptop đạt tốc độ ổn định 25–27 fps thông qua cáp Ethernet.
• Tốc độ suy luận nhận diện ngọn lửa của YOLOv5 sử dụng module OpenCV DNN trên CPU đạt 9–14 fps ở độ phân giải 480x320 pixel, đáp ứng yêu cầu xử lý gần thời gian thực.
• Thử nghiệm dập lửa thực tế trong nhà cho thấy cơ cấu quay bám sát ngọn lửa trong phạm vi 2 mét và góc quét 0–80 độ, máy bơm 24V-22W tạo áp lực xịt nước dập tắt đám cháy nhanh chóng.
• Phân tích hiện tượng nhận diện sai: Mô hình ban đầu gặp lỗi dương tính giả (false positive) đối với các vật thể có màu trắng mờ hoặc khi quét trên nền gạch bông có hoa văn sáng màu. Sau khi tinh chỉnh tốc độ màn trập (shutter) của camera và bổ sung dữ liệu huấn luyện, hiện tượng nhận diện sai trên nền gạch bông trắng và vật thể trắng đã được khắc phục.
• Thử nghiệm ngoài trời: Ngọn lửa ngoài trời chịu tác động của ánh sáng tự nhiên mạnh và gió làm biến dạng hình thái ngọn lửa, dẫn đến độ nhạy nhận diện bị suy giảm so với môi trường phòng kín.

Chương 5: Kết luận và hướng phát triển

Đánh giá tổng kết các mục tiêu đã hoàn thành, chỉ ra các trở ngại kỹ thuật đã giải quyết và nêu các định hướng nâng cấp hệ thống trong tương lai.

Kết quả và đóng góp

Tiêu chí đánh giá	Kết quả thực nghiệm đạt được
Tốc độ truyền stream video	25–27 fps (qua giao thức Socket TCP trên cổng Gigabit Ethernet).
Tốc độ xử lý mô hình YOLOv5	9–14 fps (ở độ phân giải 480x320 trên CPU Intel thông qua OpenCV DNN).
Phạm vi tác chiến hiệu quả	Cự ly phát hiện và phun nước tối đa 2 mét; góc quét 0–80 độ.
Độ ổn định cơ khí	Động cơ DG60 bước quay 0.002°/step, sai số truyền động 0.033°, không mất bước.
Khả năng dập lửa	Bơm chìm 24V-22W lưu lượng 800 L/h, kích hoạt không dây qua LoRa SX1278.

• Giải pháp kỹ thuật:
  • Đề xuất kiến trúc xử lý phân tán: Sử dụng máy tính nhúng Raspberry Pi 4 đảm nhiệm tác vụ I/O, quét pan-tilt và truyền video stream, trong khi chuyển giao tác vụ nhận diện học sâu sang máy trạm qua mạng nội bộ Ethernet, khắc phục triệt để hạn chế nghẽn phần cứng của máy tính nhúng.
  • Tách luồng quét môi trường thành tiến trình riêng biệt (separate process), tránh hiện tượng trễ khung hình của tiến trình điều khiển chính.
  • Tích hợp thành công cơ chế đóng cắt bơm chìm công suất cao cách ly quang qua sóng LoRa, đảm bảo an toàn điện và chống nhiễu ngược về vi điều khiển.
• Đóng góp của tác giả: Thiết kế và thi công hoàn chỉnh một mô hình thực nghiệm chữa cháy chủ động pan-tilt sử dụng camera thông thường giá thành thấp, giải quyết được bài toán phát hiện đám cháy nhỏ ở giai đoạn sớm mà hệ thống Sprinkler trần nhà không đáp ứng được.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế được ghi nhận:
  • Phần cứng Raspberry Pi 4 không đủ năng lực tính toán để chạy trực tiếp mô hình YOLOv5 độc lập tại biên, vẫn phải phụ thuộc vào máy tính ngoài thông qua cáp mạng Ethernet.
  • Phạm vi hoạt động còn hạn chế ở cự ly 2 mét và góc quét 0–80 độ; camera STC-N63SBJ có độ chi tiết màu sắc chưa cao.
  • Độ chính xác nhận diện ngọn lửa bị suy giảm trong môi trường ngoài trời do ảnh hưởng của ánh sáng mạnh và gió.
• Hướng phát triển tiếp theo:
  • Nâng cấp bộ vi xử lý biên có phần cứng tăng tốc AI chuyên dụng để thực hiện toàn bộ quá trình nhận diện và điều khiển cục bộ trên một thiết bị duy nhất.
  • Mở rộng kết cấu cơ khí cho phép xoay quét toàn diện 360 độ và nâng cao tốc độ di chuyển của trục động cơ.
  • Tăng công suất máy bơm và thiết kế vòi phun tầm xa để gia tăng bán kính chữa cháy cho không gian rộng lớn hơn.
  • Mở rộng tập dữ liệu huấn luyện đa dạng điều kiện môi trường nhằm nâng cao độ chính xác nhận diện lửa ngoài trời.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên và kỹ sư các ngành Kỹ thuật máy tính, Hệ thống nhúng, Kỹ thuật Cơ điện tử, Tự động hóa và Công nghệ thông tin định hướng ứng dụng IoT/AI. Những phần nội dung có giá trị tham khảo kỹ thuật cao bao gồm:

