Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh xã hội ngày càng phát triển, nhu cầu đảm bảo an ninh, trật tự và bảo mật tài sản ngày càng gia tăng. Robot tuần tra nổi lên như một giải pháp công nghệ tự động hóa giàu tiềm năng, có khả năng ứng dụng rộng rãi trong giám sát an ninh công cộng, khu công nghiệp và các khu vực dịch vụ. Trên thị trường quốc tế, nhiều hệ thống robot tuần tra hiện đại đã được thương mại hóa như dòng robot GUOXING (mẫu WT1000) hay hệ thống robot tích hợp trí tuệ nhân tạo SS.2 PTZ IS Picard. Các hệ thống này sở hữu mức độ hoàn thiện cao, kích thước lớn và được trang bị nhiều công nghệ phức tạp như camera 360 độ, cảm biến nhiệt, radar và LiDAR.

Tuy nhiên, các dòng robot thương mại nhập khẩu hiện vẫn còn nhiều rào cản khi triển khai tại Việt Nam do giá thành rất cao, kích thước cồng kềnh và một số tính năng chưa tương thích tối ưu với điều kiện hạ tầng cơ sở vật chất trong nước (nơi có nhiều chướng ngại vật chưa đồng bộ, thiếu khả năng gửi cảnh báo tức thời trực tiếp qua email hoặc tin nhắn cho người dùng cá nhân). Nhằm giải quyết các hạn chế trên, đề tài khóa luận "Nghiên cứu và thiết kế mô hình robot tuần tra" của tác giả Nguyễn Quốc Hiếu hướng tới việc xây dựng một mô hình robot tuần tra kích thước nhỏ gọn, có khả năng tự động phát hiện người xâm nhập trái phép bằng trí tuệ nhân tạo và kích hoạt cảnh báo tức thời với chi phí đầu tư phù hợp.

Mục tiêu cụ thể của đề tài được phân rã thành 4 nhiệm vụ cốt lõi:

  1. Di chuyển: Xây dựng khả năng di chuyển linh hoạt của robot trong một khu vực mặt phẳng xác định theo lộ trình định sẵn hoặc điều khiển từ xa.
  2. Ghi hình: Thu thập dữ liệu video, quay phim và ghi lại hình ảnh liên tục trong quá trình di chuyển, sau đó truyền dữ liệu về máy chủ quản lý.
  3. Phát hiện người: Ứng dụng và tối ưu hóa thuật toán phát hiện đối tượng dựa trên mạng nơ-ron tích chập YOLOv5 để nhận diện sự xuất hiện của con người theo thời gian thực.
  4. Gửi cảnh báo: Khi phát hiện có người xâm nhập trái phép, hệ thống lập tức phát cảnh báo tại chỗ bằng còi, đèn chớp và gửi thông báo tự động (kèm hình ảnh, video) qua email hoặc thông báo đến điện thoại người quản lý.

Phạm vi và giới hạn kỹ thuật của đề tài:

  • Kích thước thân robot: Tối đa $35 \times 30 \times 40\text{ cm}$.
  • Phạm vi hoạt động: Lộ trình cố định trên bề mặt phẳng với chiều dài tối đa $100\text{ m}$, thời lượng hoạt động liên tục đạt $2\text{ giờ}$.
  • Cự ly phát hiện đối tượng: Trong bán kính tối đa $15\text{ m}$.
  • Thời gian đáp ứng phản hồi cảnh báo: Dưới $1\text{ giây}$ ($< 1\text{s}$).

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý thuyết chuyên sâu về lĩnh vực thị giác máy tính (Computer Vision) và các mô hình học sâu (Deep Learning) phục vụ bài toán phát hiện đối tượng (Object Detection), đặc biệt là phát hiện con người (Human Detection).

