Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và tự động hóa nhà thông minh (Smart Home), nhu cầu về các giải pháp giám sát an ninh chủ động ngày càng gia tăng. Theo thống kê từ Hiệp hội An ninh Nhà ở Quốc tế, các hệ thống an ninh cố định truyền thống bỏ sót tới 35% các điểm mù trong không gian kiến trúc dân dụng, đồng thời tỷ lệ báo động giả từ các cảm biến đơn lẻ chưa qua xác thực đa tầng lên tới 40%. Đề tài "Nghiên cứu và thiết kế mô hình xe robot giám sát an ninh hộ gia đình" do sinh viên Hồ Hoài Linh và Ngô Đức Huy thực hiện dưới sự hướng dẫn của ThS. Nguyễn Đình Phú (Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh) đã giải quyết triệt để bài toán này thông qua mô hình robot tuần tra di động tích hợp thị giác máy tính và mạng lưới vạn vật kết nối (IoT).

                            HỆ THỐNG GIÁM SÁT AN NINH TOÀN DIỆN
 ┌────────────────────────┐        ┌─────────────────────────┐        ┌────────────────────────┐
 │   CẢM BIẾN & XỬ LÝ     │        │    ĐIỀU KHIỂN & TRUYỀN   │        │     NGƯỜI DÙNG CUỐI    │
 │ • Camera CSI OV5647    │───────>│ • Raspberry Pi 3 Model B│───────>│ • Web Streaming (WAN)  │
 │ • PIR, MQ-2, DHT11     │        │ • ESP8266 NodeMCU       │        │ • App Android & Firebase│
 │ • Haar Cascade Vision  │        │ • Driver L298N + PWM    │        │ • Cảnh báo Email/Còi   │
 └────────────────────────┘        └─────────────────────────┘        └────────────────────────┘

Vấn đề thực tiễn và điểm nghẽn kỹ thuật (Pain Points)

  • Điểm mù không gian cố định: Camera an ninh gắn tường (CCTV) có góc nhìn hạn chế, không thể bao quát các góc khuất, chân cầu thang, hành lang sâu hoặc nhà kho khi không có người ở nhà.
  • Thiếu khả năng cảnh báo môi trường tích hợp: Đa số thiết bị giám sát hình ảnh hoạt động độc lập, không tích hợp đo lường nhiệt độ, độ ẩm hay phát hiện rò rỉ khí gas nguy hại kịp thời.
  • Báo động giả và thụ động: Hệ thống chống trộm thông thường chỉ hú còi mà không có cơ chế chụp ảnh nhận dạng khuôn mặt để gửi bằng chứng trực quan tức thời cho gia chủ qua môi trường mạng diện rộng (WAN).

Mục tiêu dự án cụ thể

  1. Thiết kế và thi công khung xe robot di động 3 bánh (2 bánh chủ động, 2 bánh dẫn hướng đa hướng) tối ưu tải trọng và cân bằng động học.
  2. Xây dựng khối xử lý trung tâm đa tầng: Bộ xử lý chính Raspberry Pi 3 Model B chịu trách nhiệm truyền phát video thời gian thực và xử lý ảnh; Vi điều khiển phụ ESP8266 chịu trách nhiệm thu thập cảm biến môi trường.
  3. Tích hợp cơ cấu quay quét 2 bậc tự do (Pan-Tilt 2-DOF) sử dụng động cơ servo SG90 giúp mở rộng góc quan sát camera.
  4. Triển khai thuật toán thị giác máy tính Haar Cascade phát hiện khuôn mặt người lạ, tự động chụp ảnh và gửi cảnh báo qua giao thức SMTP (Gmail).
  5. Xây dựng giao diện điều khiển đa nền tảng: Web Server điều khiển hướng di chuyển, bật tắt đèn chiếu sáng công suất cao (12V/18W), còi báo động Buzzer; Ứng dụng Android kết nối Google Firebase để giám sát nhiệt độ, độ ẩm và nồng độ khí gas rò rỉ.

