Bối cảnh và vấn đề nghiên cứu

Trong ngành công nghiệp ô tô hiện đại, các thương hiệu lớn như Mercedes-Benz, BMW hay Audi không ngừng nâng cao tiện nghi và cá nhân hóa trải nghiệm người dùng bên cạnh việc tối ưu hóa hiệu suất vận hành. Xu hướng cá nhân hóa cho phép người sử dụng thiết lập không gian nội thất theo thể trạng và thói quen cá nhân. Tuy nhiên, trên các dòng xe thương mại hiện nay, hệ thống ghế chỉnh điện có bộ nhớ vị trí (Memory Seat) chủ yếu vận hành dựa trên các nút bấm vật lý (như nút SET, M1, M2). Khi phương tiện được dùng chung giữa nhiều người (gia đình, bạn bè hoặc đồng nghiệp), mỗi lần đổi người lái đòi hỏi thao tác bấm nút gọi lại vị trí hoặc căn chỉnh thủ công nếu chưa được lưu, gây bất tiện và làm giảm tính liền mạch của trải nghiệm tiện nghi.

Nhằm giải quyết vấn đề trên thông qua việc tích hợp trí tuệ nhân tạo và thị giác máy tính vào hệ thống điện - điện tử trên ô tô, đề tài "Nghiên cứu, thiết kế và thi công mô hình điều khiển ghế thông minh bằng nhận diện khuôn mặt" đã được thực hiện tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Thay vì bấm nút, hệ thống nhận diện khuôn mặt của người lái thông qua camera và tự động điều khiển ghế dịch chuyển về cấu hình vị trí tương ứng đã được lưu trước đó.

Theo văn bản đồ án, mục tiêu nghiên cứu được xác định cụ thể qua các nhiệm vụ sau:

  1. Tìm hiểu tổng quan và cấu tạo của hệ thống ghế điện trên ô tô.
  2. Tìm hiểu lý thuyết nền tảng về xử lý ảnh kỹ thuật số.
  3. Nghiên cứu lý thuyết các phương pháp, thuật toán và xây dựng chương trình nhận dạng đối tượng khuôn mặt.
  4. Nghiên cứu thiết kế giao diện đồ họa giao tiếp với người dùng (GUI).
  5. Nghiên cứu, thiết kế và chế tạo mạch điều khiển bộ nhớ vị trí ghế.
  6. Tiến hành kiểm nghiệm, đo đạc và đánh giá khả năng hoạt động thực tế của toàn bộ hệ thống.

Đối tượng nghiên cứu của đồ án bao gồm:

  • Phần cứng: Máy tính nhúng Raspberry Pi 4 Model B (phiên bản RAM 4GB), vi điều khiển Arduino Mega 2560 Pro, cơ cấu chấp hành động cơ một chiều và các mạch công suất, cảm biến hồi tiếp.
  • Phần mềm và công cụ: Ngôn ngữ lập trình Python thực thi trên môi trường PyCharm, ngôn ngữ C trên Arduino IDE, thư viện đồ họa Tkinter, hệ quản trị cơ sở dữ liệu SQLite (thông qua phần mềm SQLite Studio).
  • Tài liệu kỹ thuật: Sơ đồ hệ thống mạch điện ghế chỉnh điện của dòng xe Lexus RX300 đời 1999 (nguyên bản không trang bị tính năng nhớ vị trí ghế) và hệ thống nhớ ghế của xe Toyota Camry 2015.

Giới hạn và phạm vi nghiên cứu của đề tài gồm:

  • Sử dụng camera kỹ thuật số để phát hiện và nhận dạng khuôn mặt người ngồi.
  • Ứng dụng các giải thuật thị giác máy tính và học máy đã được công bố: Haar Cascade, Local Binary Patterns Histogram (LBPH), mạng nơ-ron ResNet và Support Vector Machine (SVM).
  • Bộ nhớ hệ thống giới hạn điều khiển nhớ cho 3 motor chuyển động và lưu trữ tối đa 3 khuôn mặt người dùng.
  • Khoảng cách hoạt động tối ưu của camera và giải thuật nhận diện nằm trong phạm vi từ 0,8 mét đến 1,0 mét; khoảng cách quá gần hoặc quá xa sẽ làm suy giảm độ chính xác.
  • Khả năng nhận diện của hệ thống bị giới hạn trong môi trường có cường độ ánh sáng quá mạnh, quá yếu hoặc nơi có bức xạ nhiệt lớn.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đồ án được xây dựng từ hai trụ cột chính: kỹ thuật cơ điện tử ô tô và thị giác máy tính kết hợp trí tuệ nhân tạo.

