Hệ thống nhận dạng và định vị hư hỏng mặt đường

Đồ án hệ thống nhận dạng và định vị hư hỏng mặt đường tại ĐH Sư phạm Kỹ thuật TP.HCM

• Tác giả: Đỗ Đình Nam
• Người hướng dẫn: PGS.TS. Phan Văn Ca
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật máy tính
• Đề tài: Hệ thống nhận dạng và định vị hư hỏng mặt đường
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng quan về hệ thống nhận dạng hư hỏng mặt đường

Hệ thống nhận dạng và định vị hư hỏng mặt đường là đề tài tốt nghiệp của nhóm sinh viên Đỗ Đình Nam và Lê Hoài Nam, thuộc Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. Đề tài hoàn thành vào tháng 7 năm 2022 dưới sự hướng dẫn của PGS.TS Phan Văn Ca. Mục tiêu cốt lõi là xây dựng một hệ thống tự động phát hiện, phân loại và định vị các hư hỏng trên bề mặt đường giao thông. Hệ thống sử dụng thuật toán YOLOv5 để nhận diện vết nứt, ổ gà và các dạng hư hỏng phổ biến khác. Sau khi phát hiện, thiết bị ghi lại tọa độ GPS và hình ảnh của vị trí hư hỏng. Dữ liệu được truyền lên hệ thống lưu trữ đám mây và hiển thị trực tiếp trên ứng dụng điện thoại di động. Toàn bộ quá trình xử lý chạy trên nền tảng phần cứng Raspberry Pi 4 nhỏ gọn và tiết kiệm chi phí. Đây là giải pháp công nghệ thực tiễn, có khả năng ứng dụng rộng rãi trong quản lý hạ tầng giao thông đô thị tại Việt Nam.

1.1. Bối cảnh và sự cần thiết của đề tài

Hạ tầng giao thông xuống cấp gây ra nhiều tai nạn và thiệt hại kinh tế nghiêm trọng. Phương pháp kiểm tra thủ công truyền thống tốn kém về nhân lực và thời gian. Công nghệ thị giác máy tính và học sâu mở ra hướng giải quyết tự động, nhanh chóng và chính xác hơn. Nhóm nghiên cứu nhận thấy nhu cầu thực tiễn cấp bách tại các đô thị lớn như TP. Hồ Chí Minh, nơi mật độ giao thông cao khiến mặt đường nhanh xuống cấp. Đề tài được triển khai nhằm đáp ứng nhu cầu giám sát hạ tầng hiệu quả và tiết kiệm nguồn lực.

1.2. Phạm vi và đối tượng nghiên cứu

Đề tài tập trung nghiên cứu các dạng hư hỏng phổ biến trên mặt đường nhựa và bê tông, bao gồm vết nứt dọc, nứt ngang, ổ gà và bong tróc bề mặt. Đối tượng nghiên cứu chính là mạng tích chập CNN, kiến trúc YOLOv5 và phần cứng nhúng Raspberry Pi 4. Hệ thống được thiết kế để hoạt động trong điều kiện thực tế ngoài hiện trường, xử lý hình ảnh theo thời gian thực và truyền dữ liệu không dây đến máy chủ lưu trữ trung tâm.

II. Phân tích vấn đề hư hỏng mặt đường và hạn chế hiện tại

Mặt đường giao thông chịu tác động liên tục từ tải trọng phương tiện, thời tiết và điều kiện môi trường. Kết quả là các hư hỏng xuất hiện nhanh chóng và lan rộng nếu không được phát hiện kịp thời. Các dạng hư hỏng điển hình gồm nứt mỏi do tải trọng lặp lại, nứt nhiệt do giãn nở vật liệu, ổ gà hình thành từ vết nứt không được xử lý, và bong tróc lớp mặt do thấm nước. Phương pháp kiểm tra truyền thống dựa vào quan sát trực quan của kỹ sư hiện trường. Cách này thiếu nhất quán và phụ thuộc vào kinh nghiệm cá nhân. Dữ liệu thu thập bằng tay khó tổng hợp và phân tích ở quy mô lớn. Các hệ thống cơ giới hóa như xe quét laser 3D có độ chính xác cao nhưng chi phí đầu tư rất lớn, không phù hợp với điều kiện ngân sách hạn chế của các địa phương. Do đó, cần một giải pháp thay thế có khả năng tự động hóa cao, chi phí thấp và dễ triển khai trên diện rộng trong điều kiện thực tế tại Việt Nam.

2.1. Các dạng hư hỏng mặt đường phổ biến

Hư hỏng mặt đường được phân loại theo cơ chế hình thành và mức độ nghiêm trọng. Vết nứt mỏi xuất hiện theo mạng lưới ô vuông do tải trọng lặp lại vượt ngưỡng chịu đựng của lớp mặt. Vết nứt dọc và ngang liên quan đến co ngót nhiệt và dịch chuyển nền móng. Ổ gà là giai đoạn hư hỏng nghiêm trọng nhất, hình thành khi nước thấm vào vết nứt và phá vỡ kết cấu bên dưới. Bong tróc và lún lõm cục bộ cũng là dấu hiệu cảnh báo cần can thiệp sớm để tránh hư hỏng toàn phần.

2.2. Hạn chế của các phương pháp kiểm tra truyền thống

Kiểm tra thủ công đòi hỏi đội ngũ kỹ thuật viên lớn và thời gian khảo sát dài. Kết quả đánh giá thiếu nhất quán do yếu tố chủ quan của người kiểm tra. Dữ liệu thu thập không có tọa độ GPS chính xác, khó số hóa và lưu trữ có hệ thống. Các thiết bị chuyên dụng đắt tiền không thể triển khai ở quy mô thành phố. Việc cập nhật tình trạng mặt đường diễn ra chậm, dẫn đến phản ứng chậm trễ trong bảo trì và sửa chữa, làm tăng chi phí xử lý về sau.

III. Giải pháp ứng dụng YOLOv5 và Raspberry Pi 4 trong nhận dạng hư hỏng

Nhóm nghiên cứu đề xuất hệ thống tích hợp thuật toán YOLOv5 chạy trên phần cứng Raspberry Pi 4 kết hợp với module GPS và camera. Kiến trúc YOLOv5 được chọn vì tốc độ xử lý vượt trội so với các phiên bản YOLO trước và độ chính xác cao trong phát hiện vật thể nhỏ. Kiến trúc YOLOv5 gồm bốn thành phần chính: ngõ vào xử lý và tăng cường dữ liệu, Backbone trích xuất đặc trưng hình ảnh, Neck tổng hợp feature map đa tỷ lệ, và Head thực hiện dự đoán đối tượng. Quá trình huấn luyện sử dụng tập dữ liệu ảnh mặt đường được gán nhãn thủ công với các lớp hư hỏng khác nhau. Sau khi phát hiện hư hỏng, thiết bị tự động ghi nhận tọa độ GPS tương ứng. Hình ảnh và tọa độ được đóng gói và truyền lên máy chủ qua kết nối mạng không dây. Người quản lý hạ tầng có thể theo dõi toàn bộ dữ liệu hư hỏng trực tiếp trên ứng dụng điện thoại di động, giúp ra quyết định bảo trì nhanh chóng và chính xác.

