Chương 1. GIỚI THIỆU DE TÀI 1. Tổng quan đề tài Với tốc độ phát triển nhanh chóng của công nghệ hiện nay, việc học ngày càng trở nên quan trọng hơn. Hiện tại việc ap dụng IT vào lĩnh vực lớp học như ở các phân mém MS Teams, Zoom, Google Class,.
Bị thiếu về khả năng giám sát của giảng viên đối với học viên. Tuy vậy các chương trình này cũng mang lại ưu điểm lớn cho việc học, người dùng có thể học mọi lúc mọi nơi thông qua kết nối với Internet. Mô hình “Hybrid Classroom” nhắm khắc phục nhược điểm này, mô hình này được đề xuất trong nghiên cứu “Smart Desk in Hybrid Classroom: Detecting student's lack of concentration when studying” [1]. Sử dụng 2 bộ phận chính là “Smart Podium” (bục giảng thông minh) và “Smart Desk” (bàn học thông minh).
Phương pháp này nâng cao khả năng quản lý dữ liệu cũng như hành vi, giảm thiểu sự vắng mặt và thiếu tập trung của học sinh, sinh viên. Trong mô hình này, Smart Desk là một thành phần quan trọng, là một công cụ mạnh mẽ hỗ trợ học sinh và giảng viên mang đến những buổi học có chất lượng tốt nhất. Với mong muốn hiện thực hoá hệ thống này, đề tài này sẽ tập trung vào việc nghiên cứu và phát triển hệ thống hỗ trợ trong bộ điều khiển của Smart Desk nhằm đưa ra các dự đoán và đánh giá VỀ Sự hứng thú của học sinh đối với môn học tiết học, thông qua các biểu cảm, góc nhìn, hành động,. Từ đó giúp giảng viên có thể sử dụng thông tin này dé điều chỉnh phương pháp giảng dạy, nội dung bài giảng và môi trường học tập phù hợp với nhu cầu của học sinh, giúp nâng cao hiệu quả học ^ tập.
Các nghiên cứu khác Bộ điều khiển cho mô hình lớp học thông minh là một van dé được day mạnh nghiên cứu sau dịch Covid - 19. Ké từ lúc đó thì nhiều dang lớp học thông minh khác nhau đã xuất hiện, với mục địch hỗ trợ giáo viên và nâng cao tính hiệu quả của việc học tập. Một mô hình khá phổ biến chính là bộ điều khiến lớp học thông minh của INDOTA, tuy vậy mô hình này chỉ dừng lại ở việc truyền bài giảng qua các màn hình quanh lốp học và điều khiển các thiết bi trong lớp học được tích ứng. INDOTA INDOTA ¥STEM Hình 1.1 Bộ điều khiển lớp hoc của INDOTA Tuy mô hình có khả năng hoạt động thông dụng trong thực tiễn và áp dụng internet vạn vật (IOT), mô hình vẫn chưa khai thác được kha năng của Trí tuệ nhân tạo (AI).
Với những công nghệ và bức phá mới xảy ra liên tục trong lĩnh vực AI, việc áp dụng AI để giải quyết các khó khăn trong lớp học chắc chắn sẽ mang lại nhiều kết quả đáng kê cho cả phụ huynh, giáo viên và học sinh. Ngoài INDOTA ra cũng tồn tại nhiều nghiên cứu khác về một hệ thống lớp học thông minh. Tuy nhiên các nghiên cứu này chỉ dừng lại ở việc đề xuất và chưa có sản phẩm thực trên thực tế. Một số vấn đề tồn tại Dé thực hiện hoá bộ điều khiển này, dựa trên nghiên cứu nêu trước dé xuất về môn hình lớp học thông minh, trước hết nhóm phải xác định một số vần đề cần giải quyết.