Về hệ thống ghế trên ô tô:

  • Phân loại ghế: Khảo sát quá trình tiến hóa từ ghế cứng (cố định trên xe khách GAZ 24 chỗ), ghế chỉnh cơ khí (4 hướng trượt và ngả), ghế có hệ thống treo giảm chấn (treo lò xo cơ khí và treo khí nén trên xe tải hạng nặng) đến ghế chỉnh điện tử đa hướng (6 hướng, 8 hướng và 10 hướng tích hợp bơm lưng).
  • Động cơ chấp hành: Phân tích cấu tạo và nguyên lý của động cơ điện một chiều DC có chổi than (rotor/phần ứng, stator/phần cảm nam châm vĩnh cửu, cổ góp và chổi than) và động cơ một chiều không chổi than (BLDC). Phân tích nguyên lý cảm biến Hall đo hiệu điện thế lệch hướng do từ trường để xác định số vòng quay và vị trí góc quay của rotor.
  • Cơ cấu cơ khí: Phân tích nguyên lý cơ cấu trục vít - bánh vít tự hãm ở cụm ngả lưng, cơ cấu trục vít mềm truyền động hai bên ray trượt chống hiện tượng vặn xoắn ở cụm trượt, cùng cơ cấu bánh răng đòn bẩy ở cụm nâng hạ mông và đùi.
  • Hệ thống điều khiển nhớ ghế nguyên bản: Phân tích quy trình lưu trữ và kích hoạt vị trí qua giao thức mạng CAN và hộp điều khiển ECU thân xe trên dòng xe Toyota Camry 2015 (chức năng nút SET, M1, M2).
  • Các hệ thống phụ trợ liên quan: Hệ thống sưởi ghế sử dụng cảm biến nhiệt điện trở âm NTC (Negative Temperature Coefficient) và công nghệ sưởi màng dẫn điện nhiệt điện trở dương PTC (Positive Temperature Coefficient); hệ thống an toàn thụ động gồm bộ phân loại người ngồi OCS (Occupant Classification System), hộp điều khiển túi khí ACU, túi khí SRS và cơ cấu căng dây đai an toàn khẩn cấp.

Về xử lý ảnh và trí tuệ nhân tạo:

  • Xử lý ảnh cơ bản: Hệ tọa độ màu (RGB, CMYK, HSV, HSL), quan hệ lân cận điểm ảnh, các phép biến đổi hình thái học Morphology và các phương pháp lọc phát hiện biên.
  • Trích xuất đặc trưng và nhận diện: Thuật toán Local Binary Pattern (LBP), Uniform LBP, Rotation Invariant LBP kết hợp lược đồ tần suất LBPH; phương pháp đặc trưng Haar-like (cạnh, đường, quanh tâm, đường chéo) kết hợp ảnh tích phân (Integral Image) và bộ phân loại phân tầng AdaBoost; giải thuật xác định 68 điểm mốc đặc trưng trên khuôn mặt (Facial Landmarks) sử dụng bộ phát hiện từ thư viện Dlib huấn luyện trên tập dữ liệu iBUG 300-W.
  • Học sâu và phân lớp: Cấu trúc mạng tích chập ResNet với cơ chế kết nối tắt (skip/residual connections) nhằm loại bỏ hiện tượng triệt tiêu gradient khi tăng độ sâu mạng; thuật toán phân lớp vector hỗ trợ SVM (Support Vector Machine) tìm siêu phẳng tối ưu có lề cực đại với kỹ thuật Kernel để phân loại không gian phi tuyến.

Phương pháp nghiên cứu thực tế bao gồm:

  • Phương pháp tra cứu, phân tích và tổng hợp tài liệu chuyên ngành cơ điện tử ô tô, điện tử nhúng và thị giác máy tính.
  • Phương pháp thiết kế kỹ thuật: Mô hình hóa khung xương cơ khí 3D trên phần mềm SOLIDWORKS và xử lý bản vẽ 2D bằng CorelDraw 2021; thiết kế sơ đồ nguyên lý mạch điện và mạch in PCB bằng phần mềm Autodesk EAGLE; mô phỏng hoạt động điều khiển và logic lưu/gọi vị trí bằng phần mềm Proteus 8.
  • Phương pháp thực nghiệm: Gia công chế tạo khung ghế bằng thép, lắp đặt cơ cấu motor và cảm biến Hall, thi công bảng mạch PCB gắn kết vi điều khiển và mạch công suất; lập trình nhúng trên Python và C; đo đạc độ chính xác nhận diện khuôn mặt ở các góc nhìn (thẳng, nghiêng) và các điều kiện môi trường ánh sáng khác nhau (đủ sáng, thiếu sáng, thừa sáng, ngược sáng).