3.1. Kiến trúc mạng YOLOv5 và quá trình huấn luyện mô hình

YOLOv5 được nâng cấp từ YOLOv4 với các cải tiến về tốc độ xử lý và khả năng thích ứng với dữ liệu đa dạng. Backbone của mạng thực hiện trích xuất đặc trưng hình ảnh thông qua nhiều lớp tích chập. Cơ chế tính toán thích ứng khung neo tự động điều chỉnh kích thước anchor phù hợp với tập dữ liệu. Mô-đun CSP trong Backbone giúp giảm lượng tính toán mà vẫn duy trì độ chính xác cao. Tập dữ liệu huấn luyện bao gồm hàng nghìn ảnh mặt đường được thu thập thực tế và gán nhãn theo từng loại hư hỏng cụ thể.

3.2. Phần cứng Raspberry Pi 4 và hệ thống thu thập dữ liệu

Raspberry Pi 4 trang bị CPU Quad-core Cortex-A72 64-bit @ 1.5GHz và GPU Broadcom VideoCore VI 500MHz, đủ mạnh để chạy mô hình YOLOv5 ngoài thực địa. Thiết bị tích hợp sẵn WiFi và Bluetooth, hỗ trợ kết nối không dây linh hoạt. Chi phí thấp và kích thước nhỏ gọn giúp dễ dàng lắp đặt trên phương tiện di động. Module camera ghi lại hình ảnh mặt đường liên tục, trong khi module GPS ghi nhận tọa độ theo thời gian thực. Toàn bộ hệ thống hoạt động độc lập mà không cần kết nối với máy tính lớn.

IV. Kết quả và ứng dụng thực tiễn của hệ thống nhận dạng hư hỏng

Hệ thống hoàn chỉnh bao gồm hai sản phẩm chính: mô hình phần cứng chạy trên Raspberry Pi 4 và ứng dụng di động hiển thị dữ liệu hư hỏng. Mô hình nhận dạng đạt độ chính xác đủ để phát hiện các vết hư hỏng điển hình trong điều kiện ánh sáng ban ngày. Dữ liệu hư hỏng được cập nhật liên tục lên hệ thống lưu trữ đám mây và hiển thị dưới dạng bản đồ trực quan trên ứng dụng. Người quản lý có thể lọc dữ liệu theo loại hư hỏng, khu vực địa lý và mức độ nghiêm trọng. Hệ thống giúp rút ngắn đáng kể thời gian phát hiện hư hỏng so với phương pháp thủ công. Về tiềm năng phát triển, hệ thống có thể mở rộng tích hợp thêm các cảm biến đo độ sâu ổ gà, nhận dạng nhiều loại hư hỏng hơn và kết nối với hệ thống quản lý bảo trì đường bộ cấp tỉnh thành. Đây là nền tảng công nghệ mở, phù hợp để phát triển thành giải pháp thương mại phục vụ đô thị thông minh tại Việt Nam.

4.1. Đánh giá hiệu quả và độ chính xác của hệ thống

Mô hình YOLOv5 sau huấn luyện đạt chỉ số mAP đáng kể trên tập dữ liệu kiểm tra với các lớp hư hỏng mặt đường phổ biến. Tốc độ xử lý trên Raspberry Pi 4 đảm bảo phát hiện theo thời gian thực khi thiết bị di chuyển ở tốc độ thấp đến trung bình. Hệ thống định vị GPS cho phép xác định vị trí hư hỏng với sai số chấp nhận được trong điều kiện đô thị. Kết quả thực nghiệm cho thấy hệ thống phát hiện ổ gà và vết nứt lớn tốt hơn so với các hư hỏng nhỏ, mờ hoặc trong điều kiện ánh sáng yếu.

4.2. Hướng phát triển và khả năng mở rộng ứng dụng

Hệ thống có thể tích hợp vào xe chuyên dụng hoặc phương tiện công cộng để thu thập dữ liệu liên tục trên toàn mạng lưới đường. Mô hình nhận dạng có thể được cải thiện bằng cách bổ sung dữ liệu huấn luyện đa dạng hơn và áp dụng kỹ thuật transfer learning từ mô hình lớn hơn. Tích hợp với hệ thống GIS đô thị giúp lập kế hoạch bảo trì tổng thể hiệu quả hơn. Nền tảng mã nguồn mở của dự án tạo điều kiện cho các nhóm nghiên cứu và doanh nghiệp tiếp tục phát triển và thương mại hóa sản phẩm.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Giao thông đường bộ giữ vai trò thiết yếu trong việc lưu thông và phát triển kinh tế - xã hội. Tuy nhiên, dưới tác động của các phương tiện có tải trọng lớn kết hợp với điều kiện thời tiết khắc nghiệt, hạ tầng đường bộ tại Việt Nam—từ đô thị đến nông thôn—thường xuyên đối mặt với tình trạng xuống cấp nghiêm trọng. Các dạng hư hỏng như nứt, lồi, lún, đặc biệt là các ổ gà và ổ voi xuất hiện phổ biến, trở thành mối nguy hiểm trực tiếp đối với người điều khiển phương tiện, tiềm ẩn nguy cơ cao gây ùn tắc và tai nạn giao thông nghiêm trọng.

Phương thức khảo sát và quản lý hư hại mặt đường truyền thống hiện nay chủ yếu phụ thuộc vào việc tuần tra thủ công hoặc tiếp nhận phản ánh từ người dân. Quy trình này đòi hỏi nhiều nhân lực, thời gian phản hồi chậm và khó kiểm soát kịp thời mạng lưới giao thông rộng lớn. Trên thế giới, một số giải pháp kỹ thuật cao đã được ứng dụng như việc sử dụng xe chuyên dụng trang bị công nghệ quét laser bề mặt tại New York; tuy nhiên, phương pháp này đòi hỏi chi phí đầu tư thiết bị lên tới hàng trăm nghìn USD, không khả thi để phổ biến đại trà tại các quốc gia đang phát triển. Từ thực tiễn đó, đồ án tốt nghiệp ngành Công nghệ kỹ thuật Máy tính tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh đặt ra mục tiêu xây dựng một hệ thống nhận dạng và định vị hư hỏng mặt đường có chi phí vừa phải, vận hành tự động và dễ dàng triển khai trên các phương tiện di chuyển thông thường.