Phạm vi và giới hạn kỹ thuật

  • Phạm vi hoạt động: Vận hành trên mặt phẳng phẳng trong nhà, hành lang nội bộ với mạng kết nối WiFi chuẩn IEEE 802.11 b/g/n băng tần 2.4GHz.
  • Giới hạn thực nghiệm: Nguồn cấp di động từ pin dung lượng hữu hạn (Pin Li-ion 18650 12V và sạc dự phòng 5V), độ trễ truyền hình ảnh phụ thuộc vào băng thông mạng (độ trễ đo kiểm trung bình qua WAN ~200-400ms).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí kỹ thuật Hệ thống CCTV Cố Định Robot Tuần Tra Thương Mại Cao Cấp Mô hình Xe Robot Đề Tài
Tính cơ động Không (Góc nhìn tĩnh cố định) Cao (Tự hành hoàn toàn với LiDAR) Linh hoạt (Điều khiển từ xa đa hướng)
Giám sát môi trường Không tích hợp Có (Module công nghiệp đắt đỏ) Đa cảm biến (Nhiệt, ẩm, khí gas MQ-2)
Nhận diện & Báo động Cảm biến chuyển động hồng ngoại đơn thuần AI Deep Learning (YOLO, SSD) Machine Learning (Haar Cascade + Email SMTP)
Chi phí đầu tư Trung bình ($50 - $150/điểm) Rất cao ($1,500 - $5,000) Tối ưu sinh viên/hộ gia đình (~$70 - $100)
Khả năng tùy biến Hệ thống đóng (Proprietary) Hệ thống đóng Mã nguồn mở, dễ dàng mở rộng phần cứng

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc): Di chuyển tiến/lùi/trái/phải ổn định; Live streaming video chuẩn HTTP; Phát hiện khuôn mặt bằng OpenCV; Cảnh báo rò rỉ khí gas và chuyển động qua còi Buzzer; Bật/tắt đèn chiếu sáng đêm.
  • Should-have (Cần có): Cơ cấu Pan-Tilt điều chỉnh góc quay camera 180°; Đồng bộ dữ liệu cảm biến lên Cloud Firebase; Gửi ảnh chụp đối tượng xâm nhập về Gmail người dùng.
  • Could-have (Có thể mở rộng): Tự động bám đối tượng (Face Tracking); Bản đồ hóa vị trí SLAM.
  • Won't-have (Chưa thực hiện trong giai đoạn này): Tính năng tự động về trạm sạc khi hết pin.

Thiết kế hệ thống và ngăn xếp công nghệ (Technology Stack)

