HCMUTE Thiết Kế Mô Hình Camera Đo Thân Nhiệt và Nhắc Nhở Đeo Khẩu Trang

• Tác giả: Thái Nguyễn Kỳ Duyên
• Người hướng dẫn: ThS. Ngô Bá Việt
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Y Sinh
• Đề tài: Mô Hình Camera Đo Thân Nhiệt và Nhắc Nhở Đeo Khẩu Trang Tại HCMUTE
• Loại tài liệu: Luan Van
• Năm xuất bản: 2022
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• MỞ ĐẦU
• 0.1. Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài
• 0.2. Lý do chọn đề tài
• 0.3. Mục tiêu đề tài
• 0.4. Phương pháp nghiên cứu
• 0.5. Đối tượng và phạm vi nghiên cứu
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT
• 1.1. TỔNG QUAN VỀ NHIỆT ĐỘ CƠ THỂ CON NGƯỜI
• 1.2. CÁC PHƯƠNG PHÁP ĐO NHIỆT ĐỘ
• 1.2.1. Phương pháp đo nhiệt độ tiếp xúc
• 1.2.2. Phương pháp đo nhiệt độ không tiếp xúc
• 1.3. PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT
• 1.4. MÔ HÌNH CNN – CONVOLUTIONAL NEURAL NETWORK
• 1.4.1. Lớp tích chập
• 1.4.2. Hàm kích hoạt
• 1.4.3. Lớp tổng hợp
• 1.4.4. Lớp kết nối đầy đủ
• 1.5. THƯ VIỆN OPENCV
• 1.6. THƯ VIỆN TENSORFLOW
• 1.7. THƯ VIỆN KERAS
• 1.8. CHUẨN GIAO TIẾP I2C
• 1.9. NGÔN NGỮ LẬP TRÌNH PYTHON
• 1.10. GIỚI THIỆU PHẦN CỨNG
• 1.10.1. Vi điều khiển Raspberry Pi 4 Model B
• 1.10.2. Cảm biến ảnh nhiệt AMG8833
• 1.10.3. Loa phát di động
• 2. CHƯƠNG 2: PHƯƠNG PHÁP THỰC HIỆN
• 2.1. TÍNH TOÁN VÀ THIẾT KẾ MÔ HÌNH
• 2.1.1. Thiết kế sơ đồ khối mô hình. Tính toán và thiết kế mạch
• 2.1.2. Sơ đồ nguyên lý của toàn mạch
• 2.1.3. Thiết kế vỏ hộp mô hình
• 2.2. THIẾT KẾ MÔ HÌNH MẠNG CNN
• 2.3. PHƯƠNG PHÁP ĐO NHIỆT ĐỘ
• 2.4. PHƯƠNG PHÁP ĐÁNH GIÁ MÔ HÌNH HUẤN LUYỆN DỮ LIỆU
• 2.5. LẬP TRÌNH HỆ THỐNG
• 2.5.1. Quy trình thu thập dữ liệu tập mẫu huấn luyện mô hình
• 2.5.2. Lưu đồ quy trình huấn luyện tập dữ liệu
• 2.5.3. Lưu đồ chương trình chính
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
• 3.1. KẾT QUẢ THI CÔNG MÔ HÌNH
• 3.1.1. Danh sách linh kiện
• 3.1.2. Lắp ráp và kiểm tra
• 3.1.3. Kết quả mô hình hoàn thiện
• 3.2. KẾT QUẢ NHẬN DẠNG NGƯỜI KHÔNG ĐEO KHẨU TRANG
• 3.2.1. Tập dữ liệu huấn luyện
• 3.2.2. Kết quả của quá trình huấn luyện tập dữ liệu. Kết quả nhận dạng người không đeo khẩu trang
• 3.3. KẾT QUẢ PHẦN ĐO NHIỆT ĐỘ
• 3.4. ĐÁNH GIÁ THỜI GIAN ĐÁP ỨNG CỦA MÔ HÌNH
• PHỤ LỤC
• appendix.1. BỔ SUNG CHƯƠNG TRÌNH CHO RASPBERRY
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Mô hình Camera Đo Thân Nhiệt và Nhắc Nhở Đeo Khẩu Trang tại HCMUTE Tổng quan hệ thống