Về mục tiêu và nhiệm vụ nghiên cứu, tác giả xác định các nội dung cụ thể:

• Mục tiêu theo nhu cầu người dùng:
  1. Xây dựng hệ thống có chi phí vừa phải, có khả năng triển khai trên nhiều phương tiện giao thông.
  2. Tự động phát hiện và xác định vị trí hư hỏng trên tuyến đường phương tiện đi qua.
  3. Ghi nhận chính xác tọa độ các hư hỏng mặt đường và gửi đến các đơn vị sửa chữa, bảo trì và quản lý đường bộ.
• Mục tiêu theo đặc tả kỹ thuật:
  1. Cung cấp chức năng cảnh báo đến chủ phương tiện thông qua ứng dụng di động tích hợp để phòng ngừa tai nạn.
  2. Cung cấp công cụ hỗ trợ đơn vị quản lý định vị, điều phối sửa chữa và cập nhật trạng thái khắc phục lên hệ thống.
• Nhiệm vụ nghiên cứu (gồm 9 nhiệm vụ cụ thể):
  1. Khảo sát đề tài, tham khảo tài liệu, đọc và tóm tắt đưa ra hướng và lựa chọn đề tài.
  2. Viết đề cương tóm tắt các yêu cầu của đề tài, thiết kế sơ đồ khối, giải thích chức năng của các khối.
  3. Nghiên cứu lựa chọn các phương pháp giải quyết yêu cầu từng khối.
  4. Nghiên cứu lựa chọn mô hình nhận dạng các vết hư hỏng mặt đường phù hợp cho khối nhận diện.
  5. Nghiên cứu cách thức hoạt động và kết nối giữa khối nhận diện, khối xác định vị trí, truyền nhận máy chủ và hiển thị.
  6. Nghiên cứu nền tảng thiết kế giao diện cho hệ thống.
  7. Tiến hành thiết kế lưu đồ chương trình chính và thi công chương trình hệ thống.
  8. Kiểm tra chạy thử hệ thống, đánh giá và thực hiện hiệu chỉnh chức năng phù hợp.
  9. Viết luận văn báo cáo đồ án tốt nghiệp.

Đối tượng và phạm vi nghiên cứu của đề tài bao gồm:

• Đối tượng nghiên cứu: Mô hình học sâu phân tích và nhận dạng hư hỏng mặt đường; module định vị toàn cầu GPS; ứng dụng giao diện di động tương tác người dùng.
• Phạm vi nghiên cứu: Ứng dụng hỗ trợ cảnh báo vị trí hư hỏng phía trước cho người lái; tập trung ghi nhận tọa độ lưu về máy chủ hỗ trợ đơn vị bảo trì đường bộ; hệ thống biên dịch và thực thi trên nền tảng hệ điều hành Raspbian của máy tính nhúng Raspberry Pi 4.

Cơ sở lý thuyết và phương pháp

Đồ án kết hợp cơ sở lý thuyết thị giác máy tính, kỹ thuật học sâu, công nghệ định vị vệ tinh và phát triển ứng dụng di động đa nền tảng:

1. Khung lý thuyết thị giác máy tính và mạng nơ-ron:

• Thuật toán YOLO (You Only Look Once): Cơ chế chia hình ảnh thành lưới ô vuông để dự đoán đồng thời vị trí và lớp đối tượng. Các chỉ số và khái niệm cốt lõi bao gồm:
  • Chỉ số giao trên hợp IoU (Intersection Over Union): Đánh giá mức độ trùng khớp giữa khung giới hạn dự đoán (Predict Bounding Box) và khung thực tế (Ground Truth).
  • Độ chính xác trung bình (mAP - Mean Average Precision): Đánh giá hiệu năng tổng thể của mô hình qua các ngưỡng thử nghiệm.
  • Hộp neo (Anchor Box): Các khung kích thước định sẵn dùng làm cơ sở ước lượng và tinh chỉnh tọa độ bounding box thông qua thuật toán hồi quy.
• Kiến trúc YOLOv5 (phát hành bởi Ultralytics năm 2020):
  • Ngõ vào (Input): Áp dụng tiền xử lý, tăng cường dữ liệu và tự động tính toán khung neo thích ứng kích thước ảnh.
  • Mạng xương sống (Backbone): Ứng dụng mạng CSPNet (Cross-Stage Partial Connection) xây dựng trên nền tảng DenseNet nhằm giảm trùng lặp gradient, giảm tham số mô hình; tích hợp lớp tập trung (Focus Layer) nhằm giảm kích thước không gian để tăng tốc độ tính toán dập nổi (FLOPs); bổ sung khối Spatial Pyramid Pooling (SPP) để trích xuất đa đặc trưng mà không giới hạn cố định kích thước ảnh đầu vào; sử dụng các khối C3 giúp trích xuất chi tiết đặc trưng.
  • Mạng cổ (Neck): Kết hợp cấu trúc kim tự tháp đặc trưng FPN (Feature Pyramid Network) và PANet (Path Aggregation Network / Personal Area Network) nhằm truyền tải đặc trưng đa chiều từ lớp cao xuống lớp thấp và ngược lại, bảo toàn thông tin cho các đối tượng có kích thước nhỏ.
  • Mạng đầu (Head): Xuất 3 ngõ ra đặc trưng để dự đoán đa tỷ lệ, cải tiến dựa trên PANet và sử dụng lớp C3 không chứa kết hợp phần dư.
• Kỹ thuật học chuyển giao (Transfer Learning): Khắc phục hạn chế về tập dữ liệu nhỏ hoặc mất cân bằng dữ liệu; tận dụng trọng số đã huấn luyện trước từ tập dữ liệu quy mô lớn (như ImageNet, áp dụng các kiến trúc ResNet, DenseNet, Xception), đóng băng các lớp trích xuất đặc trưng ban đầu, thay thế và tái huấn luyện các lớp ngõ ra cuối cùng và tinh chỉnh (fine-tune) với tốc độ học thấp.