Khung lý thuyết và mô hình kỹ thuật

Tác giả đã tổng hợp và phân tích tiến trình phát triển của các phương pháp định vị đối tượng:

  • Thuật toán trích chọn đặc trưng HOG (Histogram of Oriented Gradients): Phương pháp cổ điển (ra đời năm 1986) thực hiện chia hình ảnh thành các ô nhỏ (cells), tính toán biểu đồ hướng gradient để trích xuất các vectơ đặc trưng hình dáng đối tượng và loại bỏ thông tin dư thừa.
  • Mô hình hai giai đoạn (Two-stage Detectors):
    • R-CNN: Sử dụng thuật toán Selective Search để trích xuất khoảng 2.000 vùng đề xuất (region proposals), đưa qua mạng tích chập CNN để phân loại và định vị bounding box. Nhược điểm chính là tốc độ xử lý rất chậm.
    • Faster R-CNN: Cải tiến vượt bậc bằng cách loại bỏ Selective Search và thay thế bằng mạng con RPN (Region Proposal Network), giúp tăng tốc độ trích xuất vùng ứng viên trực tiếp trên bản đồ đặc trưng.
  • Mô hình một giai đoạn (One-stage Detector) - Họ thuật toán YOLO (You Only Look Once): Được giới thiệu bởi Joseph Redmon và Ali Farhadi (2015). Khác với mô hình hai giai đoạn, YOLO coi việc nhận diện là một bài toán hồi quy đơn lẻ, xử lý toàn bộ khung hình trong một lần truyền thẳng (single forward pass) qua mạng CNN, chia ảnh thành lưới ô vuông để dự đoán đồng thời tọa độ bounding box và xác suất nhãn lớp, sau đó tối ưu qua thuật toán Non-Maximum Suppression (NMS).
    • YOLOv1 - YOLOv4: Tác giả điểm lược các cải tiến qua từng phiên bản, bao gồm việc thêm Batch Normalization và Anchor Boxes (YOLOv2), kiến trúc Darknet-53 kết hợp cổ mạng FPN (YOLOv3), và kiến trúc mạng CSPDarknet53 kết hợp PANet trên YOLOv4 (dựa trên Modified DenseNet nhằm giảm hiện tượng triệt tiêu gradient và nghẽn cổ chai tính toán).
    • YOLOv5: Phiên bản được xây dựng hoàn toàn trên nền tảng PyTorch, sử dụng cấu trúc Focus dựa trên CSPDarknet53 ở phần Backbone, kết hợp mạng cổ PANet và FPN giúp cải thiện khả năng định vị đặc trưng ở các lớp thấp, cho phép xuất kết quả ở 3 tỉ lệ khác nhau nhằm tối ưu độ chính xác và giảm dung lượng mô hình.
+-----------------------------------------------------------------------------------+
|                            QUY TRÌNH XỬ LÝ CỦA YOLOv5                             |
|                                                                                   |
|  [Ảnh đầu vào] ---> [Backbone: CSPDarknet53] ---> [Neck: PANet + FPN] ---> [Head] |
|                                                                                   |
|  Đầu ra Head: Dự đoán Bounding Box + Class Probability ở 3 tỉ lệ khác nhau        |
|  Hậu xử lý: Non-Maximum Suppression (NMS) để loại bỏ các khung trùng lặp          |
+-----------------------------------------------------------------------------------+

Phương pháp nghiên cứu

Khóa luận kết hợp phương pháp nghiên cứu lý thuyết và phương pháp thực nghiệm thiết kế hệ thống kỹ thuật:

  • Phương pháp phân tích - tổng hợp tài liệu khoa học về thị giác máy tính và robot tự hành.
  • Phương pháp thực nghiệm mô hình học sâu: Huấn luyện, đánh giá và tinh chỉnh các biến thể mạng YOLOv5 (v5n, v5s, v5m, v5l) trên nền tảng đám mây Kaggle với môi trường GPU tăng tốc.
  • Phương pháp thiết kế tích hợp phần cứng và lập trình nhúng: Ghép nối bo mạch xử lý đồ họa, cảm biến camera, module truyền thông không dây và hệ thống động cơ điều khiển; xây dựng luồng truyền nhận tín hiệu cảnh báo và đồng bộ dữ liệu đám mây.