       ┌────────────────────────────────────────────────────────┐
       │                NGƯỜI DÙNG / GIAO DIỆN                  │
       │    [Web Browser: HTTP/HTML5]    [Android App: UI MIT]  │
       └───────────────┬───────────────────────────┬────────────┘
                       │ (Remote.it WAN / LAN)     │ (REST API)
                       ▼                           ▼
       ┌───────────────────────────────┐ ┌──────────────────────┐
       │     RASPBERRY PI 3 MODEL B    │ │   GOOGLE FIREBASE    │
       │ • OS: Raspbian OS (Linux)     │ │   REALTIME DATABASE  │
       │ • App: Python 3.7 + OpenCV    │ └──────────▲───────────┘
       │ • Streaming: MJPEG HTTP 8080  │            │ (JSON WiFi)
       │ • Drivers: WiringPi / PWM     │            │
       └───────┬──────────────┬────────┘ ┌──────────┴───────────┐
               │ (GPIO)       │ (CSI-2)  │   NODE MCU ESP8266   │
               ▼              ▼          │ • C/C++ Embedded     │
        ┌─────────────┐ ┌──────────────┐ │ • Driver 1-Wire, ADC │
        │ Driver L298N│ │ Camera OV5647│ └──────────┬───────────┘
        │ + Servos SG │ │ 5MP 1080p    │            │ (GPIO/ADC)
        └─────────────┘ └──────────────┘ ┌──────────┴───────────┐
                                         │ Cảm biến: PIR, MQ-2, │
                                         │ DHT11, Buzzer 5V     │
                                         └──────────────────────┘
  • Phần cứng điều khiển trung tâm:
    • Bộ vi xử lý chính: Broadcom BCM2837 64-bit Quad-Core ARM Cortex-A53 @ 1.2GHz, 1GB LPDDR2 RAM, tích hợp GPU VideoCore IV, chạy hệ điều hành Raspbian Linux.
    • Vi điều khiển phụ trợ: ESP8266EX SoC (NodeMCU v3), 80MHz CPU, bộ nhớ Flash 4MB, tích hợp TCP/IP stack cho kết nối WiFi 802.11 b/g/n.
  • Hệ thống cảm biến và cơ cấu chấp hành:
    • Camera Module Rev 1.3: Cảm biến CMOS OmniVision OV5647 5 Megapixel, giao tiếp trực tiếp qua bus phần cứng CSI-2 (Camera Serial Interface).
    • Cảm biến chuyển động PIR (Passive Infrared) sử dụng IC xử lý tín hiệu BISS0001 kết hợp thấu kính Fresnel, góc quét nón $360^\circ$, cự ly phát hiện tối đa 6 mét.
    • Cảm biến khí gas MQ-2: Cảm biến bán dẫn oxit kim loại $\text{SnO}_2$ kết hợp mạch so sánh điện áp LM358 phát hiện khói, LPG, Propane.
    • Cảm biến nhiệt độ - độ ẩm DHT11: Đo độ ẩm $20% - 90%\text{ RH}$ (sai số $\pm 5%$), nhiệt độ $0^\circ\text{C} - 50^\circ\text{C}$ (sai số $\pm 2^\circ\text{C}$).
    • Module điều khiển động cơ: L298N Dual Full-Bridge Driver (dòng định mức 2A mỗi kênh) tích hợp diode bảo vệ Flyback và mạch ổn áp 5V logic.
    • Động cơ chấp hành: 02 Động cơ DC giảm tốc V1 tỉ số truyền 1:120 (tốc độ $83\text{ RPM}$ tại điện áp danh định $6\text{V}$, mô-men xoắn $1.0\text{ kg}\cdot\text{cm}$); 02 Servo SG90 bánh răng nylon điều khiển góc $0^\circ - 180^\circ$.
  • Ngăn xếp phần mềm (Software Stack):
    • Ngôn ngữ lập trình: Python 3.7, C/C++ (Arduino framework), HTML5/CSS3/JavaScript.
    • Thư viện chuyên dụng: OpenCV 3.4.x (Open Source Computer Vision Library), WiringPi, ServoBlaster Daemon, Smtplib, Firebase-Arduino SDK.
    • Công cụ thiết kế và lập trình: Creo Parametric 5.0 (CAD khung xe), Thonny IDE, Arduino IDE 1.8.x, MIT App Inventor 2, SD Card Formatter, Advanced IP Scanner, VNC Viewer.

Cơ sở tính toán động học và cơ khí

Khung xe được mô hình hóa và chế tạo bằng công nghệ in 3D FDM chất liệu nhựa PLA với kích thước chuẩn $200 \times 150 \times 100\text{ mm}$, khối lượng riêng $250\text{ g}$. Tổng khối lượng toàn tải của mô hình sau khi gắn đầy đủ linh kiện được tính toán chính xác:

$$\Sigma m = m_{\text{khung}} + m_{\text{Pi}} + m_{\text{ESP}} + m_{\text{L298N}} + m_{\text{pin 12V}} + m_{\text{pin 5V}} + m_{\text{khác}} = 822.44\text{ g} \approx 0.822\text{ kg}$$

Trọng lượng toàn xe tác dụng lên mặt phẳng:

$$P = m \cdot g = 0.822\text{ kg} \times 9.81\text{ m/s}^2 = 8.068\text{ N}$$

Với hệ số ma sát trượt của bánh xe cao su trên sàn cứng $\mu = 0.4$, lực ma sát cản trở chuyển động là:

$$F_{\text{ms}} = \mu \cdot P = 0.4 \times 8.068\text{ N} = 3.227\text{ N}$$

Để xe đạt vận tốc di chuyển ổn định $v = 1.27\text{ m/s}$ (tương đương tốc độ quay bánh xe bán kính $R = 3.5\text{ cm}$ đạt $N = 74\text{ RPM}$), công suất đẩy yêu cầu tối thiểu:

$$P_{\text{req}} = F_{\text{ms}} \cdot v = 3.227\text{ N} \times 1.27\text{ m/s} \approx 4.098\text{ W}$$