Thiết kế và triển khai hệ thống

Hệ thống điều khiển ghế thông minh được thiết kế thành một mô hình hoàn chỉnh, phân chia rõ ràng giữa khối xử lý thị giác máy tính và khối điều khiển công suất chấp hành cơ khí.

Phân hệ / Khối chức năng Phần cứng / Linh kiện sử dụng Phần mềm / Giao thức tích hợp Chức năng kỹ thuật chính
Xử lý trung tâm & Nhận diện khuôn mặt Raspberry Pi 4 Model B (RAM 4GB), Camera USB, Màn hình cảm ứng 7 inch HDMI LCD (C) 1024×600 Python, OpenCV, Dlib, Scikit-learn, Tkinter, SQLite, PuTTy, RealVNC Thu nhận hình ảnh, phát hiện khuôn mặt, trích xuất đặc trưng, quản lý người dùng và giao tiếp màn hình
Điều khiển bộ nhớ & Cơ cấu chấp hành Arduino Mega 2560 Pro, Mạch cầu H kép BTS7960 (43A), Cảm biến Hall Ngôn ngữ C (Arduino IDE), Proteus 8 (mô phỏng) Đọc xung cảm biến Hall, tính toán số vòng quay, điều khiển PWM đảo chiều 3 motor ghế điện
Nguồn điện & Hạ áp Nguồn ngoài 12V DC, Module nguồn Raspberry Pi 5V/3A, Mạch giảm áp LM2596 (12V xuống 5V/3A) Mạch bảo vệ nguồn, chia sẻ mass chung Cung cấp nguồn 12V cho động cơ ghế và hạ áp ổn định 5V nuôi vi điều khiển, cảm biến, màn hình
Giao tiếp phụ trợ & Khung vỏ Màn hình LCD 2004, Module I2C LCD, Khung sắt hàn phun sơn, tấm mica cố định bo mạch Giao tiếp nối tiếp I2C, chân GPIO Hiển thị tọa độ vị trí tức thời của ghế; cố định linh kiện cơ điện chắc chắn trên mô hình

Quy trình vận hành phần cứng và phần mềm diễn ra theo chu trình khép kín:

  • Khối xử lý hình ảnh nhận tín hiệu từ Camera USB kết nối với Raspberry Pi 4. Giao diện Tkinter cung cấp các tùy chọn: Lấy dữ liệu khuôn mặt mới, Huấn luyện mô hình (Training), Nhận diện kiểm tra (Test) và Xóa dữ liệu. Toàn bộ thông tin định danh và ID người dùng được lưu trữ trong cơ sở dữ liệu SQLite.
  • Khi một người dùng được nhận diện thành công, Raspberry Pi gửi tín hiệu nhận diện tương ứng sang bo mạch Arduino Mega 2560 Pro.
  • Vi điều khiển Arduino Mega 2560 Pro tiếp nhận tín hiệu, kích hoạt logic điều khiển 3 động cơ điện (trượt, ngả lưng, nâng hạ đùi/mông) thông qua cụm mạch cầu H BTS7960. Trong quá trình motor chuyển động, các cảm biến Hall gắn tại trục truyền động liên tục phát xung phản hồi về vi điều khiển để đếm số vòng quay. Khi số xung đếm trùng khớp với giá trị vị trí đã lưu trong bộ nhớ EEPROM/biến trạng thái, Arduino ngắt tín hiệu cầu H để dừng ghế chính xác tại vị trí người dùng mong muốn.
  • Hệ thống hỗ trợ mô phỏng kiểm chứng chu trình nhớ vị trí, gọi vị trí và xóa bộ nhớ trên phần mềm Proteus 8 trước khi nạp vào mạch phần cứng thực tế.