2. Lý thuyết hệ thống định vị toàn cầu (GPS):

• Hệ thống định vị gồm 24 vệ tinh bay quanh Trái Đất theo 6 mặt phẳng quỹ đạo ở chu kỳ 12 giờ. Hệ thống chia thành 3 phân đoạn: Phân đoạn Không gian (Space Segment), Phân đoạn Điều khiển (Control Segment với 1 trạm chính và 4 trạm không người lái) và Phân đoạn Người dùng (User Segment). Máy thu GPS trên thiết bị xử lý tín hiệu băng tần L từ tối thiểu 4 vệ tinh để giải mã dữ liệu định vị (vĩ độ X, kinh độ Y, độ cao Z và thời gian T) thông qua chuẩn giao tiếp NMEA, cụ thể là bản tin chuỗi $GPGLL.

3. Nền tảng giao diện người dùng:

• Flutter Framework: Bộ công cụ phát triển phần mềm mã nguồn mở của Google, hỗ trợ biên dịch mã máy nguyên bản cho Android và iOS, tích hợp tính năng Hot-Reload giúp rút ngắn chu kỳ thử nghiệm.
• Ngôn ngữ Dart: Ngôn ngữ lập trình hướng đối tượng, quản lý bộ nhớ tự động (garbage-collected), biên dịch trước sang mã máy ARM/x86 cho di động hoặc mã JavaScript cho trình duyệt web.

4. Phương pháp nghiên cứu và nguồn dữ liệu:

• Phương pháp phân tích và mô hình hóa hệ thống kỹ thuật: Thiết kế phân tách phần cứng và các module phần mềm độc lập.
• Phương pháp huấn luyện thực nghiệm: Huấn luyện mô hình nhận diện hư hỏng mặt đường bằng framework PyTorch trên môi trường đám mây Google Colaboratory (Colab). Dữ liệu sau khi thu thập được tiến hành gán nhãn, phân chia thành các tập huấn luyện và kiểm thử.
• Phương pháp thử nghiệm hệ thống nhúng: Tích hợp mô hình lên kit máy tính Raspberry Pi 4 kết hợp camera và module GPS thu tín hiệu thực tế.

Thiết kế và triển khai

Hệ thống được thiết kế hoàn chỉnh từ phần cứng thu thập tín hiệu tại biên đến dịch vụ lưu trữ đám mây và ứng dụng hiển thị đầu cuối cho người dùng.

Cấu trúc phần cứng

Trung tâm xử lý của thiết bị là kit máy tính nhúng Raspberry Pi 4 chạy hệ điều hành Raspbian. Các thông số phần cứng cốt lõi gồm:

• Bộ xử lý trung tâm (CPU): Quad-core Cortex-A72 (ARM v8) 64-bit SoC với xung nhịp 1.5 GHz.
• Bộ xử lý đồ họa (GPU): Broadcom VideoCore VI lõi 500 MHz.
• Tích hợp sẵn chuẩn kết nối không dây Wifi, Bluetooth, các cổng giao tiếp USB và chân cắm tín hiệu mở rộng.
• Thiết bị ngoại vi kết nối: Một webcam tiêu chuẩn kết nối qua cổng USB để thu nhận chuỗi hình ảnh/video mặt đường theo thời gian thực và một module thu GPS kết nối để xuất tọa độ vị trí.

Kiến trúc phần mềm và lưu đồ chức năng

Kiến trúc toàn hệ thống bao gồm 6 khối thành phần hoạt động liên tục:

1. Khối tiếp nhận hình ảnh/video: Nhận dữ liệu khung hình trực tiếp từ webcam.
2. Khối nhận diện: Nạp luồng ảnh vào mô hình học sâu YOLOv5 (viết bằng Python trên nền tảng PyTorch). Thuật toán phân tích và xác định xem khung hình có chứa đối tượng hư hỏng mặt đường hay không.
3. Khối định vị: Module GPS giải mã các chuỗi dữ liệu vệ tinh NMEA $GPGLL để cung cấp vĩ độ và kinh độ.
4. Khối xử lý: Đóng vai trò điều phối logic. Khi khối nhận diện xác nhận có vết hư hỏng, khối xử lý kích hoạt lệnh chụp lại ảnh tại thời điểm phát hiện, đồng thời yêu cầu khối định vị cung cấp tọa độ hiện tại.
5. Khối cơ sở dữ liệu (Firebase Cloud): Dữ liệu sau khi thu nhận được tải lên dịch vụ đám mây của Google gồm:
   • Firestore Database: Lưu trữ các trường dữ liệu văn bản gồm coordinate (tọa độ GPS), name (nhãn định danh vết hư hỏng) và path (đường dẫn liên kết hình ảnh).
   • Firebase Storage: Lưu trữ tệp ảnh chụp thực tế vết hư hại mặt đường.
6. Khối giao diện người dùng: Ứng dụng di động lập trình bằng Flutter/Dart, tích hợp giao diện lập trình ứng dụng bản đồ Google Maps Platform API. Ứng dụng kết nối tới Firebase để truy xuất dữ liệu, định vị vị trí hiện tại của thiết bị di động bằng GPS thời gian thực, đánh dấu các vết hư hỏng lên bản đồ số, hiển thị hình ảnh chi tiết và hỗ trợ tính toán lộ trình dẫn đường đến vết hư hỏng.

Thành phần khối	Thiết bị / Nền tảng công nghệ	Nhiệm vụ chính
Tiếp nhận dữ liệu	Webcam kết nối USB	Ghi nhận luồng hình ảnh/video mặt đường
Tính toán tại biên	Raspberry Pi 4 (Raspbian)	Điều phối luồng xử lý và ngoại vi
Nhận diện đối tượng	Mô hình YOLOv5 (PyTorch/Python)	Phân tích và phát hiện vết nứt, ổ gà, hư hỏng
Định vị không gian	Module GPS vệ tinh	Trích xuất tọa độ kinh độ, vĩ độ ($GPGLL)
Lưu trữ đám mây	Google Firebase (Firestore & Storage)	Lưu trữ tọa độ, nhãn nhận dạng và tệp hình ảnh
Giao diện đầu cuối	Ứng dụng di động Flutter (Dart)	Đánh dấu bản đồ Google Maps, hiển thị ảnh, chỉ đường

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN

Chương mở đầu phân tích thực trạng giao thông đường bộ tại Việt Nam, nêu rõ tác động tiêu cực của các vết hư hỏng mặt đường (lồi, lún, nứt, ổ gà, ổ voi) đến an toàn giao thông và chi phí xã hội. Tác giả khảo sát các hạn chế của công tác quản lý đường bộ thủ công và sự tốn kém của các giải pháp quét laser chuyên dụng trên thế giới. Từ đó, đồ án xác định mục tiêu xây dựng hệ thống tự động nhận dạng, định vị vết hư hỏng mặt đường chi phí thấp. Chương này liệt kê cụ thể nhu cầu người dùng, đặc tả kỹ thuật, 9 nhiệm vụ nghiên cứu tuần tự, đối tượng nghiên cứu (mô hình nhận dạng, ứng dụng di động, module GPS) và phạm vi triển khai trên máy tính nhúng Raspberry Pi 4 chạy hệ điều hành Raspbian.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