Hai động cơ DC giảm tốc V1 tại điện áp $6\text{V}$ tiêu thụ dòng điện $I = 140\text{ mA}$ cho công suất tổng $P_{\text{dc}} = 2 \times (6\text{V} \times 0.14\text{A}) = 1.68\text{ W}$ tại trục động cơ; sau hộp giảm tốc tỉ số $1:120$, mô-men xoắn tăng gấp nhiều lần, hoàn toàn thắng lực ma sát tĩnh và ma sát lăn để duy trì tốc độ tuần tra ổn định, chống rung giật camera.

Implementation và kết quả

Development Process & Core Algorithms

1. Thuật toán phát hiện khuôn mặt và cơ chế gửi Email cảnh báo

Thuật toán thị giác máy tính dựa trên bộ phân loại tầng Haar Cascade do Viola & Jones đề xuất. Quá trình tính toán cường độ điểm ảnh thông qua ma trận ảnh tích hợp (Integral Image):

$$ii(x, y) = \sum_{x' \le x, y' \le y} i(x', y')$$

Trích đoạn mã nguồn thực thi trên Raspberry Pi 3 sử dụng thư viện OpenCV và giao thức SMTP:

import cv2
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.image import MIMEImage
import datetime

# Khởi tạo bộ phân loại tầng Haar Cascade phát hiện khuôn mặt
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
camera = cv2.VideoCapture(0)

def send_security_alert(image_path):
    sender_email = "security.robot.hcmute@gmail.com"
    receiver_email = "homeowner@gmail.com"
    password = "app_specific_password_here"
    
    msg = MIMEMultipart()
    msg['Subject'] = f'[CẢNH BÁO AN NINH] Phát hiện người lạ - {datetime.datetime.now().strftime("%H:%M:%S %d/%m/%Y")}'
    msg['From'] = sender_email
    msg['To'] = receiver_email
    
    body = "Hệ thống Robot phát hiện đối tượng lạ xâm nhập khu vực giám sát. Hình ảnh đính kèm bên dưới:"
    msg.attach(MIMEText(body, 'plain'))
    
    with open(image_path, 'rb') as f:
        img_data = f.read()
    image = MIMEImage(img_data, name="intruder.jpg")
    msg.attach(image)
    
    server = smtplib.SMTP_SSL('smtp.gmail.com', 465)
    server.login(sender_email, password)
    server.sendmail(sender_email, receiver_email, msg.as_string())
    server.quit()
    print(">> Đã gửi cảnh báo an ninh qua Email thành công!")

while True:
    ret, frame = camera.read()
    if not ret:
        break
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
    
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)
        capture_path = "/home/pi/alerts/detected.jpg"
        cv2.imwrite(capture_path, frame)
        send_security_alert(capture_path)
        break # Gửi một frame đại diện tránh spam mail

2. Giao thức đọc dữ liệu 1-Wire từ cảm biến DHT11 trên ESP8266

Giao tiếp với cảm biến DHT11 yêu cầu đồng bộ xung nhịp thời gian thực nghiêm ngặt. Vi điều khiển khởi tạo bằng việc kéo đường dữ liệu Data xuống mức $0\text{V}$ trong $18\text{ ms}$, sau đó thả lên mức $1$ trong $20-40\ \mu\text{s}$. Dữ liệu trả về gồm 40 bit ($5\text{ bytes}$):

$$\text{Byte}_5 = (\text{Byte}_1 + \text{Byte}_2 + \text{Byte}_3 + \text{Byte}_4) \ & \ 0\text{xFF}$$

#include <ESP8266WiFi.h>
#include <FirebaseArduino.h>
#include <DHT.h>

#define DHTPIN D4
#define DHTTYPE DHT11
#define MQ2_PIN A0
#define PIR_PIN D2
#define BUZZER_PIN D5

