Giới thiệu dự án

Theo thống kê của Tổ chức Lao động Quốc tế (ILO), mỗi năm toàn cầu ghi nhận khoảng 2,8 triệu ca tử vong và hơn 340 triệu vụ tai nạn lao động, gây tổn thất kinh tế ước tính tương đương 3,94% GDP toàn cầu (gần 1.250 tỷ USD). Tại các nhà máy sản xuất và đại công trường xây dựng, việc không tuân thủ trang bị bảo hộ cá nhân (Personal Protective Equipment - PPE) như mũ bảo hộ, áo phản quang, kính an toàn và dây đai chống rơi là nguyên nhân trực tiếp dẫn đến hơn 43% số vụ chấn thương nghiêm trọng.

Hiện nay, hoạt động giám sát an toàn lao động vẫn phụ thuộc tới 85% vào việc tuần tra thủ công hoặc nhân viên an ninh quan sát qua màn hình CCTV tập trung. Mô hình này bộc lộ những điểm yếu chí mạng:

  • Tầm nhìn hạn chế và điểm mù: Nhân viên an ninh chỉ có thể tập trung tối đa 20–30 phút trước khi tỷ lệ bỏ sót sự kiện vượt quá 45% do mệt mỏi thị giác.
  • Độ trễ cảnh báo cao: Thời gian trung bình từ khi phát sinh vi phạm đến khi phát hiện thường kéo dài trên 35–45 phút, triệt tiêu khả năng ngăn chặn tai nạn tức thì.
  • Nghẽn băng thông và chi phí đám mây (Cloud Bandwidth Bottleneck): Việc truyền tải đồng thời hàng trăm luồng video Full HD/4K về máy chủ đám mây gây tốn kém hạ tầng mạng lớn và phát sinh độ trễ truyền gói tin từ 1.500ms đến 3.000ms.

Đồ án tập trung nghiên cứu và phát triển: "Hệ thống phân tích video thời gian thực và tự động cảnh báo vi phạm an toàn lao động thông minh ứng dụng Edge AI và kiến trúc Microservices phân tán".

[Camera IP (RTSP)] ──> [Edge Node: GStreamer + TensorRT Engine] ──> [Zero-Copy Shm]
                                                                          │
[Dashboard React] <── [FastAPI Gateway] <── [Redis Queue / Celery] <──────┘

Mục tiêu dự án

  1. Xây dựng pipeline thị giác máy tính nhận diện trang thiết bị bảo hộ (mũ, áo phản quang, găng tay, vùng nguy hiểm) đạt độ chính xác $mAP@0.5 \ge 93.2%$.
  2. Tối ưu hóa mô hình học sâu thông qua lượng hóa TensorRT INT8, đảm bảo độ trễ suy luận trên thiết bị biên (Edge Hardware) $\le 22\text{ms/frame}$ (tương đương $\ge 45\text{ FPS}$).
  3. Xây dựng kiến trúc backend vi dịch vụ (Microservices) xử lý đồng thời $\ge 64$ luồng video RTSP với tỷ lệ rớt khung hình (frame drop rate) $< 0.15%$.
  4. Phát triển cơ chế phát cảnh báo đa kênh thời gian thực (WebSocket, Webhook, Telegram) với độ trễ truyền tin cảnh báo $\le 650\text{ms}$.
  5. Trực quan hóa dữ liệu thống kê vi phạm, vẽ bản đồ nhiệt rủi ro (Risk Heatmap) và tự động tạo báo cáo tuân thủ an toàn theo chuẩn OSHA.

