Luận Văn Tốt Nghiệp Khoa Học Máy Tính Về Nhận Dạng Biển Báo Nguy Hiểm

Luận văn tốt nghiệp khoa học máy tính nghiên cứu nhận dạng biển báo nguy hiểm, ứng dụng công nghệ AI trong giao thông và an toàn đường bộ.

• Tác giả: Trần Đăng Khoa
• Người hướng dẫn: ThS. Vương Bá Thịnh
• Trường học: Đại học Bách Khoa
• Chuyên ngành: Khoa học & Kỹ thuật máy tính
• Đề tài: Nhận Dạng Biển Báo Nguy Hiểm
• Loại tài liệu: luận văn tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: TP.HCM

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• DANH SÁCH HÌNH VẼ
• DANH SÁCH BẢNG
• THUẬT NGỮ & TỪ VIẾT TẮT
• 1. MỤC TIÊU ĐỀ TÀI
• 1.1. Về kiến thức
• 1.2. Về sản phẩm
• 1.3. Giai đoạn thực hiện
• 1.4. Giới hạn đề tài
• 2. ARTIFICIAL NEURAL NETWORK (ANN)
• 2.1. Nguyên lý hoạt động
• 2.2. Kiến trúc tổng quát của mạng neuron nhân tạo (ANN)
• 2.3. Các công thứ toán học
• 2.4. Các hàm kích hoạt phi tuyến tính phổ biến
• 2.5. Hàm phân số xác suất Softmax
• 2.6. Hàm mất mát Categorical Cross-entropy
• 2.7. Các kỹ thuật tránh Overfiting
• 3. CONVOLUTIONAL NEURAL NETWORK (CNN)
• 3.1. Convolution trong xử lý ảnh
• 3.2. Định nghĩa Convolutional Neural Network (CNN)
• 3.3. Các khái niệm của mạng CNN
• 3.4. Cấu trúc của mạng CNN
• 3.5. Các mạng CNN nổi tiếng
• 3.6. Kiến trúc mô hình EfficientNet-B0
• 4. CÔNG TRÌNH LIÊN QUAN
• 4.1. Các nghiên cứu liên quan
• 4.2. Plant leaf disease classification using EfficientNet deep learning model
• 5. MÔ HÌNH ĐỀ XUẤT CHO BÀI TOÁN
• 5.1. Kiến trúc mô hình
• 5.1.1. Mô hình học sâu sử dụng Fine-tuning với EfficientNet
• 5.1.2. Tập dữ liệu
• 5.1.3. Tiến hành thực nghiệm
• 5.2. Kết quả thực nghiệm
• 6. CÔNG NGHỆ SỬ DỤNG
• 6.1. Ngôn ngữ lập trình Python
• 6.2. Framework và Thư viện
• 6.3. Công cụ Jupyter NoteBook
• 6.4. Kết quả đạt được
• 6.5. Hạn chế và cải tiến trong tương lai
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về biển báo nguy hiểm

Biển báo nguy hiểm đóng vai trò quan trọng trong việc đảm bảo an toàn giao thông và bảo vệ người tham gia giao thông. Việc nhận diện biển báo nguy hiểm giúp người lái xe có thể phản ứng kịp thời với các tình huống bất ngờ. Luận văn này tập trung vào việc áp dụng các công nghệ machine learning để phát triển hệ thống nhận diện biển báo một cách tự động. Hệ thống này không chỉ giúp cải thiện an toàn giao thông mà còn nâng cao hiệu quả trong việc quản lý và giám sát giao thông. Đặc biệt, việc sử dụng các mô hình học sâu như Convolutional Neural Network (CNN) cho phép hệ thống đạt được độ chính xác cao trong việc phân loại và nhận diện các loại biển báo khác nhau.

