Hcmute phát triển phần mềm nhận diện lỗi trong mạch xén tín hiệu hỗ trợ giảng dạy

Tài liệu nghiên cứu Hcmute thiết kế và thi công phần mềm nhận diện lỗi trong mạch xén tín hiệu hỗ trợ công tác giảng, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• Tác giả: Bùi Xuân Lưu
• Người hướng dẫn: TS. Nguyễn Thị Lưỡng
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Điện - Điện Tử
• Đề tài: Phần Mềm Nhận Diện Lỗi Mạch Xén Tín Hiệu Cho Giảng Dạy Hiệu Quả
• Loại tài liệu: luận văn
• Năm xuất bản: 2021
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Danh mục bảng biểu
• 1.2. Danh mục những từ viết tắt
• 1.3. Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài
• 1.4. Lý do chọn đề tài
• 1.5. Mục tiêu đề tài
• 1.6. Phương pháp nghiên cứu
• 1.7. Đối tượng và phạm vi nghiên cứu
• 1.8. Cơ sở dữ liệu ảnh mạch xén
• 1.9. Mạch xén nối tiếp
• 1.10. Mạch xén song song
• 1.11. Hướng tiếp cận và giải quyết bài toán nhận diện ảnh
• 2. CHƯƠNG 2: MÔ HÌNH MẠNG NEURON TÍCH CHẬP
• 2.1. Tổng quan về mạng nơ-ron tích chập (CNN)
• 2.2. Lịch sử mạng nơ-ron tích chập
• 2.3. Kiến trúc mạng nơ-ron tích chập
• 2.4. Mô hình học sâu (deeplearning)
• 2.5. Lựa chọn mạng học sâu
• 2.6. Cấu trúc mạng ResNet-18
• 2.7. Các bước thiết kế và ứng dụng mạng ResNet-18 vào mô hình
• 2.8. Thử nghiệm ứng dụng trong thực tế
• TÀI LIỆU THAM KHẢO
• CHƯƠNG TRÌNH MÁY TÍNH
• KẾT LUẬN VÀ KIẾN NGHỊ

Tóm tắt

I. Giới thiệu về Phần mềm Nhận diện Lỗi Mạch Xén Tín hiệu

Đề tài nghiên cứu tập trung vào thiết kế và triển khai phần mềm nhận diện lỗi trong mạch xén tín hiệu, hỗ trợ giảng dạy và thực hành điện tử. Phần mềm giảng dạy điện tử này ứng dụng công nghệ xử lý ảnh và học sâu (deep learning), cụ thể là mạng nơ-ron tích chập (CNN), để tự động phát hiện lỗi trong các mạch. Đề tài này giải quyết vấn đề thiếu công cụ hỗ trợ giảng dạy điện tử hiệu quả trong việc nhận diện và sửa lỗi mạch điện tử số. Phần mềm giáo dục kỹ thuật này đóng góp vào việc nâng cao chất lượng giảng dạy và học tập, giúp sinh viên nắm vững kiến thức thực hành. Giảng dạy điện tử trở nên hiệu quả hơn nhờ khả năng trực quan hóa lỗi của phần mềm mô phỏng mạch điện tử. Nó cho phép sinh viên tương tác và thực hành kỹ thuật điện tử một cách chủ động.

1.1. Lý do chọn đề tài và Mục tiêu nghiên cứu

Việt Nam đang trong quá trình công nghiệp hóa, hiện đại hóa và hội nhập quốc tế. Cách mạng công nghiệp 4.0 đòi hỏi nguồn nhân lực chất lượng cao, nắm vững công nghệ hiện đại. Giáo dục kỹ thuật điện tử cần đổi mới phương pháp giảng dạy, tích hợp công nghệ thông tin. Phần mềm giáo dục kỹ thuật điện tử được thiết kế để đáp ứng nhu cầu này. Mục tiêu chính là xây dựng một phần mềm nhận diện lỗi mạch xén tín hiệu chính xác, dễ sử dụng, hỗ trợ giảng dạy và thực hành hiệu quả. Phần mềm giảng dạy điện tử này giúp sinh viên thực hành kỹ thuật điện tử một cách hiệu quả, tiết kiệm thời gian và nâng cao chất lượng học tập. Giảng dạy hiệu quả là mục tiêu cuối cùng. Kỹ thuật giảng dạy được cải tiến nhờ sự hỗ trợ của công nghệ. Phần mềm nhận diện lỗi mạch này hướng đến việc giảng dạy điện tử hiện đại và hiệu quả.