Nội dung chính theo từng chương

Chương 1: Tổng quan về đề tài nghiên cứu

Chương 1 trình bày tính cấp thiết của đề tài xuất phát từ nhu cầu cá nhân hóa tiện ích trên xe hơi và tiềm năng ứng dụng công nghệ xử lý ảnh, trí tuệ nhân tạo. Tác giả xác định 6 mục tiêu cụ thể, xác lập đối tượng nghiên cứu xoay quanh máy tính nhúng Raspberry Pi 4, vi điều khiển Arduino Mega 2560 Pro, cơ sở dữ liệu SQLite, ngôn ngữ Python/C và sơ đồ ghế Lexus RX300 (1999). Giới hạn nghiên cứu được thiết lập ở việc quản lý tối đa 3 khuôn mặt, điều khiển 3 motor vị trí ghế, khoảng cách nhận diện từ 0,8 đến 1,0 mét và chỉ ra các yếu tố môi trường gây suy giảm hiệu suất nhận diện.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp cơ sở khoa học chuyên sâu chia làm hai mảng:

  • Lý thuyết ghế điện: Lịch sử hình thành ghế xe hơi, phân tích ưu nhược điểm của ghế cứng, ghế cơ khí, ghế treo lò xo/khí nén; phân tích nguyên lý cấu tạo động cơ DC có chổi than và động cơ không chổi than BLDC; cơ chế hoạt động của cảm biến Hall ứng dụng đo xung số vòng quay; nguyên lý cơ cấu truyền động trục vít - bánh vít, trục vít mềm và bánh răng; phân tích hệ thống nhớ ghế trên Toyota Camry 2015, hệ thống sưởi NTC/PTC, hệ thống phân loại người ngồi OCS và túi khí SRS.
  • Lý thuyết xử lý ảnh và trí tuệ nhân tạo: Trình bày quy trình xử lý ảnh, các không gian màu, phát hiện biên, toán tử hình thái học; nguyên lý trích xuất đặc trưng LBP, Uniform LBP, Rotation Invariant LBP; giải thuật phát hiện khuôn mặt Haar-like và AdaBoost; giải thuật xác định 68 điểm mốc đặc trưng Facial Landmarks từ Dlib; cấu trúc mạng nơ-ron học sâu ResNet với các khối phần dư (Residual blocks); thuật toán phân lớp SVM với bộ phân loại siêu phẳng lề cực đại; tổng quan các thư viện phần mềm lập trình Python, OpenCV, Tkinter, NumPy, Pillow, Scikit-learn và Joblib.

Chương 3: Thiết kế hệ thống

Chương 3 trình bày chi tiết quá trình thiết kế toàn bộ hệ thống mô hình:

  • Phần mềm thiết kế: Sử dụng PyCharm, SQLite Studio, Arduino IDE, Proteus 8, SOLIDWORKS, CorelDraw 2021 và EAGLE.
  • Yêu cầu và sơ đồ khối: Thiết lập sơ đồ khối kết nối giữa khối nguồn, khối xử lý hình ảnh, khối điều khiển vị trí ghế và khối cơ cấu chấp hành.
  • Thiết kế phần cơ khí: Xuất bản vẽ 2D và 3D khung ghế điện trên SOLIDWORKS, gia công khung thép chịu tải, thiết kế bảng điều khiển và vị trí gá đặt màn hình, bo mạch.
  • Thiết kế phần điện - điện tử: Lựa chọn vi điều khiển Arduino Mega 2560 Pro, module giảm áp LM2596 (12V sang 5V/3A), mạch cầu H BTS7960 (43A), cảm biến Hall phản hồi xung, màn hình LCD 2004 hiển thị tọa độ; thiết kế mạch nhớ ghế và sơ đồ nguyên lý nối dây toàn bộ hệ thống từ nguồn 12V đến Raspberry Pi 4 và các cơ cấu motor.