Thứ nhất chính là về mặt kĩ thuật, bộ điều khiển phải nhỏ gon dé có thé được thiết lập trên bàn học của học sinh, đồng thời phải có khả năng thu thập một số thông tin quang trọng từ học sinh như khuôn mặt, giọng nói,. Thứ hai là dé kết nối hiệu quả lớp học online và offline, học sinh phải có kha năng kết nối với lớp học và theo dõi bài giản mà không cần nhất thiết hiện diện trong phòng học sử dụng một thiết bị khác. Thử ba là bộ điều khiển có khả năng thực hiện giao tiếp trong thời gian thực dé truyền lại bài giảng và các thông tinh cần thiết từ bục giảng xuống cho học sinh, sinh viên. Hybrid Classroom & Smart Podium “@ Webcam Speeker Micro Camera —.
ray INTERNET se $ 4) & v2 Psy — - \ : Remote Student Xí - ~ Web / API ~ Database : ~ Data ~ Streaming - LMS Public Cloud Server Hình 1.2 Mô hình được trích trên từ đề xuất về lớp học thông minh Dựa trên kinh nghiệm tích được qua quá trình học hỏi, quan sát thực tế và qua việc tham khảo nghiên cứu trên, nhóm tự tin có thê sử dụng các biện pháp và hướng tiếp cận thích hợp dé giải quyết các khó khăn được đặt ra. Mục tiêu đề tài Thiết kế cho bộ điều khiển bàn học thông minh có thê kết nối với các thiết bị cần thiết như camera, touch screen,. Đề thu thập thông tinh từ giảng viên và cung cấp cho bục giảng các dữ liệu cần thiết. Thực hiện đánh giá độ tập trung của học sinh qua thông tin rút được và gửi lại cho giáo viên vào cuôi buôi học.
Mục tiêu cụ thế: Sử dung QT dé thiết kế ứng dụng với giao diện dé đọc, dé hiéu, dễ tiếp cận cho cả học viên và giảng viên. Nghiên cứu phương pháp dé thực hiện đánh giá độ tập trung của học viên một cách hợp lý. Tích hợp dự án lên thiết bị phần cứng phù hợp mà vẫn đảm bảo tính hiệu quả. Nghiên cứu phương pháp thực hiện giao tiếp trong thời gian thực dé đảm bảo việc truyén dữ liệu.
Đánh giá các kết quả đạt được và có được sản phẩm hoạt động. Phạm vi nghiên cứu Chương trình được viết ra có khả năng nhúng và chạy được trên kit Jetson Nano của NVIDIA. Phương pháp thực hiện đánh giá trả lại đánh giá có độ chính xác trên 75%. Giao tiếp thành công qua mạng Internet giữa app và server dé mô phỏng việc gửi dữ liệu.
Lựa chọn phần cứng 2. Raspberry Pi 5 Raspberry Pi 5 là phiên ban mới nhất của dòng máy tính mini Raspberry Pi, là phiên bản nâng cấp của dòng Raspberry Pi 4 cung cấp hiệu suất cao hơn và tính năng mở rộng hơn so với phiên bản trước. Dưới đây là một vài thông số của Raspberry Pi 5: s* Bộ xử lý (CPU): Được trang bị Broadcom BCM2712 với kiến trúc ARM Cortex-A76 54-bit, 4 nhân, tiễn trình SoC 16nm, xung nhịp tối đa 2. Vi xử lý này có khả năng xử lý nhanh chóng các tác vụ phức tạp va đòi hoi cao về hiệu suất.
s* Bộ nhớ (RAM): Cung cấp nhiều tùy chọn từ 4GB đến 8GB, giúp người dùng có thé lựa chon tùy theo nhu cầu cụ thể của mình, đáp ứng việc chạy các ứng dụng cơ bản đến các tác vụ nặng như xử lý dữ liệu lớn hoặc chạy đa tác vụ cùng lúc. > > * Kết nối mạng: Được trang bị công Ethernet Gigabit, hé tro PoE+ (Can PoE+ HAT cho Raspberry Pi 5), cho phép kết nối mạng ổn định va nhanh chóng. Ngoài ra với PoE+, Raspberry có khả năng cung cấp điện năng cho các thiết bị mạng khác, điều này sẽ rất thuận lợi cho các ứng dụng như lắp đặt camera giám sát, thiết lập các hệ thống loT, hoặc các dự án yêu cầu nguồn điện và kết nối mang đáng tin cậy mà không cần phải lo lắng về việc cung cấp nguồn điện riêng biệt cho thiết bị. * Kết nói không dây: Raspberry Pi 5 tích hợp Wi-Fi 802.11ac và Bluetooth 5.0, cho phép kết nối không dây với mạng Wi-Fi và các thiết bị Bluetooth như bàn phím, chuột, loa và các thiết bị điều khién.