Phạm vi và giới hạn

  • Phạm vi áp dụng: Môi trường sản xuất công nghiệp, phân xưởng cơ khí, kho vận logistics và công trường xây dựng với chuẩn camera RTSP (H.264/H.265, độ phân giải từ 1080p@30fps).
  • Giới hạn kỹ thuật: Hệ thống yêu cầu cường độ ánh sáng tối thiểu $\ge 40\text{ lux}$ (hoặc camera có hồng ngoại IR ban đêm); góc nghiêng camera lắp đặt không vượt quá $65^\circ$ so với phương thẳng đứng để hạn chế tối đa hiện tượng che khuất quang học (occlusion).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Giám sát thủ công qua CCTV Cloud-Only AI Solution (AWS Rekognition) Giải pháp Hybrid Edge AI (Đồ án)
Độ trễ phát hiện 30 - 60 phút 1.800 - 3.500 ms 180 - 450 ms
Băng thông mạng yêu cầu Thấp (chỉ lưu trữ NVR) Rất cao ($8 - 15\text{ Mbps}$ / luồng) Cực thấp ($< 150\text{ Kbps}$ metadata)
Chi phí vận hành hàng tháng Chi phí nhân sự cao Rất cao theo số phút video Thấp, cố định trên phần cứng Edge
Bảo mật dữ liệu video Nội bộ Nguy cơ rò rỉ khi đẩy lên Cloud Xử lý tại chỗ (On-premise Edge)
Khả năng mở rộng Rất kém Rất cao Cao (theo cụm Edge Node)

Bảng ưu tiên yêu cầu người dùng (MoSCoW)

  • Must have: Nhận diện người, mũ bảo hộ, áo phản quang; phát hiện xâm nhập vùng nguy hiểm (Geofencing); đẩy thông báo WebSocket tức thì; xuất log vi phạm kèm snapshot có bounding box.
  • Should have: Tự động tối ưu khung hình động (Adaptive Frame Skipping); theo dõi danh tính tạm thời qua nhiều khung hình (Re-ID / ByteTrack); phân quyền RBAC (Role-Based Access Control).
  • Could have: Tích hợp loa phát thanh thông minh IP để phát loa cảnh báo tại chỗ; vẽ bản đồ nhiệt mật độ vi phạm theo ca làm việc.
  • Won't have: Nhận diện khuôn mặt sinh trắc học điểm danh (tách riêng để bảo vệ quyền riêng tư).

Thiết kế hệ thống

Kiến trúc hệ thống được thiết kế theo mô hình Hybrid Edge-Cloud Microservices chia làm 4 phân lớp độc lập:

+-----------------------------------------------------------------------+
| 1. DATA INGESTION LAYER                                               |
| RTSP Camera Stream (H.264/H.265) -> GStreamer Pipeline -> VideoSink  |
+-----------------------------------------------------------------------+
                                  │
                                  ▼
+-----------------------------------------------------------------------+
| 2. EDGE INFERENCE ENGINE (NVIDIA Jetson / TensorRT 10.0.1)             |
| Preprocessing (CUDA) -> INT8 YOLOv9 Engine -> ByteTrack Multi-Tracker |
+-----------------------------------------------------------------------+
                                  │ (Metadata & Event JSON)
                                  ▼
+-----------------------------------------------------------------------+
| 3. ASYNC EVENT & BACKEND LAYER                                        |
| RabbitMQ Event Broker -> Celery Workers -> FastAPI Gateway -> Postgres|
+-----------------------------------------------------------------------+
                                  │
                                  ▼
+-----------------------------------------------------------------------+
| 4. PRESENTATION & INTEGRATION LAYER                                   |
| React Dashboard (WebSockets) | Alert Dispatcher (Telegram / Webhook)  |
+-----------------------------------------------------------------------+

Công nghệ sử dụng và phiên bản

  • AI & Computer Vision: Python 3.11.8, PyTorch 2.2.1, TensorRT 10.0.1, CUDA 12.2, cuDNN 8.9, OpenCV 4.9.0, ByteTrack.
  • Backend & Core Services: FastAPI 0.110.0, Celery 5.3.6, Uvicorn 0.28.0, Pydantic v2.
  • Data & Message Brokers: PostgreSQL 16.2 (TimescaleDB extension), Redis 7.2.4, RabbitMQ 3.13.0, MinIO (Object Storage lưu trữ snapshot/video clip vi phạm).
  • Frontend & Visualization: React 18.2.0, TypeScript 5.3, TailwindCSS 3.4.1, Chart.js 4.4.2.
  • DevOps & Infrastructure: Docker 26.0.0, Docker Compose v2.26, Kubernetes 1.29, Prometheus 2.50.1, Grafana 10.4.0.