Đề tài nghiên cứu tập trung vào thiết kế và thi công mô hình camera đo thân nhiệt và nhắc nhở đeo khẩu trang tại HCMUTE. Đây là một giải pháp camera đo thân nhiệt ứng dụng công nghệ hiện đại nhằm hỗ trợ công tác phòng chống dịch bệnh. Hệ thống tích hợp nhiều thành phần quan trọng, bao gồm: camera đo thân nhiệt, hệ thống camera an ninh đo thân nhiệt, phần mềm camera đo thân nhiệt, và hệ thống nhắc nhở đeo khẩu trang. Mục tiêu chính là phát hiện người có thân nhiệt cao và không đeo khẩu trang, góp phần đảm bảo an toàn trong trường học. Nghiên cứu sử dụng phương pháp machine learning để nhận diện khuôn mặt, kết hợp với cảm biến ảnh nhiệt hồng ngoại để đo thân nhiệt không tiếp xúc. Raspberry Pi 4 Model B đóng vai trò là máy tính nhúng điều khiển toàn bộ hệ thống. Hệ thống được thiết kế nhỏ gọn, dễ di chuyển và lắp đặt, đáp ứng nhu cầu thực tế của môi trường trường học. Nghiên cứu đánh giá hiệu quả của hệ thống thông qua việc đo sai số nhiệt độ và đánh giá độ chính xác của phần mềm nhận diện khuôn mặt đeo khẩu trang.

1.1. Thành phần phần cứng và phần mềm

Phần cứng bao gồm Raspberry Pi 4 Model B (thiết bị đo thân nhiệt HCMUTE), cảm biến ảnh nhiệt AMG8833 (cảm biến nhiệt HCMUTE), webcam (camera đo thân nhiệt HCMUTE), và loa phát di động. Cảm biến AMG8833 cung cấp dữ liệu nhiệt độ, webcam xử lý hình ảnh nhận diện khuôn mặt, và loa phát ra cảnh báo. Phần mềm sử dụng ngôn ngữ lập trình Python, kết hợp các thư viện như OpenCV (phần mềm camera đo thân nhiệt) và TensorFlow/Keras (phần mềm nhận diện khuôn mặt). Hệ thống camera an ninh đo thân nhiệt dựa trên sự kết hợp chặt chẽ giữa phần cứng và phần mềm này. Thiết kế hệ thống ưu tiên sự đơn giản và dễ sử dụng, đảm bảo tính ổn định và độ chính xác cao. Lập đặt camera đo thân nhiệt HCMUTE cần tuân thủ các hướng dẫn chi tiết để đảm bảo hiệu quả hoạt động. Chi phí lập đặt camera đo thân nhiệt được tính toán dựa trên giá thành các linh kiện và công sức lắp ráp.

1.2. Thuật toán và phương pháp xử lý

Hệ thống áp dụng mô hình nhận diện khuôn mặt dựa trên mạng nơ-ron tích chập CNN (mô hình nhận diện khuôn mặt đo thân nhiệt). Dữ liệu huấn luyện được thu thập và xử lý để đảm bảo độ chính xác của hệ thống. Phương pháp đo nhiệt độ không tiếp xúc sử dụng cảm biến hồng ngoại AMG8833, cho phép đo nhiệt độ từ xa mà không cần tiếp xúc trực tiếp với đối tượng. Giải pháp camera đo thân nhiệt HCMUTE được thiết kế để tối ưu hóa tốc độ xử lý và độ chính xác trong việc phát hiện người có thân nhiệt cao và không đeo khẩu trang. Phương pháp đánh giá mô hình huấn luyện dữ liệu bao gồm các chỉ số đánh giá như độ chính xác (accuracy), độ nhạy (sensitivity), độ đặc hiệu (specificity). Hệ thống nhắc nhở đeo khẩu trang HCMUTE được tích hợp vào hệ thống chính. Phát hiện thân nhiệt cao HCMUTE được thực hiện thông qua ngưỡng nhiệt độ được cài đặt sẵn. Sơ đồ khối mô hình thể hiện rõ ràng quá trình xử lý dữ liệu, từ thu nhận hình ảnh đến phát ra cảnh báo.