* Cổng kết nói: Hỗ trợ hai công micro HDMI, cho dau ra video có độ phân giải lên đến 4Kp60 với HDR. Hai cổng USB 3.0 cho tốc độ truyền dữ liệu 5Gbps đồng thời, hai công USB 2.0, một cổng âm thanh 3.5mm, 2 công x 4-lane MIPI dùng dé kết nối hình ảnh / camera và một công kết nối quạt làm mát. #* GPIO: Raspberry Pi 5 có 40 chân GPIO Header, cho phép kết nối và tương tác với các linh kiện và thiết bị ngoại vi bằng cách sử dụng giao thức như I2C, SPI, UART và GPIO thông qua các chân này. ® Module RTC: Module mới được tích hợp trong PMIC (Power Management IC), có công kết nối gan pin RTC có thé sạc lai.
Nguồn điện: Raspberry Pi yêu cầu nguồn điện: 5V/5.0A qua cổng USB type C, với PD (Power Delivery). Điều này có thé được cung cấp từ một nguồn điện USB phù hợp hoặc pin sac. “ Hé điều hành: Chạy hệ điều hành Raspberry Pi OS (trước đây là Raspbian) cùng khả năng tương thích với nhiều hệ điều hành khác như Ubuntu, giúp người dùng có nhiều lựa chọn phù hợp với nhu cầu sử dụng. Là một bản nâng cấp đầy mạnh mẽ so với Raspberry Pi 4, cung cấp một thiết bị nhỏ gọn, linh hoạt đáp ứng được nhiều dự án khác nhau, nhiều tác vụ khác nhau.
Với các ưu điểm Raspberry Pi 5 được ứng dung trong nhiều lĩnh vực như giáo dục, nghiên cứu, phát triển ứng dụng, nhà thông minh, và các dự án DIY (Do It Yourself). Với những cải tiến vượt bậc về phan cứng và khả năng mở rộng, Raspberry Pi 5 hứa hẹn sẽ tiếp tục là công cụ hữu ích cho cộng đồng người dùng và nhà phát triển trên toàn thé giới. Jetson Nano Dev Kit Jetson Nano Dev Kit with eMMC 16GB là một bộ phát triển máy tính nhúng AI nhỏ gọn và mạnh mẽ được tạo ra bởi NVIDIA. Được thiết kế để tập trung vào việc khám phá và phát triển các ứng dụng về trí tuệ nhân tạo (AI).
s* Bộ xử lý: o CPU: Quad-core ARM Cortex-A57 MPCore processor, cung cấp hiệu suất tính toán mạnh mẽ cho các tác vụ đa nhiệm. o GPU: NVIDIA Maxwell architecture với 128 CUDA cores, hỗ trợ tính toán đồ họa và xử lý song song, lý tưởng cho các ứng dụng AI như xử lý hình ảnh, thị giác máy tính và học máy. “* Bộ nhớ: o_ RAM: Được trang bị 4GB LPDDR4, một dung lượng ram đầy đủ cho các ứng dụng AI và xử lý dữ liệu lớn. o eMMC: 16GB eMMC, cho phép lưu trữ nhanh và ồn định, giảm thiểu sự cần thiết của các bộ nhớ ngoài như thẻ microSD,.
và cải thiện hiệu suất tổng thê của hệ thống. o_ Một khe cắm thẻ microSD, hỗ trợ khả năng mở rộng không gian lữu trữ hoặc dùng đề cài đặt một hệ điều hành mới. s* Đồ họa: Có khả năng xử lý video đầy mạnh mẽ: o Mã hoá Video: Tổng băng thông tối đa lên đến 250 MP/s. Độ phân giải lên đến 4K 30FPS với chuẩn H.
o Giải mã Video: Tổng băng thông tối đa lên đến 500 MP/s. Độ phân giải mã hoá có thé lên đến 4K 60FPS với chuẩn H. % Kết nổi: o_ 2 cổng MIPI CSI-2 DPHY cho phép kết nối cùng lúc đến 2 camera.