• Thiết kế kết cấu cơ khí pan-tilt, đĩa nhôm liên kết trục động cơ và khung hộp mica ghép nối khe chữ T trên phần mềm SOLIDWORKS.
• Kỹ thuật truyền nhận dòng video hiệu năng cao qua Socket TCP giữa Raspberry Pi và máy trạm xử lý.
• Phương pháp tối ưu hóa tốc độ suy luận mô hình học sâu YOLOv5 trên phần cứng CPU thông qua module OpenCV DNN.
• Thiết kế mạch phần cứng nguyên lý và mạch in PCB cho vi điều khiển STM32 và máy tính nhúng Raspberry Pi, tích hợp giao tiếp không dây LoRa trong điều khiển công nghiệp.

Câu hỏi thường gặp

1. Tại sao nhóm tác giả không triển khai mô hình YOLOv5 trực tiếp trên máy tính nhúng Raspberry Pi 4?
Do cấu hình vi xử lý (CPU) và đồ họa (GPU) của Raspberry Pi 4 có hiệu năng giới hạn, không đủ năng lực tính toán để thực thi các mô hình Deep Learning nặng như YOLOv5 với tốc độ khung hình thời gian thực. Tác giả đã khắc phục bằng cách truyền luồng ảnh qua cổng Ethernet đến laptop xử lý qua socket TCP, đạt tốc độ xử lý 9–14 fps ở độ phân giải 480x320.

2. Khối điều khiển máy bơm được kích hoạt từ xa bằng công nghệ gì và có cơ chế chống nhiễu ra sao?
Khối điều khiển máy bơm sử dụng vi điều khiển STM32F103C8T6 nhận tín hiệu kích hoạt từ Raspberry Pi thông qua module không dây LoRa E32 (chip SX1278) qua chuẩn giao tiếp UART. Mạch điều khiển sử dụng rơ-le 5V tích hợp bộ cách ly quang (Optocoupler) nhằm ngăn chặn xung nhiễu điện áp sinh ra khi động cơ bơm đóng cắt truyền ngược về vi điều khiển.

3. Camera công nghiệp STC-N63SBJ có những đặc điểm kỹ thuật nào phục vụ cho hệ thống?
Camera STC-N63SBJ do Omron/Sentech sản xuất, sử dụng nguồn 12V-1A, độ phân giải 480x320. Thiết bị có ống kính cho phép chỉnh tiêu cự linh hoạt theo khoảng cách và điều chỉnh tốc độ màn trập (shutter) để kiểm soát lượng ánh sáng đi vào cảm biến, giúp hệ thống phân biệt ngọn lửa rõ nét và hạn chế nhận diện sai do phản xạ ánh sáng.