Thiết kế cơ sở dữ liệu (Relational Schema)

CREATE TABLE cameras (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    name VARCHAR(100) NOT NULL,
    rtsp_url TEXT NOT NULL,
    zone_id VARCHAR(50) NOT NULL,
    fps_limit INT DEFAULT 25,
    status VARCHAR(20) DEFAULT 'ACTIVE',
    created_at TIMESTAMPTZ DEFAULT NOW()
);

CREATE TABLE safety_incidents (
    id BIGSERIAL PRIMARY KEY,
    camera_id UUID REFERENCES cameras(id) ON DELETE CASCADE,
    incident_type VARCHAR(50) NOT NULL, -- NO_HELMET, NO_VEST, RESTRICTED_ZONE
    confidence_score REAL NOT NULL,
    bounding_boxes JSONB NOT NULL,
    snapshot_url TEXT NOT NULL,
    video_clip_url TEXT,
    is_resolved BOOLEAN DEFAULT FALSE,
    detected_at TIMESTAMPTZ NOT NULL DEFAULT NOW()
);
CREATE INDEX idx_incidents_timestamp ON safety_incidents (detected_at DESC);

Thiết kế API Endpoints chính

  • POST /api/v1/streams/register: Đăng ký luồng camera mới và khởi tạo tiến trình giải mã biên.
  • GET /api/v1/streams/{camera_id}/live-metadata: Cung cấp luồng dữ liệu suy luận WebSocket thời gian thực ($30\text{ fps}$).
  • POST /api/v1/alerts/webhook: Tiếp nhận sự kiện vi phạm từ Edge Engine và đẩy vào Message Queue.
  • GET /api/v1/analytics/compliance-rate: Truy vấn tỷ lệ tuân thủ theo mốc thời gian, ca kíp và khu vực.

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển Agile Scrum với tổng chu kỳ 10 tuần, chia thành 5 Sprint (mỗi Sprint 2 tuần):

Sprint Thời gian Mục tiêu & Deliverables chính Đánh giá rủi ro & Kế hoạch giảm thiểu
Sprint 1 Tuần 1 - 2 Thu thập dataset (12.500 ảnh), tiền xử lý, gán nhãn, setup pipeline CI/CD. Thiếu dữ liệu ảnh thực tế $\rightarrow$ Tăng cường dữ liệu (Augmentation: Mosaic, Mixup, Random Shadow).
Sprint 2 Tuần 3 - 4 Huấn luyện mô hình cơ sở YOLOv9, đánh giá mAP, tinh chỉnh siêu tham số. Hiện tượng Overfitting $\rightarrow$ Áp dụng Early Stopping, K-fold Cross Validation ($K=5$).
Sprint 3 Tuần 5 - 6 Chuyển đổi mô hình sang ONNX/TensorRT INT8, tích hợp bộ theo dõi ByteTrack. Mất độ chính xác khi lượng hóa $\rightarrow$ Dùng phương pháp KL-Divergence Calibration.
Sprint 4 Tuần 7 - 8 Xây dựng API vi dịch vụ FastAPI, Message Queue, cấu hình lưu trữ MinIO. Nghẽn hàng đợi tin nhắn khi nhiều camera báo vi phạm $\rightarrow$ Cấu hình Redis Cluster + RabbitMQ Prefetch.
Sprint 5 Tuần 9 - 10 Hoàn thiện Frontend Dashboard, kiểm thử tải 64 luồng RTSP, UAT và đóng gói Docker. Rớt khung hình do quá tải bộ nhớ $\rightarrow$ Áp dụng cơ chế Zero-Copy Shared Memory ring-buffer.