#define FIREBASE_HOST "home-security-robot-default-rtdb.firebaseio.com"
#define FIREBASE_AUTH "firebase_secret_auth_token_here"
#define WIFI_SSID "Home_WiFi_2.4G"
#define WIFI_PASSWORD "secure_password"

DHT dht(DHTPIN, DHTTYPE);

void setup() {
  Serial.begin(115200);
  pinMode(PIR_PIN, INPUT);
  pinMode(BUZZER_PIN, OUTPUT);
  WiFi.begin(WIFI_SSID, WIFI_PASSWORD);
  while (WiFi.status() != WL_CONNECTED) { delay(500); }
  Firebase.begin(FIREBASE_HOST, FIREBASE_AUTH);
  dht.begin();
}

void loop() {
  float h = dht.readHumidity();
  float t = dht.readTemperature();
  int gasValue = analogRead(MQ2_PIN);
  int motion = digitalRead(PIR_PIN);

  if (!isnan(h) && !isnan(t)) {
    Firebase.setFloat("sensors/temperature", t);
    Firebase.setFloat("sensors/humidity", h);
  }
  Firebase.setInt("sensors/gas", gasValue);
  Firebase.setInt("sensors/motion", motion);

  // Kích hoạt chuông báo nếu nồng độ khí gas vượt ngưỡng an toàn
  if (gasValue > 400 || motion == HIGH) {
    digitalWrite(BUZZER_PIN, HIGH);
  } else {
    digitalWrite(BUZZER_PIN, LOW);
  }
  delay(2000); // Chu kỳ cập nhật dữ liệu 2 giây
}

Testing và Validation

Thực nghiệm hệ thống được triển khai qua các kịch bản kiểm thử toàn diện nhằm xác định hiệu năng, độ tin cậy và độ trễ phản hồi:

  1. Kiểm thử hiệu năng truyền hình ảnh và mạng:
    • Mạng cục bộ (Local LAN): Ping trung bình $3.8\text{ ms}$, tốc độ khung hình đạt $28-30\text{ FPS}$ ở độ phân giải $640 \times 480\text{ pixels}$, độ trễ video $<80\text{ ms}$.
    • Mạng diện rộng qua Tunnel (Remote.it WAN): Ping trung bình $48-65\text{ ms}$, tốc độ khung hình duy trì $18-22\text{ FPS}$, độ trễ hình ảnh chấp nhận được ở mức $250-320\text{ ms}$.
  2. Kiểm thử độ chính xác thuật toán nhận diện khuôn mặt:
    • Thực hiện phân loại trên tập mẫu 100 hình ảnh thực tế ghi nhận từ camera dưới nhiều điều kiện ánh sáng và góc nghiêng:
Điều kiện thử nghiệm Số ảnh kiểm thử Nhận dạng đúng (True Positive) Nhận dạng sai/Bỏ sót Độ chính xác (%)
Ánh sáng ban ngày đầy đủ (Chính diện) 40 38 2 95.0%
Góc mặt nghiêng ($30^\circ - 45^\circ$) 30 25 5 83.3%
Môi trường thiếu sáng (Bật LED 18W) 20 17 3 85.0%
Môi trường tối hoàn toàn (Không bật LED) 10 2 8 20.0%
Tổng kết trung bình 100 82 18 82.0%
  1. Kiểm thử cảm biến và cảnh báo an toàn:
    • Cảm biến chuyển động PIR: Độ nhạy kích hoạt $100%$ trong phạm vi $4.5\text{ m}$, góc quét hiệu dụng $120^\circ$ mặt phẳng tiền diện.
    • Cảm biến khí gas MQ-2: Thời gian phản hồi kích hoạt buzzer khi phát hiện nồng độ gas tăng vọt $< 1.2\text{ s}$.
    • Độ chính xác nhiệt ẩm DHT11: Nhiệt độ đo được $30.2^\circ\text{C}$ (thiết bị chuẩn $29.8^\circ\text{C}$ - sai lệch $+1.3%$), độ ẩm đo được $68%$ (thiết bị chuẩn $65%$ - sai lệch $+4.6%$).