4. Khung vỏ của hệ thống điều khiển được chế tạo bằng vật liệu gì và liên kết bằng cơ chế nào?
Khung vỏ bộ điều khiển được gia công từ các tấm mica dày 5 mm (5 li), liên kết ghép nối chắc chắn với nhau mà không cần dùng keo dán nhờ cấu trúc khe chữ T (T-slot) kết hợp bu-lông và đai ốc, hai bên cạnh được xẻ rãnh để tản nhiệt đối lưu. Riêng mạch điều khiển máy bơm được đặt trong hộp nhựa có viền cao su chống nước.

5. Những yếu tố nào gây ra hiện tượng nhận diện sai (dương tính giả) trong các thử nghiệm ban đầu?
Trong thử nghiệm ban đầu, mô hình bị nhận diện sai đối với các vật thể có màu trắng mờ và sàn nhà lát gạch bông trắng có độ tương phản cao dưới ánh đèn phòng. Vấn đề này đã được tác giả xử lý bằng cách tinh chỉnh tốc độ màn trập của camera và tái huấn luyện mô hình YOLOv5 để triệt tiêu nhiễu.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Đức Thắng đã nghiên cứu, chế tạo và thử nghiệm thành công mô hình hệ thống chữa cháy tự động kết hợp cơ cấu quét 2 trục pan-tilt và công nghệ thị giác máy tính. Hệ thống giải quyết hiệu quả bài toán phát hiện và dập tắt sớm ngọn lửa trong phạm vi 2 mét nhờ ứng dụng mô hình YOLOv5 tối ưu hóa qua OpenCV DNN, truyền hình ảnh qua socket Ethernet và điều khiển bơm không dây bằng sóng LoRa. Mặc dù còn hạn chế về khả năng tự chủ tính toán cục bộ trên vi xử lý nhúng và góc quét môi trường, đề tài đã xây dựng được một nền tảng kỹ thuật cơ điện tử - nhúng - AI thực nghiệm hoàn chỉnh, có giá trị học thuật và tính ứng dụng cao.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan đề tài Chương | sẽ giới thiệu về động lực, mục tiêu mà nhóm đã chọn dé tài và thông tin về bố cục của luận văn, sơ bộ nội dung của từng chương. Chương 2: Cơ sở lý thuyết Chương2 sẽ trình bày tổng quan những lý thuyết điều khiến, các linh kiện điện tử, các công nghệ sử dụng trong đề tài. Chương 3: Hiện thực mô hình Dựa vào những kiến thức đã trình bày ở chương 2, chương 3 là phần trình bày về các giải pháp nhóm đã từng thực hiện, nghiên cứu và đề xuất hướng đi cuối cùng và bản thiết kế của nhóm về hệ thống chữa cháy. Đồng thời các thành phần của thiết kế sẽ được trình bày một cách chỉ tiết.

Các tối ưu cho phần cứng, phương pháp đánh giá và kiểm tra kết quả của hệ thống sẽ được trình bày trong chương này. Chương 4: Kết quả thực nghiệm Chương 4 trình bày về việc kết quả đạt được của hệ thống như tốc độ quay, độ chính xác của mô hình đã được huấn luyện, thời gian nhận diện được lửa, thời gian dập tắt ngọn lửa, nhiễu của mô hình khi nhận diện. Các phương pháp đánh giá và kiểm tra kết quả của hệ thống cũng sẽ được trình bày trong chương này. Chương 5: Kết luận và hướng phát triển Chương 5 tóm tắt toàn bộ công việc của nhóm và những kết quả, thành tích đã dat được, những diém cần cải tiến và cải thiện.