Nguồn dữ liệu nghiên cứu

Mô hình sử dụng tập dữ liệu chuẩn hóa CrowdHuman Dataset, một bộ dữ liệu có tính đa dạng cao và chuyên biệt cho bài toán phát hiện người trong môi trường đông đúc, phức tạp:

  • Tổng số lượng ảnh: 15.000 hình ảnh.
  • Tổng số lượng cá thể người được gán nhãn: 339.565 người.
  • Số lượng vùng không quan tâm (ignored regions): 99.227 vùng.
  • Mật độ trung bình: 22,64 người/hình ảnh.
  • Phân chia tập dữ liệu: Tập huấn luyện (Train set) gồm 15.000 ảnh và 15.000 file nhãn; Tập kiểm định (Validation set) gồm 4.370 ảnh và 4.370 file nhãn; Tập kiểm tra (Test set) gồm 5.018 ảnh.
  • Các lớp đối tượng nhận diện: 02 lớp bao gồm 'person' (toàn thân người) và 'head' (đầu người). Cấu trúc tọa độ bounding box chuẩn hóa theo định dạng YOLO: <class-id> <x_center> <y_center> <width> <height>.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo mô hình tích hợp gồm hai phân hệ chính: Phân hệ Robot tuần tra tại hiện trường và Phân hệ Server quản lý dữ liệu trung tâm.

+----------------------------------------------------------------------------------+
|                            SƠ ĐỒ TỔNG THỂ HỆ THỐNG                               |
|                                                                                  |
|  [CSI Camera] ---> [Xử lý hình ảnh (YOLOv5n trên Jetson Nano)]                   |
|                              |                                                   |
|                     (Khi phát hiện người)                                        |
|                              |                                                   |
|           +------------------+------------------+                                |
|           |                                     |                                |
|           v                                     v                                |
|  [Phát cảnh báo tại chỗ]               [Bộ xử lý trung tâm]                      |
|  - Kích hoạt còi hú                    - Gửi Email qua SMTP Gmail (Port 465)     |
|  - Bật đèn cảnh báo                    - Đồng bộ ảnh/video lên Firebase Storage  |
|                                                         |                        |
|                                                         v                        |
|                                                [Người quản trị]                  |
+----------------------------------------------------------------------------------+

Thiết kế phần cứng

Khung gầm và năng lực tính toán của robot được cấu thành từ hai khối thiết bị chính:

  1. Máy tính nhúng AI - NVIDIA Jetson Nano Developer Kit B01: Đóng vai trò bộ não trung tâm xử lý dữ liệu và chạy mô hình học sâu.
    • GPU: Kiến trúc Maxwell 128 lõi.
    • CPU: Quad-core ARM Cortex-A57 @ $1,43\text{ GHz}$.
    • Bộ nhớ RAM: $4\text{GB}$ 64-bit LPDDR4.
    • Lưu trữ: Thẻ nhớ MicroSD SanDisk $64\text{GB}$.
    • Cổng giao tiếp & Ngoại vi: 4 cổng USB 3.0 Micro-B, giao tiếp GPIO, I2C, I2S, SPI, UART; kích thước $69 \times 45\text{ mm}$.
    • Nguồn cấp: Nguồn điện $5\text{V} - 4\text{A}$.
  2. Khung robot JetBot AI Kit (Waveshare): Cung cấp kết cấu cơ khí và giao tiếp ngoại vi.
    • Cảm biến hình ảnh: Camera CSI IMX219-160 độ phân giải $8\text{MP}$, góc nhìn rộng $160^\circ$ FOV, độ phân giải chụp $3280 \times 2464$.
    • Màn hình hiển thị: Màn hình OLED $0,91\text{ inch}$ (độ phân giải $128 \times 32\text{ pixels}$) báo trạng thái.
    • Kết nối không dây: Card mạng Dual Mode Wireless-AC8265 hỗ trợ Wi-Fi băng tần kép $2,4\text{GHz} / 5\text{GHz}$ và Bluetooth 4.2.
    • Động cơ và truyền động: 2 động cơ DC điều khiển độc lập (Motor Left, Motor Right), 2 bánh xe chủ động và 2 bánh xe đa hướng (castor) hỗ trợ chuyển hướng.
    • Bộ nguồn: Khay pin 18650 tích hợp mạch bảo vệ quá dòng, giám sát điện áp và hỗ trợ vừa sạc vừa vận hành.
    • Thiết bị ngoại vi: Tay cầm điều khiển không dây (Wireless Gamepad) phục vụ chế độ điều khiển thủ công từ xa.