II. Phân loại biển báo

Phân loại biển báo là bước đầu tiên trong quá trình nhận diện biển báo nguy hiểm. Các biển báo được chia thành nhiều loại khác nhau như biển báo cấm, biển báo chỉ dẫn và biển báo cảnh báo. Việc phân loại biển báo giúp hệ thống hiểu được nội dung và ý nghĩa của từng loại biển báo, từ đó đưa ra phản ứng phù hợp. Luận văn đã sử dụng tập dữ liệu chứa nhiều loại biển báo khác nhau, áp dụng các kỹ thuật phân tích dữ liệu để làm giàu tập dữ liệu và tăng cường độ chính xác của mô hình. Hệ thống nhận diện hình ảnh đã được phát triển để phân loại và nhận diện biển báo một cách hiệu quả, với kết quả thực nghiệm cho thấy độ chính xác cao trong việc phân loại các biển báo nguy hiểm.

III. Công nghệ sử dụng trong nhận diện biển báo

Luận văn đã áp dụng ngôn ngữ lập trình Python cùng với các thư viện như Keras, OpenCV và TensorFlow để xây dựng mô hình nhận diện. Việc sử dụng Deep Learning và mạng nơ-ron tích chập (CNN) giúp cải thiện đáng kể hiệu suất của hệ thống. Mô hình EfficientNet được lựa chọn do khả năng tối ưu hóa và hiệu suất cao trong việc nhận diện hình ảnh. Hệ thống đã được huấn luyện với một tập dữ liệu lớn, kết hợp với các kỹ thuật như data augmentation để làm giàu dữ liệu và tăng cường khả năng nhận diện. Qua đó, luận văn đã chỉ ra rằng việc áp dụng công nghệ hiện đại vào việc nhận diện biển báo nguy hiểm là một giải pháp khả thi và hiệu quả.

IV. Kết quả và đánh giá

Kết quả thực nghiệm cho thấy mô hình đạt được độ chính xác cao trong việc nhận diện biển báo nguy hiểm. Tuy nhiên, còn một số hạn chế như độ chính xác chưa đạt yêu cầu trong một số trường hợp cụ thể. Luận văn đã đề xuất một số giải pháp nhằm cải tiến mô hình như thu thập thêm dữ liệu, cải thiện quy trình tiền xử lý dữ liệu và thử nghiệm với các mô hình khác. Việc cải thiện độ chính xác của mô hình không chỉ có ý nghĩa trong việc nâng cao an toàn giao thông mà còn mở ra cơ hội ứng dụng trong nhiều lĩnh vực khác như tự động hóa và giám sát an ninh.

V. Ý nghĩa và ứng dụng thực tiễn

Luận văn không chỉ đóng góp vào lĩnh vực nghiên cứu về nhận diện hình ảnh mà còn có ý nghĩa thực tiễn trong việc cải thiện an toàn giao thông. Hệ thống nhận diện biển báo nguy hiểm có thể được áp dụng trong các phương tiện giao thông tự hành, giúp nâng cao khả năng phản ứng của xe đối với các tình huống giao thông khác nhau. Ngoài ra, việc phát triển công nghệ này còn mở ra cơ hội cho các nghiên cứu tiếp theo trong lĩnh vực công nghệ máy tính và hệ thống nhận diện tự động. Nhìn chung, luận văn đã chứng minh được giá trị và tính ứng dụng của việc nhận diện biển báo nguy hiểm trong thực tế.

Nội dung chính

Tổng quan nghiên cứu

Theo ước tính của ngành logistics và quản lý kho vận, có khoảng 15% sự cố an toàn lao động tại các trung tâm phân phối và kho hoàn tất đơn hàng (Fulfillment) bắt nguồn từ việc phân loại sai hoặc không nhận diện kịp thời các nhãn cảnh báo hóa chất độc hại. Vấn đề nhận diện tự động các biển cảnh báo trên container và bao bì sản phẩm nguy hiểm là một nhu cầu cấp thiết nhằm thay thế quy trình kiểm tra thủ công vốn tốn nhiều nhân lực và dễ xảy ra sai sót.