Chương 4: Thi công hệ thống

Chương 4 mô tả quá trình hiện thực hóa mô hình từ thiết kế sang thực tế:

  • Thi công phần cứng: Chuẩn bị linh kiện, gia công tấm gắn mica, hàn lắp linh kiện lên bo mạch PCB, gắn cảm biến Hall lên vị trí trục truyền động và hoàn thiện khung ghế sắt.
  • Cài đặt hệ điều hành và môi trường: Cài đặt hệ điều hành Raspberry Pi OS 64-bit lên thẻ nhớ bằng Raspberry Pi Imager, cấu hình camera qua cổng USB, cài đặt môi trường PyCharm, thiết lập kết nối điều khiển từ xa thông qua PuTTy (SSH) và RealVNC Viewer.
  • Xây dựng phần mềm: Thiết kế giao diện đồ họa GUI bằng Tkinter (tạo Label, Button cho các tác vụ lấy dữ liệu, huấn luyện, kiểm tra, xóa); xây dựng các lưu đồ giải thuật tổng thể, lưu đồ lấy mẫu dữ liệu khuôn mặt, lưu đồ huấn luyện mô hình (LBPH và mạng nơ-ron), lưu đồ kiểm tra và lưu đồ xóa dữ liệu.
  • Lập trình nhúng điều khiển nhớ ghế: Xây dựng lưu đồ thuật toán đóng/ngắt công tắc ON/OFF, lưu vị trí ghế, gọi vị trí ghế và xóa vị trí bộ nhớ; thực hiện mô phỏng hoàn chỉnh trình tự hoạt động của mạch trên Proteus 8 trước khi hoàn thiện đấu nối thực tế.

Chương 5: Kết quả thực nghiệm

Chương 5 công bố kết quả thử nghiệm mô hình thực tế:

  • Đánh giá khả năng vận hành: Khung cơ khí hoạt động êm ái, các motor chấp hành dịch chuyển đúng hành trình, bo mạch điều khiển cầu H đáp ứng công suất dòng tải và cảm biến Hall phản hồi xung ổn định.
  • Thử nghiệm nhận diện khuôn mặt: Tiến hành kiểm tra và so sánh độc lập hai chương trình nhận diện (Chương trình 1 sử dụng giải thuật LBPH; Chương trình 2 sử dụng mạng nơ-ron học sâu CNN/ResNet kết hợp Dlib và SVM) ở hai tư thế ngồi (góc thẳng đứng và góc nghiêng) dưới 4 điều kiện chiếu sáng: đủ sáng, thiếu sáng, thừa sáng và ngược sáng.
  • Bảng biểu hóa số liệu: Tổng hợp các tỷ lệ nhận diện thành công qua 20 lần thử nghiệm cho từng trường hợp, phân tích các trường hợp nhận dạng sai hoặc không nhận diện được do điều kiện ánh sáng cực đoan.

Chương 6: Kết luận và hướng phát triển

Chương 6 tổng kết các kết quả đạt được của đồ án: Chế tạo thành công mô hình ghế điện hoạt động ổn định, xây dựng hoàn chỉnh giao diện điều khiển thân thiện và tích hợp thành công mô hình nhận diện khuôn mặt vào việc điều khiển vị trí ghế tự động. Tác giả cũng chỉ ra các điểm còn hạn chế của mô hình và đề xuất các giải pháp nâng cấp trong tương lai.

Kết quả và đóng góp

Đồ án đã chế tạo thành công một mô hình thực nghiệm ghế thông minh điều khiển bằng nhận diện khuôn mặt với các kết quả cụ thể:

  • Về phần cơ điện: Hệ thống điều khiển độc lập và chính xác 3 motor (trượt ray, ngả lưng, nâng hạ đùi/mông). Mạch cầu H BTS7960 chịu được tải dòng lớn của động cơ ô tô, kết hợp module giảm áp LM2596 và cảm biến Hall đếm số vòng quay để định vị tọa độ ghế với độ lặp lại ổn định.
  • Về phần thị giác máy tính: Xây dựng thành công hai chương trình nhận dạng khuôn mặt và tiến hành thực nghiệm đo đạc độ chính xác qua 20 lần thử nghiệm ở mỗi điều kiện:
Trường hợp thử nghiệm Điều kiện môi trường ánh sáng Kết quả nhận dạng Chương trình 1 (LBPH) Kết quả nhận dạng Chương trình 2 (CNN / ResNet + SVM)
Góc thẳng đứng Đủ sáng Nhận dạng chính xác, độ ổn định cao Nhận dạng rất chính xác, độ tin cậy cao
Thiếu sáng Hiệu suất giảm, xuất hiện lỗi nhận diện Nhận dạng tốt hơn Chương trình 1
Thừa sáng Bị lóa, độ chính xác nhận diện suy giảm Giữ được đặc trưng tốt hơn Chương trình 1
Ngược sáng Nhận dạng kém, tỷ lệ nhận diện sai tăng Bị ảnh hưởng bởi bóng tối nhưng tỷ lệ nhận diện cao hơn
Góc nghiêng Đủ sáng Nhận diện được khi góc nghiêng nhỏ Nhận diện tốt nhờ đặc trưng 68 điểm Facial Landmarks
Thiếu sáng Tỷ lệ nhận diện thấp Tỷ lệ nhận diện giảm nhưng vẫn khả thi
Thừa sáng Suy giảm độ chính xác rõ rệt Nhận dạng chấp nhận được
Ngược sáng Hầu như không nhận diện được Hiệu suất nhận dạng bị suy giảm đáng kể