Cài đặt môi trường và phần mềm nhúng

  • Hệ điều hành: Ubuntu 18.04 LTS tích hợp trong gói phần mềm nhúng JetPack 4.6 từ NVIDIA.
  • Ngôn ngữ lập trình: Python 3.
  • Các thư viện cốt lõi: NumPy (1.7.2), PyTorch + CUDA (1.0a0+git36449ea), Torchvision + CUDA (0.0a0+fa347eb), TensorFlow 2.x, trình biên tập Nano.
  • Mô hình AI: Triển khai mã nguồn Ultralytics YOLOv5. Mô hình được gọi thực thi thông qua tệp detect.py với các tham số cấu hình: trọng số (--weights), tập nhãn (--data), nguồn video CSI (--source), thiết bị xử lý (--device cuda), kích thước ảnh (--img) và ngưỡng tin cậy (--conf). Tác giả lựa chọn mô hình YOLOv5n (Nano) để nạp lên Jetson Nano nhằm bảo đảm tính toán thời gian thực và tiết kiệm tài nguyên bộ nhớ.

Thiết lập hệ thống cảnh báo và Server quản lý

  • Quy trình cấu hình cảnh báo Email qua SMTP (5 bước):
    • Bước 1: Cài đặt thư viện smtplib và các module định dạng email.mime.multipart, email.mime.text.
    • Bước 2: Thiết lập tham số tài khoản email gửi (Gmail), mật khẩu ứng dụng và nội dung thông báo.
    • Bước 3: Khởi tạo kết nối SMTP Server tới máy chủ Gmail tại địa chỉ smtp.gmail.com qua cổng bảo mật SSL 465.
    • Bước 4: Đóng gói dữ liệu và thực hiện gửi thông điệp cảnh báo tới địa chỉ email người quản trị khi mô hình xác định nhãn 'person'.
    • Bước 5: Đóng phiên kết nối và giải phóng tài nguyên server (server.quit()). Đồng thời, tín hiệu điều khiển kích hoạt còi báo động và đèn cảnh báo tại chỗ.
  • Quy trình kết nối Server Firebase (6 bước):
    • Bước 1: Khởi tạo Project mới trên nền tảng Google Firebase và kích hoạt dịch vụ lưu trữ (Firebase Storage).
    • Bước 2: Cài đặt thư viện quản trị firebase-admin SDK trên môi trường Jetson Nano.
    • Bước 3: Tạo khóa chứng thực riêng (private key) dưới dạng tệp JSON từ Firebase Console và lưu trữ an toàn trên thiết bị.
    • Bước 4: Xây dựng tập lệnh Python định nghĩa bucket lưu trữ, chứng thực quyền truy cập và trỏ đường dẫn tới tệp hình ảnh/video cần truyền tải.
    • Bước 5: Tự động tải dữ liệu hình ảnh chụp đối tượng và video bằng chứng lên Firebase Storage ngay khi phát hiện xâm nhập.
    • Bước 6: Xác thực dữ liệu trên đám mây, giúp người dùng có thể truy cập kiểm tra tức thời từ điện thoại hoặc máy tính cá nhân.

Nội dung chính theo từng chương

Chương 1. Tổng quan đề tài

Chương mở đầu phân tích tính cấp thiết của bài toán an ninh tự động hóa trong kỷ nguyên số, đối chiếu ưu nhược điểm của các giải pháp robot tuần tra hiện có trên thị trường thế giới và phân tích lý do các hệ thống này khó phổ biến tại Việt Nam. Tác giả xác lập rõ ràng 4 mục tiêu nghiên cứu (di chuyển, ghi hình, nhận diện người, phát cảnh báo), phương pháp tiếp cận kỹ thuật, bố cục 5 chương của khóa luận cùng hệ thống các chỉ số giới hạn nghiêm ngặt về kích thước cơ khí, cự ly nhận diện và thời gian đáp ứng cảnh báo.

Chương 2. Cơ sở lý thuyết

Chương 2 cung cấp tổng quan học thuật toàn diện về các kỹ thuật định vị vật thể và phát hiện người. Tác giả phân tích chi tiết cơ chế hoạt động của thuật toán trích xuất đặc trưng truyền thống HOG, các kiến trúc mạng nơ-ron tích chập vùng R-CNN, Faster R-CNN với mạng đề xuất vùng RPN. Tiếp đó, chương đi sâu vào nguyên lý một giai đoạn của họ mô hình YOLO, làm rõ bước tiến hóa kiến trúc từ YOLOv1 đến YOLOv5 (cấu trúc Focus, Backbone CSPDarknet53, Neck FPN kết hợp PANet) và giới thiệu sơ lược các thế hệ mở rộng từ YOLOv6 đến YOLOv10.