Đồng thời, các hướng nghiên cứu khả thi cho đề tài trong tương lai cũng được trình bày trong chương này. Tìm hiểu về các linh kiện điện tử, các công nghệ 2. Máy tính nhúng Raspberry Pi 4 Raspberry Pi là chiếc máy tính có kích thước nhỏ được tích hợp nhiều phần cứng mạnh mẽ đủ khả năng chạy hệ điêu hành và cài đặt nhiêu ứng dụng trên nó. Rasberry Pi được sản xuất bởi 3 OEM: Sony, Qsida, Egoman.

Và được phân phối chính bởi Element14, RS Components và Egoman. Mục đích ban đầu của dự án Raspberry Pi là tạo nên chiếc máy tính có giá thành rẻ và có khả năng lập trình cho những sinh viên, nhưng P1 đã được sự quan tâm của nhiều đối tượng khác nhau. Raspberry Pi được xây dựng xoay quanh bộ xử lí SoC Broadcom BCM2837 bao gồm CPU, GPU, RAM, khe cam thẻ microSD, WiFi, Bluetooth,. tất cả được tích hợp bên trong con chip có điện năng thấp này.

Phần cứng `» ` SD card (underneath) > & mouse > Hình 2.1: Hình minh hoa Raspberry Pi 4 2. Thông số kỹ thuật Raspberry Pi 4 bao gồm những thành phần: e CPU ARM Cortex-A72 lõi tứ 64-bit 1.5GHz (ARM v8, BCM2837) e RAM 4GB (LPDDR4) e Tích hop Wireless LAN (băng tan kép 802.0 tích hợp, năng lượng thấp (BLE) e 2công USB 3.0 e Gigabit Ethernet e Công nghệ Power-over-Ethernet (điều này sẽ yêu cầu PoE HAT) e Header GPIO 40 pin e 2céng micro-HDMI (hỗ trợ tối da 4K p60) e H.264 (giải mã 1080p60, mã hóa 1080p30) e Card đồ hoa OpenGL ES, 3.0 e Chuan kết nối DisplayPort DSI e Cổng CSI cho camera e Jack video composite và âm thanh analog 3,5mm e Khe cam thẻ micro-SD e Nguồn USB Type-C 2. Cac chân GPIO GPIO của Raspberry Pi có thé cấu hình dé được dùng lay dữ liệu ngõ vào (từ nút nhắn, sensor,. Hoặc dé điều khiến, giao tiếp với các thiết bị.

Một số chân GPIO có chức năng khác như UART, I2C, SPI.2: Hình anh các chân GPIO của Raspberry Pi 4 2. Hệ điều hành Một số Distribution Linux chạy trên Raspberry Pi như Raspbian, Pidora, openSUSE, OpenWRT, OpenELEC,. Raspbian: Là một hệ điều hành thuận tiện cho việc cài đặt và sử dụng với sự hỗ trợ lớn từ cộng đồng mã nguồn mở trên thế giới. Raspian ở 2 dạng: NOOBS hoặc file Raspian.

Với NOOBS, khi thực hiện cài đặt chúng ta sẽ được lựa chọn giữa các hệ điều hành khác nhau cho Raspberry Pi. Với file Rasplan, khi đó sẽ không có quá trình lựa chọn giữa các hệ điều hành, mà Raspberry PI sẽ tự thực hiện nhiệm vụ của mình dé chuyén tới việc khởi động cua Linux kernel. Ưu điểm và nhược điểm của Raspberry Pi 4 Ưu điểm: Hiện nay, Raspberry có giá thành khá rẻ so với các máy tính nhúng cùng cấu hình khác và có kích thước vô cùng nhỏ gọn. Những thiết bị này có thể phục vụ cho nhiều mục đích sử dụng khác nhau.