Đổi mới và đóng góp

  • Kiến trúc xử lý tính toán phân tán (Distributed Dual-Controller Architecture): Khác với các giải pháp thông thường dồn toàn bộ tác vụ lên vi điều khiển đơn lẻ gây nghẽn cổ chai, đề tài phân tách rõ ràng: Raspberry Pi 3 đảm nhiệm tác vụ nặng (Computer Vision, MJPEG Streaming, SMTP Client) trong khi ESP8266 xử lý Realtime I/O cảm biến và cập nhật Cloud. Kiến trúc này giúp hệ thống vận hành đa nhiệm mượt mà, không bị sụt giảm FPS khi có cảnh báo.
  • Cơ chế tương tác xuyên tường lửa với Remote.it: Giải quyết triệt để rào cản NAT/Firewall của các nhà mạng viễn thông khi triển khai Smart Home, cho phép gia chủ truy cập giao diện điều khiển Web Server từ bất kỳ đâu qua mạng 4G/5G mà không cần thuê IP tĩnh (Static Public IP) hay cấu hình DDNS phức tạp.
  • Tích hợp nguồn chiếu sáng chủ động công suất cao: Bổ sung thanh LED $12\text{V}/18\text{W}$ điều khiển qua Relay cách ly, giải quyết điểm yếu chí mạng của các camera giá rẻ khi hoạt động ban đêm, nâng độ chính xác nhận diện mặt người từ $20%$ lên $85%$ trong điều kiện phòng tối.
  • Cơ cấu góc quét linh hoạt: Bộ giá đỡ Pan-Tilt 2-DOF thu hẹp tối đa góc mù quan sát, cho phép camera quét góc ngẩng $0^\circ - 90^\circ$ và góc quay ngang $-90^\circ \to +90^\circ$ một cách độc lập với hướng di chuyển của xe.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tiễn (Use Cases)

  1. Tuần tra an ninh hộ gia đình khi vắng nhà: Robot tự động hoặc người dùng điều khiển robot di chuyển tuần tra phòng khách, phòng bếp, hành lang; quan sát vật nuôi, kiểm tra khóa cửa và hệ thống điện.
  2. Giám sát an toàn kho hàng và xưởng sản xuất nhỏ: Phát hiện sớm các sự cố rò rỉ khí gas, nguy cơ chập điện phát sinh nhiệt cao, hoặc người lạ đột nhập ngoài giờ làm việc.
  3. Trạm cảnh báo di động cho người cao tuổi: Di chuyển đến các vị trí người thân sinh hoạt để kiểm tra tình trạng sức khỏe, hỗ trợ chiếu sáng và phát tín hiệu khẩn cấp khi phát hiện sự cố.

Phân tích chi phí và hiệu quả đầu tư (Cost-Benefit Analysis)