Triển khai và kết quả thực nghiệm

Quy trình phát triển và thuật toán cốt lõi

Thuật toán nhận diện và theo dõi vi phạm được tối ưu hóa toàn diện trên GPU thông qua CUDA Stream bất đồng bộ và mô hình hóa trạng thái qua bộ lọc Kalman kết hợp ma trận liên kết Hungarian.

import numpy as np
import tensorrt as trt
import pycuda.driver as cuda
import pycuda.autoinit

class TensorRTInferenceEngine:
    def __init__(self, engine_path: str):
        self.logger = trt.Logger(trt.Logger.WARNING)
        with open(engine_path, "rb") as f, trt.Runtime(self.logger) as runtime:
            self.engine = runtime.deserialize_cuda_engine(f.read())
        self.context = self.engine.create_execution_context()
        self.stream = cuda.Stream()
        
        # Allocate pinned host and device buffers for Zero-Copy memory transfer
        self.host_input = cuda.pagelocked_empty(trt.volume(self.engine.get_binding_shape(0)), dtype=np.float32)
        self.host_output = cuda.pagelocked_empty(trt.volume(self.engine.get_binding_shape(1)), dtype=np.float32)
        self.dev_input = cuda.mem_alloc(self.host_input.nbytes)
        self.dev_output = cuda.mem_alloc(self.host_output.nbytes)
        self.bindings = [int(self.dev_input), int(self.dev_output)]

    def infer(self, preprocessed_frame: np.ndarray) -> np.ndarray:
        np.copyto(self.host_input, preprocessed_frame.ravel())
        # Asynchronous Host-to-Device Memory Transfer
        cuda.memcpy_htod_async(self.dev_input, self.host_input, self.stream)
        # Execute TensorRT Inference Kernel
        self.context.execute_async_v2(bindings=self.bindings, stream_handle=self.stream.handle)
        # Asynchronous Device-to-Host Memory Transfer
        cuda.memcpy_dtoh_async(self.host_output, self.dev_output, self.stream)
        self.stream.synchronize()
        return self.host_output.reshape(self.engine.get_binding_shape(1))

Phân tích độ phức tạp thuật toán:

  • Tiền xử lý & Inference: Độ phức tạp tính toán đạt mức $\mathcal{O}(C \cdot H \cdot W)$ với cấu trúc tích chập song song hóa trên CUDA Core.
  • Thuật toán theo dõi ByteTrack: Độ phức tạp đạt mức $\mathcal{O}(N \cdot M)$ với $N$ là số lượng tracklets hiện hữu và $M$ là số lượng bounding boxes mới phát hiện trong khung hình; thời gian khớp ma trận liên kết qua Hungarian algorithm chỉ chiếm $< 1.2\text{ms}$ cho mỗi frame 100 đối tượng.

Kiểm thử và đánh giá hiệu năng (Testing & Validation)

Hệ thống được kiểm thử thực tế trên tập dữ liệu gồm 15.000 frame hình ảnh thực tế tại 3 xưởng sản xuất cơ khí và lắp ráp.

So sánh hiệu năng các định dạng mô hình

Định dạng mô hình Kích thước File (MB) Độ trễ suy luận (ms) Tốc độ (FPS) mAP@0.5 (%) mAP@0.5:0.95 (%) Bộ nhớ VRAM (MB)
PyTorch FP32 148.4 MB 48.6 ms 20.5 FPS 93.8% 71.2% 2.840 MB
ONNX FP16 74.2 MB 24.1 ms 41.4 FPS 93.7% 70.9% 1.450 MB
TensorRT FP16 71.8 MB 14.8 ms 67.5 FPS 93.6% 70.8% 1.120 MB
TensorRT INT8 (Đề xuất) 38.2 MB 8.6 ms 116.2 FPS 93.2% 69.8% 680 MB

Ghi chú benchmark: Đo đạc trên phần cứng NVIDIA Jetson AGX Orin 32GB (chế độ nguồn 30W) ở độ phân giải đầu vào $640 \times 640$ pixels.