Chương hai tập trung trình bày nền tảng lý thuyết phục vụ cho việc xây dựng các khối chức năng:

• Mạng nơ-ron tích chập YOLO và phiên bản YOLOv5: Trình bày thuật ngữ chuyên ngành (IoU, mAP, bounding box, anchor box) và phân tích sâu cấu trúc 4 phần của YOLOv5 (Input, Backbone CSPNet/Focus/SPP/C3, Neck FPN/PANet, Head đa tỷ lệ). Tác giả so sánh các phiên bản mô hình gồm YOLOv5s, YOLOv5m, YOLOv5l, YOLOv5x.
• Kỹ thuật học chuyển giao (Transfer Learning): Phân tích nguyên nhân làm suy giảm độ chính xác của mạng học sâu (dữ liệu không rõ ràng, mất cân bằng dữ liệu, độ phức tạp kiến trúc không tương thích kích thước dữ liệu); trình bày quy trình 6 bước áp dụng học chuyển giao từ mô hình tiền huấn luyện, đóng băng lớp trích xuất đặc trưng đến tinh chỉnh (fine-tuning).
• Hệ thống định vị toàn cầu GPS: Lược sử phát triển từ NAVSTAR GPS năm 1973 đến nay; cấu trúc 3 phân đoạn (Không gian, Điều khiển, Người dùng); nguyên lý tính toán vị trí 4 chiều từ tín hiệu của tối thiểu 4 vệ tinh tại băng tần L.
• Công nghệ phát triển ứng dụng di động: Giới thiệu cấu trúc khung phần mềm Flutter (SDK và hệ thống widget), ưu điểm biên dịch Hot-Reload; các đặc tính của ngôn ngữ Dart (hướng đối tượng, biên dịch mã máy ARM/x86 và JavaScript đa nền tảng).

CHƯƠNG 3: THIẾT KẾ HỆ THỐNG

Chương ba hiện thực hóa thiết kế chi tiết toàn bộ hệ thống:

• Phân tích sơ đồ khối tổng thể gồm 6 khối chức năng (khối camera, khối nhận diện, khối định vị GPS, khối xử lý trung tâm, khối cơ sở dữ liệu Firebase và khối giao diện người dùng Flutter).
• Thiết kế phần cứng: Trình bày cấu hình kit Raspberry Pi 4 (SoC Broadcom Cortex-A72 1.5 GHz, GPU VideoCore VI 500 MHz, chạy Raspbian) cùng phương thức đấu nối webcam và module GPS.
• Thiết kế phần mềm: Lựa chọn ngôn ngữ Python và framework PyTorch để cấu hình mô hình YOLOv5; xây dựng cấu trúc cơ sở dữ liệu trên Cloud Firestore gồm các trường coordinate, name, path kết hợp Firebase Storage lưu trữ tệp ảnh; lập trình giải mã chuỗi bản tin NMEA $GPGLL từ GPS; trình bày quy trình xử lý dữ liệu gồm các bước chuẩn bị ảnh, phân chia tập dữ liệu huấn luyện và thực thi huấn luyện trên dịch vụ Google Colaboratory.

CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM

Chương bốn ghi nhận các kết quả kiểm thử mô hình và hệ thống trong điều kiện thực tế:

• Kiểm thử nhận diện: Đánh giá khả năng suy luận của mô hình YOLOv5 trên cả hai dạng dữ liệu đầu vào là hình ảnh tĩnh và luồng video thời gian thực; hệ thống khoanh vùng chính xác các vết hư hỏng mặt đường.
• Kiểm thử định vị và truyền thông: Module GPS trích xuất thành công tọa độ vị trí tại thời điểm phát hiện hư hỏng; dữ liệu tọa độ cùng nhãn phân loại được ghi nhận đồng bộ vào Firestore Database, hình ảnh tương ứng được lưu trữ chính xác tại Firebase Storage.
• Kiểm thử ứng dụng di động: Giao diện Flutter hiển thị bản đồ tích hợp Google Maps Platform API, đánh dấu vị trí các vết hư hỏng, cho phép người dùng xem hình ảnh hiện trường chụp từ webcam, hỗ trợ xác định vị trí hiện tại của phương tiện qua GPS điện thoại và định tuyến đường đi từ vị trí bất kỳ tới điểm hư hỏng.
• Đánh giá định lượng: Mô hình đạt độ chính xác phát hiện đối tượng cao nhất rơi vào khoảng 90%. Tuy nhiên, khi kiểm thử tốc độ khung hình (FPS) trực tiếp trên phần cứng nhúng Raspberry Pi 4, hệ thống bộc lộ độ trễ xử lý do giới hạn tài nguyên tính toán của kit.

CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Chương cuối tổng kết toàn bộ kết quả đề tài: khẳng định hệ thống đã đáp ứng đầy đủ các yêu cầu thiết kế ban đầu về phát hiện hư hỏng, định vị tọa độ, lưu trữ đám mây và tương tác người dùng qua app di động. Đồng thời, tác giả thẳng thắn chỉ ra các giới hạn hiện tại về tốc độ xử lý FPS và sai số GPS khi phương tiện di chuyển nhanh. Hướng phát triển được xác định là thay thế hoặc bổ sung các nền tảng phần cứng chuyên biệt cho xử lý ảnh và suy luận trí tuệ nhân tạo để nâng cao tốc độ khung hình cho toàn hệ thống.

Kết quả và đóng góp

Nghiên cứu đạt được các kết quả kỹ thuật và đóng góp thực tiễn cụ thể:

1. Kết quả kỹ thuật thực nghiệm:

• Xây dựng thành công chu trình khép kín: thu thập hình ảnh qua webcam, nhận diện hư hại bằng thuật toán YOLOv5, kích hoạt lấy dữ liệu tọa độ từ module GPS và tự động đồng bộ hóa lên cơ sở dữ liệu đám mây Firebase.
• Xây dựng hoàn chỉnh ứng dụng di động đa nền tảng bằng Flutter, tích hợp Google Maps Platform API, hỗ trợ hiển thị vị trí thực, hình ảnh hư hỏng và tính toán lộ trình điều hướng đến hiện trường.
• Về độ chính xác: Mô hình học sâu huấn luyện trên tập dữ liệu hư hỏng mặt đường đạt độ chính xác cao nhất rơi vào khoảng 90%.