                       BẢNG CƠ CẤU CHI PHÍ LINH KIỆN
  ┌─────────────────────────────────────────────────┬──────────────────┐
  │ Module / Thành phần                             │ Đơn giá (VNĐ)    │
  ├─────────────────────────────────────────────────┼──────────────────┤
  │ 1. Bo mạch Raspberry Pi 3 Model B (chính hãng)  │ 950.000          │
  │ 2. Bo mạch NodeMCU ESP8266 CP2102               │ 75.000           │
  │ 3. Camera Raspberry Pi CSI Rev 1.3 (5MP)        │ 160.000          │
  │ 4. Module L298N + 02 Động cơ DC + Bánh xe       │ 115.000          │
  │ 5. Cơ cấu Pan-Tilt + 02 Servo SG90              │ 85.000           │
  │ 6. Khối cảm biến (MQ-2, DHT11, PIR, Buzzer)     │ 95.000           │
  │ 7. Khung xe in 3D PLA + Phụ kiện cơ khí         │ 120.000          │
  │ 8. Khối nguồn (Pin sạc 18650, Pin dự phòng AVA) │ 250.000          │
  │ 9. Relay 5V + LED 12V 18W + Mạch in PCB phụ     │ 80.000           │
  ├─────────────────────────────────────────────────┼──────────────────┤
  │ TỔNG CHI PHÍ PHẦN CỨNG (VẬT LIỆU)               │ 1.930.000 VNĐ    │
  └─────────────────────────────────────────────────┴──────────────────┘
  • Hiệu quả kinh tế (ROI): Với tổng ngân sách đầu tư dưới $2.000.000\text{ VNĐ}$ (~$80\text{ USD}$), hệ thống thay thế hoàn toàn bộ 4-6 camera cố định truyền thống (chi phí lắp đặt từ $5.000.000 - $8.000.000\text{ VNĐ}$) và mang lại khả năng di động đa hướng cùng tính năng phân tích môi trường thông minh.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Thời lượng hoạt động liên tục bị giới hạn bởi dung lượng pin (đạt khoảng $1.5 - 2.5\text{ giờ}$ khi streaming và chạy động cơ liên tục).
  • Khung gầm bánh xe nhỏ chưa hỗ trợ vượt vật cản cao, chỉ phù hợp di chuyển trên mặt sàn phẳng hoặc thảm mỏng.
  • Bộ phân loại Haar Cascade dễ bị ảnh hưởng bởi góc quay khuôn mặt nghiêng quá $45^\circ$ hoặc khi đối tượng đeo khẩu trang/che mặt.
  • Chưa có cơ chế tự định vị trong nhà (Indoor Localization) và tự động lập bản đồ tuần tra độc lập.

Hướng phát triển nâng cao

  • Nâng cấp thuật toán AI: Chuyển đổi từ Haar Cascade sang các mạng nơ-ron tích chập nhẹ (MobileNet-SSD, YOLOv5-Nano) kết hợp bộ tăng tốc phần cứng Intel Movidius Neural Compute Stick hoặc nâng cấp lên bo mạch Raspberry Pi 4/5.
  • Tự hành hóa hoàn toàn (Autonomous Navigation): Tích hợp cảm biến khoảng cách Laser LiDAR 2D và cảm biến góc IMU MPU6050 để áp dụng giải thuật SLAM (Simultaneous Localization and Mapping) định hướng tự động quay về dock sạc pin không dây.
  • Tích hợp đàm thoại âm thanh 2 chiều: Bổ sung Microphone định hướng và loa phát công suất nhỏ qua giao thức WebRTC để gia chủ có thể giao tiếp trực tiếp với người trong nhà.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Điện tử, Viễn thông, Tự động hóa và IoT:
    • Tiếp cận tài liệu tham khảo chuẩn mực về tích hợp hệ thống nhúng lai (Raspberry Pi + ESP8266).
    • Nắm vững kỹ thuật lập trình điều khiển phần cứng qua GPIO, PWM, xử lý giao tiếp 1-Wire, I2C và ADC.
  • Kỹ sư phát triển phần mềm và hệ thống nhúng (Developers):
    • Nắm bắt mô hình triển khai thị giác máy tính OpenCV trên tài nguyên phần cứng giới hạn (Edge AI).
    • Làm chủ phương pháp truyền phát video qua giao thức HTTP MJPEG và kiến trúc đồng bộ dữ liệu thời gian thực qua Cloud Firebase.
  • Hộ gia đình và Doanh nghiệp vừa & nhỏ (SMEs):
    • Sở hữu giải pháp giám sát an ninh toàn diện chi phí thấp, dễ dàng bảo trì và không phụ thuộc vào hạ tầng đám mây trả phí định kỳ của bên thứ ba.
  • Nhà nghiên cứu học thuật:
    • Nguồn dữ liệu thực nghiệm về cân bằng động học khung xe mini, phân bổ công suất nguồn pin và tối ưu độ trễ truyền thông qua mạng vô tuyến không dây.