Có nhiễu thư viện hỗ trợ Raspberry PI có khả năng hoạt động liên tục không ngừng nghỉ. Nhược điểm: GPU và CPU có cấu hình thấp không thích hợp cho nhiều tác vụ xử lí AI và Deep Learning nặng. Người dùng phải có kiến thức cơ bản về Linux, điện tử. Tìm hiểu về bộ lọc nguồn 1 pha CW1D-10A-T 2.

Giới thiệu chung Bộ lọc có tác dụng tạo ra nguôn điện ôn định. Giúp cho các loại motor trong quá trình khởi động và hoạt động sẽ không tạo ra các sóng mang (sóng hài, harmonic) quay ngược lại hệ thống xung quanh. Làm cho biên độ hình sin của nguôn điện bị thay đôi liên tục hay tạo ra các xung điện áp. Từ đó làm giảm nhiệt độ hoạt động của các thiết bị và làm tăng tuôi thọ hoạt động của hệ thống.3: Bộ lọc CW1D-10A-T 2.

Thông số kỹ thuật e Dòng điện áp định mức max: [0A e Điện áp định mức max: 250V AC 2. Giới thiệu chung Là nguồn xung chuyên đổi nguồn điện xoay chiều 110V — 220V (có thể chuyên giữa hai mức điện áp) thành điện một chiều 24V cung cấp cho 2 bộ động cơ. Với cấu tạo bằng vỏ nhôm và thiết kế tổ ong giúp cho bộ nguồn có thé tản nhiệt tốt và có thé hoạt động liên tục trong thời gian dài. Thông số kĩ thuật e_ Điện áp đầu vào: 110V/220V AC e_ Điện áp đầu ra: 24V DC e Cường độ dòng điện: 6.5A e©_ Công suất tối đa: 156W 2.

Giới thiệu chung Là nguồn xung chuyên đổi nguồn điện xoay chiều 110V — 220V (có thể chuyên giữa hai mức điện áp) thành điện một chiều 5V cung cấp cho Raspberry Pi. Với cấu tạo bằng vỏ nhôm và thiết kế tổ ong giúp cho bộ nguồn có thé tản nhiệt tốt và có thé hoạt động liên tục trong thời gian dài. Thông số kĩ thuật e Điện áp đầu vào: 110V/220V AC e Điện áp đầu ra: 5VDC e Cường độ dòng điện: 5A e Công suất tối đa: 25W 2. Camera STC-N63SBJ 2.

Giới thiệu chung Camera do hãng Orom sản xuât. Camera đi kèm với ông lens có khả năng điêu chỉnh tiêu cự và đóng mở shutter. Giúp điêu chỉnh lượng anh sáng di vào và khoảng cách tới vật. Thông số kĩ thuật e Độ phân giải: 480x320 e Điện áp hoạt động 12V1A 12 2.

Bộ động cơ bước DG60 Output Table With integrated cross-roller bearings) Hình 2.6: Động cơ bước DG60 DG60 BI aa (5) Motor Connector [Z]- —— Power Input Connector Hinh 2.7: Driver diéu khién DG60 2. Giới thiệu chung Bộ động cơ bao gom một động cơ bước DG60 va driver điều khiển. Động cơ dùng đê thực hiện các tác vụ cân đên độ chính xác cao. Tính năng chính e Lắp đặt trực tiếp trên vật tải Một bảng, cánh tay máy hoặc bắt kì vật tải nào có thể được gắn trực tiếp lên trục xoay.

Do đó, nó giảm nhu cầu gắn chặt các bộ phận như khớp nối và các dụng cụ tạo ma sát, các bộ phận truyền lực như đai puli, và hàng giờ lắp ráp. 13 e Xoay chính xác vị trí mà không có phản ứng dữ dội Cơ chế không phản ứng dữ đội cho phép định vị chính xác cao với khoảng 0.033 độ của chuyền động bị mat. e Cấu trúc rỗng, đường kính lớn Trục xoay có cau trúc rỗng với đường kính 28mm. Nhu vậy kết quả đạt được là thiết kế của người dùng có thé được đơn giản hóa và không gian lắp đặt giảm đi nhờ vào việc định tuyên ông và dây dan qua tiệt diện rong.