2. Đóng góp và giải pháp đề xuất:

• Cung cấp giải pháp giám sát hư hỏng mặt đường tự động có mức chi phí thấp, tận dụng nền tảng phần cứng phổ thông (Raspberry Pi 4) kết hợp các công nghệ mã nguồn mở (YOLOv5, Flutter), khắc phục được nhược điểm chi phí đắt đỏ của các hệ thống xe chuyên dụng quét laser nhập khẩu.
• Tạo ra công cụ hỗ trợ hai chiều: vừa cảnh báo sớm chướng ngại vật hư hỏng cho người điều khiển phương tiện để giảm thiểu nguy cơ tai nạn, vừa hỗ trợ các đơn vị bảo trì đường bộ theo dõi bản đồ hư hỏng tập trung, tối ưu hóa quy trình điều phối công nhân sửa chữa và cập nhật tiến độ hoàn thành.

Hạn chế và hướng nghiên cứu tiếp

Văn bản đồ án ghi nhận các hạn chế kỹ thuật cụ thể nảy sinh trong quá trình thực nghiệm:

• Tốc độ khung hình (FPS): Hệ thống gặp vấn đề về tốc độ xử lý khung hình thấp khi chạy thuật toán nhận diện YOLOv5 trực tiếp trên phần cứng máy tính nhúng Raspberry Pi 4 do giới hạn về tài nguyên tính toán của vi xử lý.
• Độ chính xác tọa độ: Tọa độ ghi nhận chưa đạt độ chính xác tuyệt đối 100% do sai số cố hữu của module phần cứng GPS trong quá trình bắt tín hiệu vệ tinh.
• Độ trễ khi phương tiện di chuyển tốc độ cao: Khi phương tiện mang thiết bị di chuyển ở vận tốc cao, quá trình chụp ảnh, xử lý suy luận và chốt tọa độ GPS phát sinh độ trễ nhất định.

Hướng phát triển tiếp theo được tác giả đề xuất:

• Nâng cấp và thay thế phần cứng xử lý nhúng bằng các dòng phần cứng chuyên biệt cho xử lý hình ảnh và suy luận AI (như các kit máy tính nhúng tích hợp bộ tăng tốc phần cứng chuyên dụng), giúp cải thiện tốc độ khung hình lên nhiều lần, đáp ứng tốt yêu cầu xử lý thời gian thực khi phương tiện lưu thông tốc độ cao.

Giá trị tham khảo

Đồ án là tài liệu kỹ thuật có giá trị tham khảo thiết thực cho:

• Sinh viên và học viên chuyên ngành Công nghệ kỹ thuật Máy tính, Khoa học Máy tính, Kỹ thuật Điều khiển và Tự động hóa: Cung cấp tài liệu tham khảo chi tiết về quy trình triển khai mô hình học sâu (YOLOv5) từ môi trường đám mây xuống phần cứng nhúng biên (Raspberry Pi 4).
• Người nghiên cứu các hệ thống IoT giao thông thông minh (ITS): Đáng tham khảo ở giải pháp tích hợp phần cứng liên khối (Webcam - GPS NMEA - Raspberry Pi 4) và kiến trúc truyền nhận dữ liệu đồng bộ lên cơ sở dữ liệu thời gian thực (Google Cloud Firestore và Storage).
• Lập trình viên ứng dụng di động: Phần thiết kế ứng dụng Flutter kết hợp Dart và Google Maps Platform API là tài liệu mẫu trực quan cho việc xây dựng ứng dụng bản đồ điều hướng và trực quan hóa dữ liệu định vị theo thời gian thực.

Câu hỏi thường gặp

1. Đồ án sử dụng thuật toán nào để phát hiện vết hư hỏng mặt đường và được phát triển trên framework nào?

Hệ thống sử dụng thuật toán học sâu YOLOv5 (phát hành bởi Ultralytics năm 2020), được huấn luyện và triển khai trên nền tảng framework PyTorch bằng ngôn ngữ lập trình Python.

2. Thành phần phần cứng trung tâm xử lý tại biên của hệ thống gồm những thiết bị gì?

Trung tâm xử lý tại biên sử dụng kit máy tính nhúng Raspberry Pi 4 chạy hệ điều hành Raspbian, trang bị CPU Quad-core Cortex-A72 (ARM v8) 64-bit 1.5 GHz và GPU VideoCore VI 500 MHz, kết nối trực tiếp với một webcam qua cổng USB để thu hình và một module GPS để thu nhận tín hiệu vệ tinh.

3. Dữ liệu hư hỏng mặt đường được cấu trúc và lưu trữ như thế nào trên hệ thống đám mây?

Hệ thống sử dụng nền tảng Firebase của Google: Cloud Firestore lưu trữ dữ liệu dạng văn bản với ba trường thông tin cốt lõi gồm coordinate (tọa độ GPS vĩ độ, kinh độ), name (nhãn đối tượng hư hỏng được nhận dạng) và path (tên đường dẫn tệp ảnh); Firebase Storage chịu trách nhiệm lưu trữ tệp hình ảnh thực tế được chụp từ hiện trường.

4. Ứng dụng di động của hệ thống được xây dựng bằng công nghệ gì và cung cấp những tính năng nào cho người dùng?

Ứng dụng di động được xây dựng bằng khung phần mềm mã nguồn mở Flutter cùng ngôn ngữ Dart. Ứng dụng tích hợp Google Maps Platform API, cung cấp các tính năng: định vị vị trí hiện tại theo thời gian thực qua GPS điện thoại, hiển thị vị trí các vết hư hỏng mặt đường trên bản đồ số, hiển thị hình ảnh chụp hiện trường từ Firebase Storage và hỗ trợ dẫn đường từ vị trí bất kỳ đến vị trí vết hư hại.

5. Hạn chế lớn nhất về mặt hiệu năng mà hệ thống gặp phải khi chạy thực tế là gì?

Hạn chế lớn nhất của hệ thống là tốc độ khung hình (FPS) bị suy giảm khi chạy mô hình nhận diện trực tiếp trên kit Raspberry Pi 4 do năng lực tính toán phần cứng có giới hạn, kèm theo sai số của module GPS và độ trễ nhận diện khi phương tiện di chuyển ở tốc độ cao.