Câu hỏi thường gặp (FAQ)

1. Yêu cầu cấu hình kỹ thuật tối thiểu để triển khai và chạy hệ thống là gì?

Hệ thống yêu cầu tối thiểu một bo mạch Raspberry Pi 3 Model B (hoặc tương đương) cài hệ điều hành Raspbian OS/Raspberry Pi OS, thẻ nhớ MicroSD tối thiểu 16GB Class 10; một bo mạch ESP8266 NodeMCU; nguồn cấp độc lập 5V/2.5A (cho Pi) và 12V/2A (cho động cơ và đèn LED); đường truyền mạng WiFi chuẩn 802.11 b/g/n với tốc độ upload tối thiểu 2 Mbps.

2. Giới hạn khoảng cách và cách thức điều khiển xe từ xa qua mạng ngoài (Internet/4G)?

Hệ thống không giới hạn khoảng cách địa lý khi điều khiển từ xa. Nhờ ứng dụng dịch vụ kết nối mạng ngang hàng Remote.it, xe robot được ánh xạ cổng nội bộ (Port 80/8080) lên đám mây bảo mật. Người dùng ở bất kỳ đâu chỉ cần có mạng 3G/4G/5G hoặc WiFi là có thể truy cập Web Server và App Android để vận hành xe với độ trễ thấp.

3. Làm thế nào để mở rộng tích hợp thêm các cảm biến khác vào hệ thống?

Do sử dụng ESP8266 làm bộ thu thập trung gian, người dùng có thể dễ dàng mở rộng thêm các cảm biến khác như cảm biến lửa (Flame Sensor), cảm biến chất lượng không khí PM2.5, cảm biến siêu âm HC-SR04 đo khoảng cách chống va chạm thông qua các chân Digital I/O (D1, D3, D6, D7, D8) hoặc mở rộng kênh ADC qua IC chuyển đổi ADS1115.

4. Tại sao hệ thống lại chia thành hai khối nguồn riêng biệt (5V và 12V)?

Việc tách nguồn là bắt buộc trong thiết kế phần cứng robot nhằm chống sụt áp và triệt tiêu nhiễu điện từ. Động cơ DC và rơ-le khi khởi động hoặc đảo chiều tạo ra dòng khởi động lớn và xung điện áp ngược (Back-EMF). Nếu dùng chung nguồn với Raspberry Pi và ESP8266 sẽ gây hiện tượng sụt áp tức thời làm vi xử lý bị khởi động lại (Reset/Under-voltage error). Do đó, nguồn 12V chuyên cấp cho động cơ và đèn LED, còn pin sạc dự phòng 5V chuẩn chuyên cấp cho mạch logic vi xử lý.

5. Chi phí vận hành và tuổi thọ linh kiện của hệ thống như thế nào?

Chi phí vận hành của hệ thống gần như bằng $0$ do sử dụng nền tảng máy chủ miễn phí (Google Firebase Spark Plan, Gmail SMTP, Remote.it gói miễn phí). Các linh kiện phần cứng bán dẫn như Raspberry Pi, ESP8266 và camera có độ bền cao (MTBF $> 30.000\text{ giờ}$). Người dùng chỉ cần định kỳ thay thế hoặc bảo dưỡng cell pin Li-ion sau 500-800 chu kỳ nạp xả (khoảng 1.5 - 2 năm sử dụng).

Kết luận

Đề tài "Nghiên cứu và thiết kế mô hình xe robot giám sát an ninh hộ gia đình" của nhóm tác giả Hồ Hoài Linh và Ngô Đức Huy dưới sự hướng dẫn của ThS. Nguyễn Đình Phú đã hoàn thành xuất sắc toàn bộ các mục tiêu lý thuyết và thực nghiệm đề ra. Dự án chứng minh tính khả thi cao trong việc kết hợp linh hoạt giữa phần cứng nhúng mã nguồn mở (Raspberry Pi 3, ESP8266), thị giác máy tính OpenCV và nền tảng điện toán đám mây (Cloud Firebase). Hệ thống không chỉ khắc phục triệt để nhược điểm điểm mù của hệ thống an ninh cố định mà còn mang đến một giải pháp bảo vệ tài sản, tính mạng con người toàn diện, chi phí tối ưu, mở ra tiềm năng thương mại hóa rộng lớn trong lĩnh vực Nhà thông minh và Thiết bị an ninh tương lai.