e Phan ứng nhanh, độ tin cậy cao Các động cơ bước trong series DG không được phép mắt bước, ngay cả khi có sự thay đôi đột ngột về tải. Tốc độ và số vòng quay đều được theo dõi trong quá trình hoạt động, và khi có có một sự có về mat bước do quá tai,. độ trễ phản hồi được sửa chữa và hoạt động tiếp trong phạm vi hoạt động mô-men xoắn tối đa. e Kha năng điều chỉnh được bước quay Động cơ DG60 mang lại khả năng tùy chỉnh giữa 4 độ phân giải: 0.002°/step mang lại sự chính xác cực ki cao cho hệ thống khi xoay với tốc độ nhanh 2.

Tim hiểu về vi điều khiến STM32F103C8T6 2. Giới thiệu chung Vi điều khiển STM32F103C8T6 có kích cỡ nhỏ gon với nhiều chức năng và dễ dàng lập trình với phan mềm STM IDE.8: Vi điều khiển STM32F103C8T6 2. Phần cứng STM32F103C8T6 Pinout HN) es aes Gree Ẳ«)(@) 2of2 Hình 2.9: Sơ đô chân board STM32F103C8T6 Thông số kỹ thuật chỉ tiết: © Số chân:4§ e Chip: Arm Cortex M3 15 e_ Tần số hoạt động: 72MHz e 64KB Flask e 20KB SRAM e 2x SPI, 3x USART, 2x I2C, 1x CAN, 37x I/O ports e 2x ADC (12-bit/16 channel) e 3 general timers va | advance timer e Điện áp hoạt động từ 3V3 — 5V 2. Tìm hiểu về mạch giảm áp MP1584EN 2.

Giới thiệu chung MP1584EN là một mạch giảm áp có dai điện áp vào rộng từ 4.75 đến 28 VDC, hiệu suất chuyền đôi lên đến 96%. Với kích thước nhỏ, trọng lượng nhẹ, tiêu thụ điện năng thấp làm cho phù hợp với nhiều ứng dụng khác nhau.10: Mạch giảm áp MP1584EN 2. Thông số kỹ thuật e Điện áp ngõ vào: 4.75V-28V 16 e Điện áp ngõ ra: 1.0V-20V e Dòng ngõ ra: 0-3A e Nhiệt độ làm việc: ~40°C - ~85°C e Tần số hoạt động: 340KHz e Hiệu suất: 96% (tối đa) 2. Giới thiệu chung Module Lora E32 sử dụng chip SX1278 được chuyên đổi phần giao tiếp SPI sang UART giúp việc giao tiếp rat dé dang và phạm vi truyền nhận rat xa lên tới 3km theo như nhà sản xuât.

Thông số kỹ thuật e IC chính: SX1278 e Điện áp hoạt động: 2.5VDC © Tốc độ truyền: 0.2 Kbps (mặc định 2.4 Kbps) e Giao tiếp UART Data bits 8, Stop bits 1, Parity none, tốc độ 1200 — 115200. 17 e Tan số: 410 —441Mhz e Dung lượng bộ nhớ đệm: 512 bytes se H6 trợ 65536 địa chỉ cấu hình 2. Encoder doc tín hiệu bằng hồng ngoại Encoder sử dụng nguồn ánh sáng hồng ngoại để xác nhận xem có vật cản có đi qua hay không. Khoảng cách giữa hai mắt phát và thu là 5mm.

Tín hiệu được sử dụng để xác nhận xem động cơ có ở vị khởi tạo hay chưa và từ điểm đó mới bắt đầu hoạt động tiếp.12: Encoder xác định vị trí Khởi tạo 2. Module chuyển mức logic 5V — 3.3V hai chiều Module giúp chuyên đổi mức logic 5V từ encoder sang 3.