Giải pháp và đóng góp của đề tài:

  • Chứng minh tính khả thi của việc thay thế các nút bấm nhớ ghế vật lý truyền thống bằng thị giác máy tính trên nền tảng vi máy tính nhúng giá thành thấp (Raspberry Pi kết hợp Arduino).
  • Tích hợp thành công chuỗi công nghệ từ thu thập dữ liệu, phân loại khuôn mặt bằng AI đến điều khiển chấp hành công suất thực tế qua cảm biến hồi tiếp Hall.
  • Cung cấp dữ liệu đối sánh thực nghiệm rõ ràng giữa phương pháp truyền thống (LBPH) và phương pháp học sâu (ResNet/CNN kết hợp Dlib Facial Landmarks) trong môi trường chiếu sáng và góc nghiêng biến thiên trên cabin ô tô.

Hạn chế và hướng nghiên cứu tiếp

Theo nội dung công bố trong đồ án, hệ thống còn tồn tại một số hạn chế kỹ thuật:

  • Độ nhạy cảm với ánh sáng: Hệ thống camera và giải thuật thị giác máy tính hoạt động kém hiệu quả khi môi trường có cường độ ánh sáng quá mạnh (gây chói lóa, mất chi tiết), quá yếu (thiếu sáng trầm trọng) hoặc nơi có bức xạ nhiệt cao.
  • Giới hạn góc nhìn và cự ly: Hệ thống đạt độ chính xác tối ưu trong cự ly hẹp từ 0,8 mét đến 1,0 mét và khi khuôn mặt ở góc thẳng đứng. Khi người ngồi ở góc nghiêng lớn hoặc khoảng cách ngoài phạm vi trên, độ chính xác giảm sút đáng kể.
  • Giới hạn phần cứng và lưu trữ: Bộ nhớ hệ thống mới chỉ quản lý tối đa 3 khuôn mặt người dùng và điều khiển 3 cụm motor ghế; thời gian xử lý của mạng nơ-ron sâu trên Raspberry Pi 4 vẫn có độ trễ nhất định so với thuật toán nhẹ.

Hướng nghiên cứu và phát triển tiếp theo được tác giả đề xuất:

  • Tích hợp thêm camera hồng ngoại hoặc camera chuyên dụng chống ngược sáng để duy trì hiệu quả nhận diện ổn định trong điều kiện ban đêm hoặc ánh sáng phức tạp.
  • Tối ưu hóa thuật toán học sâu hoặc nâng cấp phần cứng xử lý AI chuyên dụng nhằm rút ngắn thời gian xử lý và mở rộng cơ sở dữ liệu lưu trữ cho nhiều người dùng hơn.
  • Mở rộng điều khiển toàn diện các hướng ghế còn lại (như motor bơm lưng, đệm đỡ bắp chân) và tích hợp hệ thống trực tiếp vào mạng giao tiếp CAN bus tiêu chuẩn của ô tô thay vì sử dụng mạch điều khiển rời.

Giá trị tham khảo

Đồ án là tài liệu kỹ thuật có giá trị thực tiễn cao đối với:

  • Sinh viên và giảng viên ngành Công nghệ Kỹ thuật Ô tô, Kỹ thuật Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa, cũng như Trí tuệ nhân tạo ứng dụng.
  • Người nghiên cứu các hệ thống tiện nghi ô tô thông minh, hệ thống nhận diện sinh trắc học trên phương tiện giao thông hoặc các dự án nhúng kết hợp giữa máy tính thị giác và vi điều khiển công suất.
  • Các phần có giá trị tham khảo kỹ thuật nổi bật gồm:
    • Bản vẽ thiết kế cơ khí khung ghế điện và phương pháp bố trí motor chấp hành.
    • Sơ đồ phối ghép phần cứng giữa Raspberry Pi 4 và Arduino Mega 2560 Pro qua mạch cầu H BTS7960 và mạch hạ áp LM2596.
    • Thiết kế mạch đếm xung cảm biến Hall phản hồi vị trí góc quay động cơ.
    • Quy trình xây dựng giao diện người dùng Tkinter kết nối cơ sở dữ liệu SQLite và đối sánh hai thuật toán nhận diện LBPH và ResNet.