Chương 3. Phân tích thiết kế và hệ thống

Chương 3 trình bày chi tiết bản vẽ thiết kế phần cứng và sơ đồ khối phần mềm. Về phần cứng, tác giả thuyết minh chi tiết thông số kỹ thuật của bo mạch chủ NVIDIA Jetson Nano B01 kết hợp kit mở rộng JetBot AI Kit (camera CSI IMX219, module mạng AC8265, driver động cơ, hệ thống pin 18650). Về phần mềm, chương mô tả cấu trúc tệp cấu hình YAML, cấu trúc thư mục bộ dữ liệu CrowdHuman, quy trình huấn luyện các phiên bản YOLOv5, các bước cài đặt hệ điều hành JetPack 4.6, thư viện PyTorch/CUDA trên phần cứng nhúng, cùng giải thuật gửi cảnh báo tự động qua giao thức SMTP và cơ chế đồng bộ dữ liệu đám mây qua Firebase Storage.

Chương 4. Thực nghiệm và đánh giá

Chương 4 tập trung vào quá trình thực nghiệm mô hình học sâu và thử nghiệm vận hành hệ thống thực tế. Tác giả thiết lập các độ đo đánh giá khoa học gồm Ma trận nhầm lẫn (Confusion Matrix: TP, TN, FP, FN), Precision, Recall, F1-Score, IoU và mAP (mAP@0.5, mAP@0.5:0.95). Chương phân tích kết quả huấn luyện của 4 biến thể YOLOv5 (v5n, v5s, v5m, v5l) trên tập dữ liệu CrowdHuman trong 6 giờ (10–20 epochs) trên Kaggle, đánh giá độ trễ và độ chính xác khi nạp mô hình YOLOv5n lên Jetson Nano, đồng thời kiểm thử tính ổn định của quy trình kích hoạt còi báo, gửi email cảnh báo và đồng bộ tệp lên máy chủ Firebase.

Chương 5. Kết luận và hướng phát triển

Chương tổng kết toàn bộ các kết quả đạt được đối chiếu với các mục tiêu ban đầu, chỉ ra các mặt ưu điểm về chi phí, tính năng cảnh báo và độ chính xác nhận diện. Đồng thời, chương thẳng thắn nhìn nhận các hạn chế kỹ thuật hiện tại của mô hình và đề xuất các hướng nâng cấp trong tương lai nhằm hoàn thiện khả năng vận hành của robot.

Kết quả và đóng góp

Kết quả thực nghiệm và số liệu kỹ thuật

Khóa luận đã tiến hành huấn luyện thực nghiệm và so sánh các phiên bản mạng YOLOv5 trên cùng tập kiểm định (Validation set) của bộ dữ liệu CrowdHuman:

Phiên bản mô hình Dung lượng tham số / Kích thước (Size) Chỉ số F1-Score tối ưu (Confidence) Đánh giá hiệu năng và triển khai
YOLOv5n (Nano) $3,514\text{ M}$ $0,366$ (tại ngưỡng tin cậy tương ứng) Kích thước siêu nhẹ, tốc độ suy luận nhanh nhất, được chọn để nạp lên Jetson Nano
YOLOv5s (Small) Nhỏ gọn Đạt đỉnh cân bằng theo đồ thị F1 Độ chính xác khá, tải tính toán trung bình
YOLOv5m (Medium) Trung bình Cải thiện độ chính xác nhận diện Dung lượng lớn hơn, tốc độ chậm hơn trên phần cứng nhúng
YOLOv5l (Large) Lớn $0,407$ (tại ngưỡng tin cậy tương ứng) Độ chính xác cao nhất nhưng kích thước nặng, không tối ưu cho Jetson Nano 
+-----------------------------------------------------------------------------------+
|                     CÁC CÔNG THỨC ĐỘ ĐO ĐƯỢC ÁP DỤNG TRONG ĐỀ TÀI                 |
|                                                                                   |
|  1. Precision = TP / (TP + FP)                                                    |
|  2. Recall    = TP / (TP + FN)                                                    |
|  3. F1-Score  = 2 * (Precision * Recall) / (Precision + Recall)                   |
|  4. IoU       = Area(Ground Truth ∩ Prediction) / Area(Ground Truth ∪ Prediction)  |
|  5. mAP@a     = (1 / n) * ∑ AP_i  (với n là tổng số lớp đối tượng)                |
+-----------------------------------------------------------------------------------+
  • Triển khai thực tế trên phần cứng nhúng: Mô hình YOLOv5n sau khi tối ưu được nạp thành công lên bo mạch NVIDIA Jetson Nano Developer Kit B01, nhận diện trực tiếp luồng video từ camera IMX219-160.
  • Thời gian đáp ứng và cảnh báo: Hệ thống thực hiện phát hiện người trong cự ly $15\text{ m}$, kích hoạt còi/đèn báo động và gửi email cảnh báo kèm dữ liệu video/hình ảnh lên Firebase với thời gian trễ dưới $1\text{ giây}$, đáp ứng đúng yêu cầu thiết kế ban đầu.