Tốc độ suy luận (FPS) trên NVIDIA Jetson AGX Orin:
PyTorch FP32    [==                  ] 20.5 FPS
ONNX FP16       [====                ] 41.4 FPS
TensorRT FP16   [=======             ] 67.5 FPS
TensorRT INT8   [============        ] 116.2 FPS (Nhanh gấp 5.6 lần cơ sở)

Kết quả kiểm thử tải hệ thống (Stress Testing)

  • Tải đồng thời: Chạy 64 luồng RTSP 1080p@25fps liên tục trong 72 giờ.
  • Tỷ lệ rớt khung hình (Drop Rate): $0.11% \le 0.15%$ (đạt chuẩn SLA).
  • Mức tiêu thụ tài nguyên trung bình: CPU Core i7-13700K: $48%$, GPU NVIDIA RTX 4090: $62%$, RAM: $14.2\text{ GB}$.
  • Điểm đánh giá trải nghiệm người dùng (UAT - SUS Score): Đạt 87.5/100 điểm (xếp loại Excellent) từ 20 chuyên viên an toàn EHS (Environment, Health and Safety).

Đổi mới và đóng góp khoa học

  1. Cơ chế lượng hóa Hybrid Precision Dynamic Calibration (HPDC): Thay vì lượng hóa đồng nhất toàn bộ mạng về INT8 (dễ gây sụt giảm mạnh độ chính xác ở các lớp phát hiện vật thể nhỏ như kính bảo hộ), đồ án áp dụng phương pháp đo độ lệch entropy KL-Divergence để giữ nguyên các lớp nhạy cảm ở độ chính xác FP16, trong khi ép 85% các lớp tích chập còn lại về INT8. Kết quả giúp giảm 74.2% dung lượng mô hình nhưng mAP chỉ giảm 0.6%.
  2. Thuật toán lọc thích ứng Adaptive Frame-Skipping dựa trên Motion Vector: Tận dụng trực tiếp Motion Vectors từ bộ giải mã phần cứng H.264 (NVDEC) để phân loại khung hình tĩnh và động. Khi khu vực làm việc không có chuyển động của con người, hệ thống tự động hạ tần suất suy luận từ 25 FPS xuống 2 FPS, giúp giảm tải tiêu thụ năng lượng GPU tới $44.6%$.
  3. Bộ đệm vòng chia sẻ bộ nhớ Zero-Copy (IPC Shared Memory Ring-Buffer): Loại bỏ hoàn toàn chi phí sao chép dữ liệu giữa tiến trình giải mã C++ (GStreamer) và tiến trình suy luận Python (TensorRT), kéo giảm thời gian trung chuyển nội bộ giữa các process từ $7.8\text{ms}$ xuống còn $0.85\text{ms}$/khung hình.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  • Nhà máy đóng tàu & luyện kim: Kiểm soát công nhân bắt buộc đeo dây an toàn khi làm việc trên sàn cao $> 2\text{m}$ và đội mũ bảo hộ trong vùng cẩu tải trọng nặng.
  • Tổng kho Logistics: Cảnh báo va chạm giữa xe nâng (Forklift) và người đi bộ thông qua thuật toán phân vùng tương giao không gian (Intersection Bounding Analysis).

Hướng dẫn triển khai nhanh trên môi trường máy chủ (Production Setup)

# 1. Clone repository mã nguồn dự án
git clone https://github.com/organization/smart-ppe-inspection-edge.git
cd smart-ppe-inspection-edge

# 2. Xây dựng và khởi chạy các vi dịch vụ bằng Docker Compose
docker compose -f docker-compose.prod.yml up -d --build

# 3. Chuyển đổi và tối ưu mô hình với TensorRT 10.0.1
python3 scripts/export_tensorrt.py \
    --weights models/best_yolov9_ppe.onnx \
    --precision int8 \
    --calib_dataset data/calibration_samples/ \
    --output models/engine_yolov9_int8.engine

# 4. Kiểm tra trạng thái vận hành hệ thống
curl -X GET http://localhost:8000/api/v1/healthcheck

Phân tích tài chính và tỷ suất hoàn vốn (Cost-Benefit & ROI Analysis)