Kết luận

Đồ án tốt nghiệp "Hệ thống nhận dạng và định vị hư hỏng mặt đường" của tác giả Đỗ Đình Nam và Lê Hoài Nam đã nghiên cứu và triển khai thành công một hệ thống kỹ thuật hoàn chỉnh kết hợp thị giác máy tính, phần cứng nhúng và ứng dụng di động. Với độ chính xác nhận diện đối tượng cao nhất đạt khoảng 90%, hệ thống đã chứng minh tính khả thi của giải pháp tự động hóa công tác khảo sát hư hỏng mặt đường với chi phí thấp so với các phương pháp quét laser chuyên dụng. Kết quả đạt được là tiền đề kỹ thuật quan trọng để tiếp tục tối ưu hóa trên các nền tảng phần cứng chuyên biệt cho xử lý ảnh, hướng tới ứng dụng rộng rãi trong việc hỗ trợ bảo trì hạ tầng giao thông đường bộ.

Trích đoạn nội dung tài liệu

Chương 1: TỔNG QUAN: Ở chương đầu tiên, nhóm đề cập đến các vấn đề của hệ thống đường bộ của quốc gia và các đơn vị bảo dưỡng, sửa chữa, quản lý đường bộ trong việc sửa chữa các vết hư hỏng mặt đường nhằm đưa ra mục tiêu, nhiệm vụ, đối tượng và phạm vi nghiên cứu cho đề tài từ đó suy ra giới hạn hiện tại của đề tài. - Chương 2: CƠ SỞ LÝ THUYẾT: Qua chương 2 nhóm đề cập đến các cơ sở lý thuyết về các thành phần hỗ trợ cho qus trình nghiên cứu và xây dựng hệ thống như mô hình nhận dạng YOLOv5, hệ thống định vị toàn cầu GPS,. - Chương 3: THIẾT KẾ HỆ THỐNG: Tại chương này nhóm trình bày chi tiết các sơ đồ khối, lưu đồ hoạt động của hệ thống và chi tiết các khối của hệ thống nhận diện hư hỏng mặt đường. - Chương 4: KẾT QUẢ THỰC NGHIỆM: Kết quả chạy thử hệ thống nhận diện và định vị cùng với đó là các thông số cần thiết của hệ thống được trình bày tại chương 4 này.

- Chương 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN: Từ tất cả các phần trước tại chương này nhóm đưa ra đánh giá và kết luận cho hệ thống của mình cùng với đó đưa ra định hướng phát triển cho tương lai. NĂMtHỌC: 2021t–t2022 Trang 4 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 TỔNG QUAN VỀ MẠNG YOLO YOLO (You Only Look Once) là một trong các một trong những mô hình hiện đại, có hiệu năng tốt nhất. Đây là một thuật toán phát hiện đối tượng bằng cách chia hình ảnh thành một lưới nhiều ô vuông. Thuật toán này hoạt động như Faster RCNN (phát hiện và thực hiện nhận dạng đối tượng trên các vùng quan tâm riêng biệt) và sử dụng lớp kết nối đầy đủ để kết hợp các đặc trưng được trích xuất, nhằm phát hiện đối tượng với độ chính xác cao và tốc độ phát hiện nhanh.

Hiện nay, YOLO là một trong những thuật toán phát hiện đối tượng phổ biến, được ưa chuộng do có ưu điểm là tốc độ xử lý và độ chính xác rất ấn tượng.YOLOv5 là phiên bản cao cấp so với các phiên bản cũ của YOLO, được phát hành bởi công ty Ultranytics vào năm 2020 chỉ vài ngày sau phiên bản YOLOv4.1 Một số thuật ngữ được sử dụng trong YOLO 2.1 Intersection Over Union (IoU) IoU là thông số được sử dụng để đánh giá độ chính xác của việc phát hiện đối tượng trên tập dữ liệu cụ thể. Mọi thuật toán có khả năng dự đoán các kết quả ngõ ra là bounding box đều có thể được đánh giá thông qua IoU. Thông số này có công thức tính như sau: Hình 2.1: Công thức tính IoU Trong đó: NĂMtHỌC: 2021t–t2022 Trang 5 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA Area of OverLap : vùng giao nhau giữa Ground Truth và Predict Bounding Box Area of Union: vùng hợp giữa Ground Truth và Predict Bounding Box Qua đánh giá thì thông số IoU càng lớn đồng nghĩa vơi việc phần giao lớn và phần hợp nhỏ, suy ra nhã dự đoán cho ra giống với nhãn thật Hình 2.2: Minh họa về thông số IoU 2.2 Độ chính xác trung bình (mAP) Độ chính xác trung bình (Average Precision) là một thông số kết hợp độ chính xác ở các trường hợp khác nhau và có công thức tính như sau: Thông thường, một hệ thống sẽ được triển chạy thử nghiệm lần, thông số độ chính xác đã đề cập ở trên thường được tính trung bình trên tất cả các thử nghiệm. NĂMtHỌC: 2021t–t2022 Trang 6 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA 2.3 Bounding Box Là hộp chứa đóng khung để làm nổi bật các đối tượng được phát hiện trong một hình ảnh.

Mỗi hộp giới hạn trong hình ảnh đều bao gồm những thuộc tính như: chiều dài (bw), chiều cao (bh), lớp (class), trung tâm hộp giới hạn (bounding box center) (bx,by). Hình dưới là một ví dụ về bounding box.3: Ví dụ về bouning box 2.4 Hộp neo (Anchor Box) Hộp neo là những khung hình có các kích thước được xác định từ trước, chúng có tác dụng dự đoán những hộp giới hạn. Để tìm được hộp giới hạn cho đối tượng cần được phát hiện, YOLO sẽ sử dụng các hộp neo này để làm cơ sở ước lượng. Những hộp neo sẽ được mô hình xác định trước và sẽ bao quanh vật thể với chính xác tương đối cao.

Sau này hộp neo sẽ được tinh chỉnh lại bởi thuật toán Regression Bounding Box để tạo ra hộp giới hạn dự đoán cho vật thể. [5] Trong một mô hình YOLO: - Mỗi một đối tượng trong hình ảnh huấn luyện sẽ được phân bố về một hộp neo. Nếu trong trường hợp có từ hai hộp neo trở lên cùng bao quanh vật thể, thì việc lựa chọn sẽ ưu tiêm cho hộp neo có IoU ứng với khung hình được xác định trước từ bộ dữ liệu là cao nhất. NĂMtHỌC: 2021t–t2022 Trang 7 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA Hình 2.4: Xác định hộp neo cho một vật thể - Một ví dụ cụ thể trong việc xác định hộp neo.