1.2. Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp lý thuyết và thực tiễn. Phân tích mạch điện tử và xử lý tín hiệu số được nghiên cứu kỹ lưỡng. Dữ liệu được thu thập từ mô phỏng mạch điện tử bằng phần mềm PSIM. Mạng nơ-ron tích chập (CNN), cụ thể là ResNet-18, được sử dụng để xây dựng mô hình nhận diện lỗi mạch điện tử. Quá trình phân tích tín hiệu và xử lý ảnh được thực hiện để trích xuất các đặc trưng của hình ảnh mạch. Thực hành kỹ thuật điện tử được hỗ trợ bởi việc huấn luyện và đánh giá mô hình. Phát hiện lỗi mạch được tự động hóa, giúp giảng dạy điện tử hiệu quả hơn. Phần mềm nhận diện lỗi được đánh giá dựa trên độ chính xác và khả năng sử dụng.

II. Thiết kế và Triển khai Phần mềm

Phần mềm nhận diện lỗi mạch xén tín hiệu được thiết kế với giao diện người dùng thân thiện, dễ sử dụng. Mạch điện tử số được mô phỏng trực quan. Nhận diện lỗi mạch điện tử được thực hiện tự động bằng thuật toán CNN. Phần mềm mỗ phỏng cho phép sinh viên xem trực tiếp kết quả nhận diện. Phần mềm giáo dục kỹ thuật này được phát triển dựa trên nền tảng ResNet-18. Các lỗi thường gặp trong mạch xén nối tiếp và mạch xén song song được tập trung nhận diện. Xử lý tín hiệu số được tích hợp để tăng độ chính xác. Phân tích mạch điện tử được hỗ trợ bởi phần mềm nhận diện lỗi. Phần mềm giảng dạy điện tử này góp phần vào việc giảng dạy hiệu quả.

2.1. Cơ sở dữ liệu và tiền xử lý ảnh

Cơ sở dữ liệu bao gồm hình ảnh của các mạch xén tín hiệu, cả mạch đúng và mạch lỗi. Mạch điện tử số được mô phỏng kỹ lưỡng. Xén tín hiệu số được phân tích. Hình ảnh được tiền xử lý để loại bỏ nhiễu và chuẩn hóa kích thước. Phân tích ảnh được thực hiện kỹ lưỡng. Xử lý ảnh là bước quan trọng trong quá trình nhận diện. Mạch điện tử tương tự cũng được nghiên cứu. Tín hiệu số được phân tích chi tiết. Phần mềm nhận diện lỗi yêu cầu cơ sở dữ liệu chất lượng cao. Phát hiện lỗi mạch phụ thuộc vào chất lượng tiền xử lý ảnh.

2.2. Huấn luyện và đánh giá mô hình

Mô hình ResNet-18 được huấn luyện bằng bộ dữ liệu đã được tiền xử lý. Học sâu (deep learning) được ứng dụng. Mạng nơ-ron tích chập (CNN) được huấn luyện để nhận diện các lỗi khác nhau. Kiểm tra mạch điện tử được tự động hóa. Phát hiện lỗi mạch được đánh giá dựa trên độ chính xác và tốc độ xử lý. Phân tích tín hiệu được thực hiện để đánh giá hiệu quả. Thực hành kỹ thuật điện tử được cải thiện nhờ mô hình chính xác. Giảng dạy hiệu quả được hỗ trợ bởi mô hình đánh giá. Phần mềm nhận diện lỗi cần được huấn luyện và đánh giá thường xuyên.