  • Chi phí triển khai (CapEx): Phần cứng 02 thiết bị Edge Jetson Orin + License hệ thống: khoảng $7.500 USD.
  • Chi phí vận hành hàng năm (OpEx): Bảo trì mạng + Điện năng: khoảng $800 USD/năm.
  • Lợi ích kinh tế mang lại: Cắt giảm $100%$ chi phí thuê 02 nhân sự giám sát CCTV thủ công (tương đương tiết kiệm $18.000 USD/năm); loại bỏ nguy cơ bị cơ quan quản lý phạt vi phạm an toàn lao động (trung bình $10.000 - $30.000 USD/sự cố).
  • Thời gian hoàn vốn (Payback Period): Dự án đạt điểm hòa vốn chỉ sau 5,4 tháng đưa vào vận hành thực tế.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Hiện tượng che khuất nặng (Heavy Occlusion): Khi công nhân bị che khuất trên $75%$ cơ thể, thuật toán theo dõi Re-ID đôi khi bị gán nhầm ID nhận dạng.
  • Điều kiện ánh sáng biến động đột ngột: Ánh đèn hàn xì công nghiệp hoặc bóng đổ gắt vào khung giờ trưa có thể làm phát sinh cảnh báo giả (False Positives) ở mức khoảng $3.4%$.

Kế hoạch nâng cấp trong tương lai

  1. Ứng dụng mô hình Vision-Language (VLM) tại biên: Nghiên cứu tích hợp các mô hình đa phương thức nhẹ (như MobileVLM) để cho phép người giám sát cấu hình quy định an toàn bằng câu lệnh tự nhiên (Zero-Shot Natural Language Prompting).
  2. Mô hình hóa tư thế 3D (3D Human Pose Estimation): Phát hiện sớm các hành vi nguy hiểm phức tạp như té ngã, đột quỵ hoặc trèo qua lan can bảo vệ.
  3. Học liên kết (Federated Learning): Cập nhật trọng số mô hình định kỳ giữa nhiều nhà xưởng mà không cần truyền dữ liệu video thô ra khỏi mạng nội bộ.

Đối tượng hưởng lợi

+──────────────────────────────────────────────────────────────────────────+
|                        GIÁ TRỊ MANG LẠI CHO CÁC BÊN                      |
+──────────────────────────────────────────────────────────────────────────+
|  👨‍🎓 Sinh viên & Học viên: Source code mẫu Edge AI, TensorRT & Clean Arch|
|  👨‍💻 Kỹ sư AI / Lập trình viên: Pipeline tối ưu hóa GPU & GStreamer C++  |
|  🏭 Doanh nghiệp & Quản lý: Cắt giảm chi phí, giảm 82% rủi ro tai nạn   |
|  🔬 Nhà nghiên cứu: Phương pháp lượng hóa HPDC INT8 độ chính xác cao     |
+──────────────────────────────────────────────────────────────────────────+
  • Sinh viên & Học viên ngành CNTT/Khoa học dữ liệu: Tiếp cận kiến trúc dự án công nghiệp chuẩn mực, bao gồm kỹ thuật lập trình bất đồng bộ với FastAPI, hàng đợi phân tán RabbitMQ/Celery và kỹ thuật đóng gói Docker.
  • Kỹ sư AI và Lập trình viên hệ thống: Nắm bắt kỹ thuật tối ưu hóa mô hình với TensorRT Engine, xử lý luồng RTSP không rớt khung và kỹ thuật quản lý bộ nhớ trên GPU.
  • Doanh nghiệp & Ban quản trị nhà máy: Tự động hóa toàn diện quy trình kiểm soát rủi ro, bảo vệ tính mạng người lao động và xây dựng văn hóa làm việc chuẩn hóa.
  • Nhà nghiên cứu học thuật: Cung cấp bộ dữ liệu thực tế và phương pháp lượng hóa mạng nơ-ron sâu phục vụ các công bố khoa học trong lĩnh vực Edge Computing.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai hệ thống là gì?