Trong hình 2.4, từ ô có viền đen, ta xác định được tổng cộng 3 hộp neo viền xanh như được thể hiện trong hình. Cả 3 hộp neo này đều giao nhau với hộp giới hạn của vật thể. Tuy nhiên chỉ hộp neo có đường viền dày nhất màu xanh được lựa chọn làm hộp neo cho vật thể bởi nó có IoU IoU ứng với khung hình được xác định trước từ bộ dữ liệu là cao nhất.2 Kiến trúc của YOLOv5 Hình 2.5: Kiến trúc của YOLOv5. NĂMtHỌC: 2021t–t2022 Trang 8 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA Vì được nâng cấp từ phiên bản thấp hơn và được ra mắt chỉ sau vài ngày phiên bản cũ được ra mắt, kiến trúc của YOLOv5 chỉ có vài sự thay đổi tương đối nhỏ so với phiên bản YOLOv4, làm cho phiên bản mới dễ sử dụng và tăng tốc độ xử lý.

Kiến trúc của YOLOv5 được chia thành bốn phần [6]: - Ngõ vào: là quá trình tiền xử lý dữ liệu, bao gồm quá trình tăng cường dữ liệu. Để thích ứng với các tập dữ liệu khác nhau, YOLOv5 tích hợp việc tính toán thích ứng khung neo ở ngõ vào, nhằm tự động đặt kích thước khung neo ban đầu khi tập dữ liệu có sự thay đổi về kích thước [6]. Về cơ bản, tất cả các backbone đều là các mô hình được phân loại. Ví dụ: VGG16 - một trong những bộ phân loại học sâu ra đời sớm nhất, SqueezeNet, MobileNet, ShuffleNet… Những backbone này có nhiệm vụ thực hiện việc huấn luyện trên CPU.

- Neck (Cổ): có nhiệm vụ thu thập feature map ở những thời điểm khác nhau của backbone để có được nhiều thông tin nhất có thể và đẩy về lớp Head. - Head: có chức năng phát hiện đối tượng, khối này sẽ tìm những vùng có khả năng chứa đối tượng nhưng sẽ không cho biết đối tượng chính xác là gì.5 thể hiện đầy đủ các thành phần trong kiến trúc YOLOv5. Lớp này có hiệu suất đáng kể khi so sánh với mô-đun CSP trong phiên bản YOLOv4. Ngõ vào hình ảnh sẽ được lấy mẫu xuống năm lần thông qua backbone của mạng, sau đó lấy ba lớp đặc trưng cuối cùng làm ngõ vào cho khối head.

Lớp Upsample có chức năng lấy mẫu phản ứng tổng hợp của lớp trước trong lớp gần nhất.1 Backbone Mạng xương sống cho việc nhận dạng đối tượng thường được huấn luyện trước (pre-train) thông qua các bài toán phân loại ImageNet. Trọng số của mạng được điều chỉnh để xác định các đặc điểm có liên quan trong một hình ảnh. Nhiều backbone có thể được sử dụng như CSPResNext50, CSPDarkNet53, EfficientNet-B3. NĂMtHỌC: 2021t–t2022 Trang 9 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA Hình 2.6: Các backbone thường được sử dụng YOLOv5 triển khai mô hình mạng kết nối từng giai đoạn chéo (CSPNet - Cross- Stage Partial Connection) để trích xuất các đặc trưng của hình ảnh.

CSP giải quyết các vấn đề về sự trùng lặp về gradient trong xương sống của các mạng tích chập lớn khác, dẫn đến việc ít tham số hơn, đảm bảo tốc độ và độ chính xác, cũng như làm giảm kích thước mô hình. Ngoài ra, các mô hình CSPNet dựa trên một mạng dày đặc (DenseNet), được thiết kế để kết nối các lớp trong CNN. Ngoài ra DenseNet còn giúp tăng cường sự lan truyền tính năng, khuyến khích mạng tái sử dụng các tính năng, nhờ đó giảm đáng kể số lượng thông số trong mạng. Trong DenseNet, người ta thấy rằng một lượng lớn thông tin gradient được tái sử dụng để tiến hành cập nhật kịp thời các trọng số của các lớp dày đặc khác nhau.

Những điều trên dần dần dẫn dẫn đến việc các lớp đó liên tục học được thông tin của gradient.7: Mô hình của DenseNet NĂMtHỌC: 2021t–t2022 Trang 10 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA Có một vài điểm khác nhau của kiến trúc YOLOv5 so với kiến trúc tiền nhiệm của nó là YOLOv4. Sự khác biệt đầu tiên là kiến trúc YOLOv5 được thêm vào lớp tập trung (Focus Layer) trong phần mạng xương sống [8]. Điều này làm cải thiện hoạt động của dấu phẩy động mỗi giây (FLOPs) mà không làm ảnh hưởng đến độ chính xác.8: Cấu trúc của lớp tập trung (Focus layer) Trong mạng Backbone, dữ liệu được truyền đầu tiên vào các lớp tập trung để cắt giảm chiều rộng và độ dày của dữ liệu xuống còn một nửa so với ban đầu, nhằm tăng đáng kể tốc độ truyền tải trong mạng. Sau đó, dữ liệu sẽ được truyền qua tổng cộng bốn lớp chập và một lớp C3 [8].

Nhờ lớp C3, mạng Backbone có thể trích xuất nhiều chi tiết của đặc trưng hơn. Ngoài ra, các lớp này còn có mặt trong cả hai khối backbone và neck nhằm thúc đẩy sự kết hợp các tính năng.9: Cấu trúc của khối C3 NĂMtHỌC: 2021t–t2022 Trang 11 ĐỒ ÁN TỐTtNGHIỆP GVHD: PGS.TS PHAN VĂN CA Thông thường, với các mạng có lớp kết nối đầy đủ, kích thước ảnh đầu vào cần phải được giữ nguyên. Một mô-đun SPP (Spatial Pyramid Pooling) được thêm vào giữa lớp tích chập và lớp C3 nhằm giúp dữ liệu hình ảnh đầu vào có kích thước phong phú hơn mà không cần phải giữ kích thước cố định [8]. Mô-đun này được sử dụng để trích xuất các bản đồ đặc trưng có kích thước khác nhau từ hình ảnh đầu vào bằng nhiều phép chập và phép gộp.

SPP được đề xuất từ phiên bản YOLOv3,nhờ tính năng loại bỏ các ràng buộc về kích thước cố định của mạng, mô-đun này đóng một vai trò cực kỳ quan trọng trong việc kết hợp tính năng của mô-đun Head.10: Cấu trúc của khối SPP 2.2 Cổ (Neck) Trong mạng cổ, các cấu trúc kim tự tháp đặc trưng của FPN (Feature Pyramid Network) và PAN (Personal Area Network) được sử dụng.