Đóng góp của đề tài

  • Xây dựng thành công một mô hình thực nghiệm robot tuần tra thông minh hoàn chỉnh từ kết cấu cơ khí, bo mạch máy tính nhúng AI đến phần mềm nhận diện và quản trị dữ liệu đám mây.
  • Tích hợp thành công mô hình học sâu YOLOv5n được huấn luyện chuyên biệt trên tập dữ liệu mật độ cao CrowdHuman lên máy tính nhúng Jetson Nano, chứng minh tính khả thi của việc xử lý thị giác máy tính cục bộ (Edge AI) với chi phí thấp.
  • Thiết lập giải pháp cảnh báo tức thời đa kênh (còi, đèn tại chỗ kết hợp gửi email qua SMTP và lưu trữ đám mây Firebase), khắc phục được nhược điểm thiếu cảnh báo người dùng của các thiết bị nhập khẩu.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế kỹ thuật

Dựa trên các giới hạn kỹ thuật được xác định trong văn bản khóa luận:

  • Phạm vi di chuyển của robot còn hạn chế trong không gian bề mặt phẳng với chiều dài tối đa $100\text{ m}$. Kết cấu bánh xe JetBot AI chưa hỗ trợ vượt chướng ngại vật phức tạp hoặc di chuyển trên các địa hình gồ ghề.
  • Thời lượng hoạt động liên tục bị giới hạn trong khoảng $2\text{ giờ}$ do dung lượng bộ nguồn pin 18650.
  • Khoảng cách phát hiện đối tượng tối ưu dừng lại ở cự ly $15\text{ m}$.

Hướng phát triển trong tương lai

  • Nghiên cứu nâng cấp hệ thống cơ cấu chuyển động và khung gầm để robot có khả năng di chuyển linh hoạt trên nhiều dạng địa hình phức tạp và vượt chướng ngại vật.
  • Mở rộng phạm vi tuần tra, tích hợp công nghệ dẫn đường tự động (SLAM, định vị bản đồ) và tối ưu hóa hệ thống pin để nâng cao thời gian hoạt động liên tục.
  • Nâng cấp mô hình phát hiện đối tượng lên các phiên bản kiến trúc mới hơn (như YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10) nhằm gia tăng độ chính xác và cải thiện tốc độ suy luận.
  • Tích hợp thêm các cảm biến phụ trợ (cảm biến khoảng cách, cảm biến nhiệt) nhằm tăng cường độ an toàn và độ tin cậy khi tuần tra ban đêm hoặc trong điều kiện thời tiết bất lợi.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo có giá trị chuyên môn cao cho:

  • Sinh viên và nghiên cứu sinh: Thuộc các chuyên ngành Kỹ thuật Máy tính, Công nghệ Thông tin, Điện tử - Viễn thông, Robot và Hệ thống Tự động hóa đang thực hiện đồ án tốt nghiệp hoặc nghiên cứu về Hệ thống nhúng (Embedded Systems), Trí tuệ nhân tạo biên (Edge AI) và Thị giác máy tính.
  • Kỹ sư phát triển phần cứng và phần mềm nhúng: Tham khảo phương pháp cài đặt hệ điều hành JetPack 4.6, cấu hình môi trường PyTorch/CUDA trên dòng chip NVIDIA Jetson Nano.
  • Nghiên cứu ứng dụng thị giác máy tính: Cung cấp tài liệu mẫu về quy trình xử lý dữ liệu và huấn luyện bộ dữ liệu CrowdHuman với định dạng YAML của YOLO, phương pháp tinh chỉnh siêu tham số và tối ưu hóa mô hình nhẹ phục vụ bài toán phát hiện người xâm nhập thời gian thực.
  • Kỹ sư tích hợp hệ thống IoT: Tham khảo mã nguồn kiến trúc kết nối truyền thông SMTP cảnh báo và giao thức lưu trữ đồng bộ dữ liệu với nền tảng Google Firebase Storage.