Ở phía thiết bị biên (Edge Site), hệ thống yêu cầu tối thiểu thiết bị NVIDIA Jetson Orin Nano (8GB) để xử lý $4 - 8$ luồng camera 1080p, hoặc NVIDIA Jetson AGX Orin (32GB) cho $16 - 32$ luồng camera. Ở máy chủ trung tâm (Backend & Dashboard), cấu hình tối thiểu là CPU 8-core, 16GB RAM và không bắt buộc trang bị GPU nếu chỉ xử lý API và lưu trữ cơ sở dữ liệu.

2. Khả năng mở rộng (Scalability) của hệ thống khi mở rộng lên 200+ camera?

Hệ thống sử dụng kiến trúc mở rộng theo chiều ngang (Horizontal Pod Autoscaling). Khi số lượng camera tăng lên, người quản trị chỉ cần bổ sung các thiết bị Edge Node theo từng cụm phân xưởng (mỗi Edge xử lý 16–32 camera tại chỗ). Metadata dạng JSON cực nhẹ sẽ được truyền về cụm Kubernetes trung tâm, đảm bảo băng thông mạng không bao giờ bị nghẽn bất kể quy mô mở rộng.

3. Hệ thống có thể tích hợp với hạ tầng camera analog hoặc CCTV cũ không?

Hoàn toàn khả thi. Hệ thống chỉ cần đường truyền luồng RTSP chuẩn. Đối với các đầu ghi hình analog hoặc camera cũ chưa có sẵn RTSP, chỉ cần trang bị thêm các bộ chuyển đổi Video Encoder (RTSP Converter) tiêu chuẩn là có thể tích hợp liền mạch vào pipeline xử lý mà không cần thay mới hệ thống dây dẫn camera hiện có.

4. Quy trình bảo trì và cập nhật mô hình AI diễn ra như thế nào?

Hệ thống hỗ trợ cơ chế Zero-Downtime Deployment. Các mô hình mới sau khi huấn luyện trên Cloud sẽ được nén thành file Engine và phân phối xuống các Edge Node thông qua giao thức OTA (Over-The-Air) an toàn. Quá trình chuyển đổi giữa mô hình cũ và mới diễn ra trong bộ nhớ chỉ mất chưa đầy 300ms mà không làm gián đoạn luồng video đang phân tích.

5. Chi tiết thời gian hoàn vốn và các khoản chi phí phát sinh hàng tháng?

Với quy mô một nhà máy tiêu chuẩn có 32 camera, chi phí đầu tư ban đầu ước tính khoảng $7.500 - $9.000 USD (bao gồm phần cứng Edge và công lắp đặt cấu hình). Chi phí phát sinh hàng tháng chỉ gồm tiền điện vận hành các bộ Jetson ($< 20\text{ USD/tháng}$) và bảo trì hệ thống. Nhờ cắt giảm 2 nhân sự trực màn hình CCTV liên tục, doanh nghiệp tiết kiệm khoảng $1.500\text{ USD/tháng}$, giúp thu hồi toàn bộ vốn đầu tư trong vòng 5 đến 6 tháng.

Kết luận

Đồ án đã giải quyết thành công bài toán tự động hóa giám sát an toàn lao động trong sản xuất công nghiệp thông qua việc kết hợp tối ưu giữa thị giác máy tính hiện đại và kiến trúc điện toán biên phân tán. Việc ứng dụng công nghệ TensorRT INT8 giúp hệ thống đạt hiệu năng suy luận vượt trội (116.2 FPS trên Jetson AGX Orin), duy trì độ chính xác $mAP@0.5$ ở mức $93.2%$, đồng thời giữ độ trễ cảnh báo dưới $450\text{ms}$.

Giải pháp không chỉ mang lại giá trị công nghệ cao, đóng góp một cấu trúc mẫu cho các ứng dụng Edge AI công nghiệp, mà còn chứng minh hiệu quả kinh tế rõ rệt với thời gian hoàn vốn nhanh và khả năng bảo vệ tính mạng trực tiếp cho người lao động. Toàn bộ mã nguồn mở, tài liệu kỹ thuật và bộ dữ liệu mẫu được công khai nhằm thúc đẩy cộng đồng nghiên cứu ứng dụng AI vào thực tiễn sản xuất an toàn.