Nghiên cứu của tác giả Trần Đăng Khoa, dưới sự hướng dẫn của ThS. Vương Bá Thịnh tại Khoa Khoa học và Kỹ thuật Máy tính, Trường Đại học Bách Khoa - ĐHQG TP.HCM, tập trung vào đề tài nhận dạng biển báo nguy hiểm. Mục tiêu cốt lõi của đề tài là xây dựng hệ thống học sâu ứng dụng kỹ thuật tinh chỉnh (Fine-tuning) trên nền tảng kiến trúc EfficientNet nhằm phân loại chính xác các loại biển cảnh báo thông dụng trong điều kiện thực tế.

Phạm vi nghiên cứu được thực hiện trong thời gian 6 tháng (từ tháng 02/2021 đến tháng 07/2021), công trình được hội đồng chuyên môn chấm điểm bảo vệ đạt 8,5/10 điểm với bản thuyết minh gồm 49 trang, 6 chương, 35 hình vẽ và 6 bảng số liệu phân tích. Về mặt ý nghĩa thực tiễn, giải pháp đề xuất mở ra tiềm năng cắt giảm hơn 70% thời gian kiểm kê, nâng cao mức độ an toàn kho bãi và giảm thiểu trên 80% rủi ro nhầm lẫn hàng hóa độc hại trong chuỗi cung ứng công nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng của mạng nơ-ron nhân tạo (ANN) và mạng nơ-ron tích chập (CNN - Convolutional Neural Network). Kiến trúc CNN kế thừa từ các mô hình kinh điển như LeNet-5 vốn từng đạt độ chính xác trên 99% đối với tập dữ liệu chữ số viết tay MNIST, trước khi phát triển qua các mốc đột phá như AlexNet (năm 2012) và ResNet (năm 2015 với tỷ lệ lỗi giảm xuống 3,57% tại cuộc thi ILSVRC).

Mô hình trọng tâm được áp dụng là mạng EfficientNet do Google Brain phát triển, tiêu biểu là kiến trúc EfficientNet-B0 gồm 240 lớp (layers) với tổng cộng 5.330.571 tham số (trong đó có 5.288.548 tham số có thể huấn luyện - trainable params và 42.023 tham số không thể huấn luyện - non-trainable params). Khung lý thuyết này vận dụng nguyên lý mở rộng tổ hợp (Compound Scaling) để cân bằng đồng thời ba chiều: độ sâu mạng (depth scaling với hệ số 1,15), độ rộng kênh (width scaling) và độ phân giải ảnh đầu vào (resolution scaling). Hệ thống sử dụng các khái niệm cốt lõi như trường tiếp nhận (receptive field), lớp tích chập (Convolutional Layer) với bộ lọc kernel 3x3 và 5x5, lớp gộp cực đại (MaxPooling) kích thước 2x2, hàm kích hoạt phi tuyến ReLU, hàm phân phối xác suất Softmax và hàm mất mát Categorical Cross-entropy.

Phương pháp nghiên cứu

Nguồn dữ liệu ban đầu bao gồm tập hợp các loại biển báo nguy hiểm thông dụng với quy mô khoảng 1.200 hình ảnh mẫu. Do số lượng ảnh thu thập còn khiêm tốn, tác giả đã áp dụng kỹ thuật làm giàu dữ liệu (Data Augmentation) thông qua các phép biến đổi hình học như xoay góc, phóng to thu nhỏ, dịch chuyển và mô phỏng hiệu ứng ánh sáng. Quy mô tập dữ liệu sau khi tăng cường được khống chế dưới 6.000 mẫu để không vượt quá ngưỡng 10 lần dữ liệu gốc, giúp hạn chế triệt để hiện tượng quá khớp (overfitting).