II. Kết quả và đánh giá

Kết quả cho thấy hệ thống hoạt động hiệu quả trong việc phát hiện người không đeo khẩu trang trong phạm vi 1m, điều kiện đủ sáng. Kết quả nhận dạng người không đeo khẩu trang đạt độ chính xác cao. Sai số đo nhiệt độ trung bình so với thiết bị chuẩn chỉ khoảng 0.09°C. Kết quả đo nhiệt độ được đánh giá dựa trên so sánh với súng đo nhiệt OMRON. Thời gian đáp ứng của hệ thống được tối ưu hóa. Báo cáo camera đo thân nhiệt ghi nhận đầy đủ các thông số kỹ thuật và kết quả đánh giá. Nghiên cứu đã thành công trong việc tích hợp camera đo thân nhiệt, kết hợp giữa đo thân nhiệt và nhận diện khuôn mặt. An toàn trường học HCMUTE được nâng cao nhờ hệ thống này. Giám sát thân nhiệt HCMUTE trở nên hiệu quả và thuận tiện hơn.

2.1. Phân tích kết quả nhận dạng khuôn mặt

Dữ liệu huấn luyện được thu thập từ nhiều nguồn khác nhau nhằm đảm bảo tính đa dạng và đại diện cho thực tế. Kết quả huấn luyện tập dữ liệu được thể hiện qua các đồ thị accuracy và loss. Hệ thống đạt được độ chính xác cao trong việc nhận diện khuôn mặt đeo và không đeo khẩu trang ở các góc độ khác nhau. Tập dữ liệu huấn luyện được mô tả chi tiết trong báo cáo. Kết quả nhận dạng người không đeo khẩu trang được phân tích ở các khoảng cách khác nhau, cho thấy hiệu quả của hệ thống trong điều kiện thực tế. Ma trận nhầm lẫn được sử dụng để đánh giá chi tiết hơn hiệu suất của hệ thống. Ứng dụng camera đo thân nhiệt trong việc giám sát an ninh trường học mang lại nhiều lợi ích thiết thực.

2.2. Phân tích kết quả đo thân nhiệt và thời gian đáp ứng

Kết quả đo nhiệt độ cho thấy hệ thống có độ chính xác cao, sai số nhỏ so với thiết bị chuẩn. Kết quả đo nhiệt độ của mô hình được so sánh với kết quả đo của súng đo nhiệt OMRON. Đánh giá thời gian đáp ứng của mô hình cho thấy hệ thống hoạt động nhanh chóng và hiệu quả. Đo thân nhiệt không tiếp xúc đảm bảo tính an toàn và vệ sinh. Giải pháp an ninh trường học HCMUTE được hoàn thiện hơn nhờ hệ thống này. Phòng chống dịch bệnh HCMUTE được hỗ trợ tích cực. Công nghệ đo thân nhiệt được ứng dụng hiệu quả. An toàn trường học được đảm bảo tốt hơn. Hệ thống giám sát hoạt động ổn định và chính xác. Hướng dẫn sử dụng camera đo thân nhiệt được cung cấp đầy đủ.

III. Kết luận và kiến nghị

Nghiên cứu đã thành công trong việc thiết kế và thi công mô hình camera đo thân nhiệt và nhắc nhở đeo khẩu trang. Hệ thống hoạt động hiệu quả, đáp ứng được yêu cầu đặt ra. Mô hình camera đo thân nhiệt này có thể được áp dụng rộng rãi trong các trường học, bệnh viện, cơ quan. Nghiên cứu đóng góp vào công tác phòng chống dịch bệnh và đảm bảo an toàn cộng đồng. Giải pháp phòng chống dịch bệnh HCMUTE được tăng cường. Đại học Công nghệ TP.HCM có thể ứng dụng thành quả này vào thực tiễn.