Câu hỏi thường gặp

1. Khóa luận sử dụng nền tảng phần cứng nhúng nào làm bộ xử lý trung tâm cho robot?
Khóa luận sử dụng máy tính nhúng AI NVIDIA Jetson Nano Developer Kit phiên bản B01 (GPU Maxwell 128-core, CPU Quad-core ARM A57 @ $1,43\text{ GHz}$, $4\text{GB}$ RAM LPDDR4) kết hợp với bộ khung gầm robot JetBot AI Kit do Waveshare sản xuất.

2. Mô hình học sâu nào được lựa chọn để phát hiện người trên robot và lý do lựa chọn?
Tác giả lựa chọn mô hình YOLOv5n (phiên bản Nano của YOLOv5) sau khi đã huấn luyện thử nghiệm và so sánh với các biến thể v5s, v5m, v5l. YOLOv5n có kích thước mô hình siêu nhẹ ($3,514\text{ M}$), tốc độ suy luận cao, phù hợp với năng lực tính toán và dung lượng bộ nhớ giới hạn của máy tính nhúng Jetson Nano.

3. Bộ dữ liệu nào được sử dụng để huấn luyện mô hình và quy mô của bộ dữ liệu này ra sao?
Mô hình được huấn luyện trên bộ dữ liệu CrowdHuman Dataset gồm 15.000 ảnh huấn luyện, 4.370 ảnh kiểm định và 5.018 ảnh kiểm tra. Bộ dữ liệu chứa tổng cộng 339.565 cá thể người với 2 nhãn lớp được định nghĩa là 'person' (toàn thân) và 'head' (đầu người), có mật độ trung bình 22,64 người/ảnh.

4. Hệ thống thực hiện việc gửi cảnh báo và quản lý dữ liệu xâm nhập như thế nào?
Khi phát hiện người xâm nhập, robot kích hoạt còi hú và đèn cảnh báo tại chỗ; đồng thời hệ thống sử dụng thư viện smtplib của Linux kết nối tới Gmail SMTP Server (cổng 465) để gửi email tức thời cho người dùng. Song song đó, hình ảnh và video ghi lại đối tượng được tải tự động lên Google Firebase Storage thông qua firebase-admin SDK để người dùng truy cập kiểm tra từ xa.

5. Giới hạn hoạt động thực tế của mô hình robot tuần tra trong đề tài là gì?
Robot có kích thước tối đa $35 \times 30 \times 40\text{ cm}$, hoạt động trên bề mặt phẳng theo lộ trình tối đa $100\text{ m}$, thời lượng pin đạt $2\text{ giờ}$, cự ly phát hiện đối tượng tối đa $15\text{ m}$ và thời gian phản hồi cảnh báo dưới $1\text{ giây}$.

Kết luận

Khóa luận tốt nghiệp "Nghiên cứu và thiết kế mô hình robot tuần tra" của tác giả Nguyễn Quốc Hiếu đã hoàn thành trọn vẹn mục tiêu nghiên cứu và chế tạo thành công một mô hình robot an ninh tự hành quy mô nhỏ tích hợp trí tuệ nhân tạo. Bằng việc làm chủ công nghệ học sâu YOLOv5n trên nền tảng máy tính nhúng NVIDIA Jetson Nano và bộ dữ liệu CrowdHuman, hệ thống chứng minh khả năng nhận diện người xâm nhập chính xác trong cự ly $15\text{ m}$ với độ trễ phản hồi dưới $1\text{ giây}$. Giải pháp kết hợp đồng bộ giữa cảnh báo còi đèn tại chỗ, thông báo email qua SMTP và lưu trữ đám mây Firebase đã tạo nên một cấu trúc hệ thống an ninh giám sát hoàn chỉnh, chi phí thấp và có tính ứng dụng thực tiễn cao.