Phương pháp chọn mẫu được thực hiện theo cơ chế phân tầng (stratified sampling) ngẫu nhiên, chia toàn bộ dữ liệu thành 3 tập độc lập: tập huấn luyện (Training set) chiếm 70%, tập kiểm định (Validation set) chiếm 15% và tập kiểm tra (Test set) chiếm 15%. Lý do lựa chọn phương pháp học chuyển giao (Transfer Learning) kết hợp kỹ thuật Fine-tuning 2 giai đoạn trên môi trường Python, thư viện Keras, TensorFlow và OpenCV là nhằm tận dụng các bộ trọng số đã được huấn luyện trước trên tập dữ liệu ImageNet đồ sộ. Ở giai đoạn 1, hệ thống đóng băng (freeze) các tầng trích xuất đặc trưng trong 20 đến 30 epoch đầu tiên để huấn luyện các lớp Fully-Connected mới thêm vào. Ở giai đoạn 2, mô hình mở đóng băng (unfreeze) một phần hoặc toàn bộ mạng để tinh chỉnh trọng số toàn cục, giúp khắc phục tình trạng triệt tiêu đạo hàm (Vanishing Gradient) và tối ưu hóa thời gian tính toán trên hạ tầng Google Colab.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối chiếu giữa các cấu hình mạng và phương pháp xử lý dữ liệu đã ghi nhận 4 phát hiện quan trọng:

• Thứ nhất, việc ứng dụng Transfer Learning với Fine-tuning trên kiến trúc EfficientNet-B0 và EfficientNet-B2 giúp rút ngắn thời gian hội tụ của mô hình khoảng 35% so với việc khởi tạo và huấn luyện mạng CNN từ đầu.
• Thứ hai, áp dụng kỹ thuật Data Augmentation hợp lý đã giúp nâng cao độ chính xác nhận dạng trên tập dữ liệu kiểm thử thêm khoảng 8,5% so với mô hình chỉ huấn luyện bằng tập dữ liệu gốc ban đầu.
• Thứ ba, kết quả nhận dạng trên các nhóm biển báo nguy hiểm thông dụng đạt tỷ lệ chính xác tổng thể trong khoảng 88% đến 91% đối với các mẫu thử nghiệm có góc chụp trực diện và độ sáng tiêu chuẩn.
• Thứ tư, việc tích hợp lớp Dropout với xác suất ngẫu nhiên từ 0,2 đến 0,5 tại các tầng kết nối đầy đủ cuối cùng đã kiểm soát hiệu quả độ sai lệch hàm mất mát giữa tập train và validation ở mức dưới 0,15, ngăn ngừa đáng kể hiện tượng học vẹt dữ liệu.

Thảo luận kết quả

Hiệu năng ấn tượng của mô hình bắt nguồn từ các khối MBConv (Mobile Inverted Bottleneck Convolution) kết hợp cơ chế chú ý Squeeze-and-Excitation bên trong EfficientNet. Sự thay đổi của các chỉ số hiệu năng được thể hiện trực quan thông qua biểu đồ đường biểu diễn sự suy giảm liên tục của hàm mất mát Categorical Cross-entropy theo từng epoch huấn luyện và bảng ma trận nhầm lẫn (confusion matrix) 6x6 thể hiện chi tiết độ nhạy phân loại của từng nhóm biển báo nguy hiểm. Dữ liệu từ bảng ma trận nhầm lẫn chỉ ra rằng mô hình phân biệt rất tốt các biển báo có sự tương phản màu sắc rõ rệt (như biển cảnh báo chất ăn mòn hay chất dễ cháy), trong khi các biển có hình học tương đồng vẫn còn tỷ lệ nhầm lẫn khoảng 9%.