Câu hỏi thường gặp

1. Hệ thống ghế thông minh trong đồ án sử dụng các vi điều khiển và máy tính nhúng nào để phân chia nhiệm vụ? Hệ thống sử dụng máy tính nhúng Raspberry Pi 4 Model B (RAM 4GB) đảm nhiệm khối xử lý hình ảnh, giao diện người dùng (Tkinter) và các mô hình nhận diện khuôn mặt; phối hợp cùng vi điều khiển Arduino Mega 2560 Pro chuyên trách nhận lệnh, đọc tín hiệu xung từ cảm biến Hall và điều khiển băm xung PWM cho các mạch cầu H BTS7960 đóng ngắt motor ghế.

2. Đồ án so sánh hai chương trình nhận dạng khuôn mặt nào và kết quả thực nghiệm ra sao? Đồ án xây dựng và so sánh Chương trình 1 sử dụng thuật toán Local Binary Patterns Histogram (LBPH) và Chương trình 2 sử dụng mạng nơ-ron tích chập (CNN/ResNet) kết hợp nhận diện 68 điểm mốc Dlib và bộ phân loại SVM. Kết quả thực nghiệm cho thấy Chương trình 2 có độ chính xác, khả năng nhận diện góc nghiêng và khả năng thích ứng với điều kiện thiếu sáng/thừa sáng vượt trội hơn so với Chương trình 1.

3. Cơ cấu phản hồi vị trí của các motor ghế được thực hiện bằng cách nào? Hệ thống sử dụng các cảm biến Hall gắn tại trục động cơ để đo số vòng quay của rotor thông qua sự biến thiên từ trường của nam châm quét qua tấm chắn. Cảm biến xuất tín hiệu xung điện áp (0V - 5V) về chân ngắt của Arduino Mega 2560 Pro để đếm số bước quay, từ đó xác định chính xác hành trình dịch chuyển của từng cơ cấu ghế.

4. Đồ án đặt ra những giới hạn kỹ thuật cụ thể nào về khoảng cách và số lượng người dùng? Hệ thống hoạt động tối ưu ở khoảng cách camera từ 0,8 mét đến 1,0 mét; giới hạn lưu trữ dữ liệu tối đa là 3 khuôn mặt người dùng và điều khiển lưu/gọi vị trí cho 3 cụm động cơ điện (trượt, ngả lưng, nâng hạ đùi/mông).

5. Mạch cầu H BTS7960 và mạch giảm áp LM2596 giữ vai trò gì trong phần cứng mô hình? Mạch cầu H BTS7960 có khả năng chịu dòng cực đại lên đến 43A, chịu trách nhiệm đảo chiều và điều khiển tốc độ/công suất cho các motor DC kéo ghế vốn có dòng khởi động và dòng tải lớn. Mạch giảm áp LM2596 đóng vai trò hạ điện áp từ nguồn ắc-quy/nguồn ngoài 12V DC xuống điện áp ổn định 5V DC với dòng tải tối đa 3A để cấp nguồn an toàn cho Arduino, cảm biến và các module phụ trợ.

Kết luận

Đồ án "Nghiên cứu, thiết kế và thi công mô hình điều khiển ghế thông minh bằng nhận diện khuôn mặt" đã hoàn thành toàn diện các mục tiêu nghiên cứu từ tính toán lý thuyết, thiết kế cơ điện tử đến thi công mô hình thực tế. Việc kết hợp máy tính nhúng Raspberry Pi 4 và vi điều khiển Arduino Mega 2560 Pro cho phép hệ thống nhận diện khuôn mặt người dùng chính xác và tự động điều khiển 3 cụm motor ghế về vị trí cài đặt sẵn thông qua phản hồi xung của cảm biến Hall. Các kết quả thực nghiệm độc lập giữa giải thuật LBPH và mô hình học sâu ResNet/CNN đã cung cấp luận cứ kỹ thuật rõ ràng về tính khả thi của việc ứng dụng thị giác máy tính vào hệ thống tiện nghi nội thất ô tô hiện đại.