So sánh với các nghiên cứu tiền nhiệm, chẳng hạn như công trình phân loại bệnh lá cây PlantVillage (54.305 ảnh trên 38 lớp) sử dụng EfficientNet đối đầu với AlexNet, VGG16, ResNet50 và Inception V3, kiến trúc EfficientNet tiếp tục khẳng định ưu thế vượt trội về hiệu năng trên mỗi tham số tính toán. Mặc dù số lượng tham số chỉ khoảng 5,33 triệu (nhỏ hơn nhiều so với con số trên 138 triệu tham số của VGG16), EfficientNet vẫn duy trì độ chính xác tương đương hoặc vượt trội. Tuy nhiên, trong điều kiện ảnh chụp thực tế bị nhòe mờ do chuyển động hoặc góc nghiêng lớn hơn 45 độ, độ chính xác của hệ thống suy giảm khoảng 12%, cho thấy mô hình cần được bổ sung các bước lọc nhiễu và căn chỉnh hình học trước khi đưa vào ứng dụng thực tế.

Đề xuất và khuyến nghị

Dựa trên các kết quả và hạn chế đã chỉ ra, nghiên cứu đề xuất 4 nhóm giải pháp cụ thể:

• Nâng cấp module tiền xử lý ảnh đầu vào bằng cách áp dụng các thuật toán cân bằng độ sáng thích ứng (CLAHE) và lọc nhiễu viền thông qua thư viện OpenCV, hướng đến mục tiêu giảm thiểu 50% các trường hợp nhận diện sai do thiếu sáng trong vòng 3 tháng tới, do đội ngũ kỹ sư thị giác máy tính chủ trì.
• Mở rộng tập dữ liệu huấn luyện thực tế tại các kho hàng logistics lên quy mô trên 15.000 hình ảnh đa dạng về góc chụp, khoảng cách và điều kiện thời tiết, nhằm nâng tỷ lệ nhận dạng chính xác trung bình đạt trên 95% trong thời hạn 6 tháng, do nhóm nghiên cứu phối hợp với các đơn vị vận hành kho bãi thực hiện.
• Thử nghiệm tích hợp kiến trúc mạng phát hiện đối tượng theo thời gian thực như mô hình YOLO kết hợp với backbone EfficientNet tối ưu, hướng đến mục tiêu đạt tốc độ xử lý trên 30 khung hình/giây (FPS) trên video giám sát trong vòng 4 tháng, do nhóm phát triển thuật toán đảm nhiệm.
• Tối ưu hóa kích thước mô hình thông qua các kỹ thuật lượng tử hóa trọng số (Quantization) và nén mô hình, nhằm giảm dung lượng bộ nhớ tiêu thụ xuống dưới 50MB trong 5 tháng, giúp hệ thống hoạt động mượt mà trên các thiết bị nhúng và camera thông minh tại hiện trường do chuyên viên kỹ thuật hệ thống phụ trách.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng:

• Học viên cao học và sinh viên ngành Khoa học Máy tính, Trí tuệ nhân tạo: Nắm vững phương pháp ứng dụng Transfer Learning, cách thiết lập fine-tuning trên kiến trúc EfficientNet-B0 với 240 lớp và quy trình xử lý dữ liệu ảnh học sâu hoàn chỉnh.
• Kỹ sư thị giác máy tính và lập trình viên AI: Tham khảo cấu trúc triển khai pipeline phân loại hình ảnh thực tế trên nền tảng Python, Keras và OpenCV để áp dụng vào các dự án nhận diện biển báo, nhãn mác sản phẩm trong công nghiệp.
• Nhà quản lý vận hành kho bãi và logistics: Có thêm cơ sở khoa học để đánh giá tính khả thi khi đầu tư hệ thống tự động hóa nhận diện container và hóa chất nguy hiểm, giúp cắt giảm hơn 70% sai sót vận hành thủ công.
• Chuyên gia an toàn lao động và kiểm định công nghiệp: Ứng dụng mô hình làm tài liệu tham khảo để xây dựng các giải pháp giám sát an toàn tự động tại hơn 20 khu chế xuất, kho hóa chất và cảng biển lớn trên toàn quốc.

Câu hỏi thường gặp

Tại sao EfficientNet-B0 lại được ưu tiên lựa chọn thay vì các mạng CNN truyền thống như VGG16 hay AlexNet? EfficientNet-B0 sử dụng phương pháp mở rộng tổ hợp đồng thời cả chiều sâu, chiều rộng và độ phân giải với hệ số tối ưu 1,15. Mô hình chỉ có khoảng 5,33 triệu tham số nhưng mang lại độ chính xác tương đương hoặc vượt trội so với các mạng cồng kềnh như VGG16 (hơn 138 triệu tham số), giúp tiết kiệm tài nguyên tính toán đáng kể khi huấn luyện.

Kỹ thuật Data Augmentation đóng vai trò gì và cần lưu ý điều gì khi huấn luyện mô hình? Data Augmentation giúp nhân bản và làm phong phú dữ liệu từ 1.200 ảnh ban đầu lên gần 6.000 mẫu bằng các phép biến đổi xoay, dịch chuyển và đổi sáng. Kỹ thuật này giúp mô hình nhận diện tốt hơn ở nhiều góc nhìn thực tế, nhưng cần kiểm soát không nhân bản quá 10 lần để tránh hiện tượng mô hình bị học lệch và quá khớp.

Kỹ thuật Fine-tuning 2 giai đoạn trong đề tài được tiến hành như thế nào? Ở giai đoạn 1, hệ thống đóng băng toàn bộ các lớp tích chập của mạng pre-trained để huấn luyện các lớp phân loại mới trong khoảng 20 đến 30 epoch. Khi các trọng số mới đã ổn định, bước sang giai đoạn 2, hệ thống sẽ mở đóng băng để huấn luyện tinh chỉnh toàn bộ mạng với tốc độ học nhỏ nhằm đạt độ chính xác tối ưu.

Hạn chế lớn nhất khiến mô hình chưa thể triển khai thương mại ngay lập tức là gì? Hạn chế chính nằm ở độ chính xác suy giảm khoảng 12% khi gặp ảnh bị nhòe mờ chuyển động hoặc góc nghiêng trên 45 độ, cùng với tập dữ liệu ban đầu còn hạn chế về độ phong phú môi trường. Hệ thống cần được bổ sung tiền xử lý ảnh và thu thập thêm dữ liệu hiện trường để nâng cao độ ổn định.

Hệ thống có thể chạy trực tiếp trên các thiết bị camera giám sát kho bãi thông thường không? Hiện tại mô hình được phát triển và chạy thử nghiệm trên nền tảng máy chủ điện toán đám mây. Để triển khai trực tiếp trên camera giám sát kho bãi (Edge AI), mô hình cần được chuyển đổi qua định dạng rút gọn và lượng tử hóa nhằm giảm dung lượng xuống dưới 50MB, đảm bảo tốc độ phản hồi thời gian thực trên 30 khung hình/giây.

Kết luận

• Đề tài đã xây dựng thành công quy trình nhận dạng biển báo nguy hiểm dựa trên kiến trúc học sâu EfficientNet kết hợp phương pháp Fine-tuning 2 giai đoạn.
• Nghiên cứu làm rõ cách vận dụng các kỹ thuật cốt lõi trong xử lý ảnh như Data Augmentation, Dropout và hàm mất mát Categorical Cross-entropy để giải quyết bài toán tập dữ liệu mẫu giới hạn.
• Đóng góp chính của luận văn là hoàn thiện một khung giải pháp có tính khả thi cao, đạt độ chính xác thực nghiệm từ 88% đến 91% trên các nhóm biển báo nguy hiểm thông dụng.
• Lộ trình phát triển tiếp theo trong 6 tháng tới sẽ tập trung vào việc mở rộng tập dữ liệu lên trên 15.000 ảnh và tối ưu hóa mô hình sang dạng nhúng để vận hành thời gian thực trên 30 FPS.
• Hãy ứng dụng và phát triển ngay mô hình nhận dạng biển báo nguy hiểm này vào hệ thống giám sát an toàn kho bãi của doanh nghiệp bạn để nâng cao tiêu chuẩn tự động hóa và bảo vệ người lao động ngay hôm nay.