III. Kết luận và ứng dụng

Phần mềm nhận diện lỗi mạch xén tín hiệu đã được phát triển thành công. Phần mềm giảng dạy điện tử này có độ chính xác cao và dễ sử dụng. Nó hỗ trợ hiệu quả cho công tác giảng dạy và thực hành. Giảng dạy điện tử trở nên trực quan và sinh động hơn. Giáo dục kỹ thuật điện tử được nâng cao chất lượng. Phần mềm mỗ phỏng mạch điện tử giúp sinh viên dễ dàng hiểu và khắc phục lỗi. Phần mềm giáo dục kỹ thuật này có thể được ứng dụng rộng rãi trong các trường đại học và cao đẳng kỹ thuật. Kỹ thuật giảng dạy hiện đại giúp nâng cao chất lượng đào tạo.

3.1. Đóng góp và hạn chế

Phần mềm nhận diện lỗi mạch góp phần cải thiện chất lượng giảng dạy và học tập. Giảng dạy hiệu quả được nâng cao. Tuy nhiên, phần mềm vẫn còn một số hạn chế cần được cải tiến trong tương lai. Cơ sở dữ liệu cần được mở rộng để bao gồm nhiều loại mạch và lỗi khác nhau. Phát hiện lỗi mạch có thể được cải thiện bằng cách sử dụng các thuật toán tiên tiến hơn. Xử lý tín hiệu số cũng cần được tối ưu hóa. Phần mềm giáo dục kỹ thuật cần được cập nhật thường xuyên. Giáo dục kỹ thuật điện tử cần sự đầu tư và phát triển liên tục. Phần mềm giảng dạy điện tử cần đáp ứng nhu cầu thực tiễn.

3.2. Hướng phát triển trong tương lai

Mở rộng cơ sở dữ liệu, bao gồm nhiều loại mạch điện tử số và mạch điện tử tương tự. Tích hợp các thuật toán xử lý tín hiệu số tiên tiến hơn. Phát triển giao diện người dùng thân thiện hơn. Cải thiện khả năng phát hiện lỗi mạch. Tích hợp với các thiết bị thực hành khác. Phần mềm nhận diện lỗi cần được phát triển liên tục để đáp ứng nhu cầu ngày càng cao. Giảng dạy hiệu quả phụ thuộc vào sự phát triển của công nghệ. Giáo dục kỹ thuật điện tử cần sự đổi mới không ngừng. Phần mềm giảng dạy điện tử là công cụ hỗ trợ quan trọng cho việc giảng dạy và học tập.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư, việc ứng dụng trí tuệ nhân tạo (AI) và công nghệ xử lý ảnh ngày càng trở nên thiết yếu trong nhiều lĩnh vực, đặc biệt là giáo dục kỹ thuật. Theo ước tính, việc tự động hóa trong giảng dạy và hướng dẫn thực hành kỹ thuật giúp nâng cao hiệu quả đào tạo và giảm thiểu sai sót trong quá trình học tập. Đề tài nghiên cứu "Thiết kế và thi công phần mềm nhận diện lỗi trong mạch xén tín hiệu hỗ trợ công tác giảng dạy và hướng dẫn thực hành" nhằm xây dựng một mô hình nhận dạng lỗi tự động trong mạch chỉnh lưu, ứng dụng công nghệ xử lý ảnh và mạng nơ-ron tích chập (CNN) để hỗ trợ giáo viên và sinh viên trong phòng thực hành.

Phạm vi nghiên cứu tập trung vào các dạng sóng mạch xén tín hiệu nối tiếp và song song, được thu thập từ phòng thực hành D302 tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh trong năm 2021. Mục tiêu cụ thể là phát triển phần mềm có độ chính xác nhận diện lỗi trên 95%, giao diện thân thiện, dễ sử dụng, giúp nâng cao hiệu quả giảng dạy và thực hành kỹ thuật điện - điện tử. Kết quả nghiên cứu không chỉ có ý nghĩa trong giáo dục mà còn góp phần thúc đẩy ứng dụng AI trong công nghiệp và đào tạo nguồn nhân lực chất lượng cao.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: mạng nơ-ron tích chập (CNN) và học sâu (Deep Learning). CNN là một loại mạng thần kinh nhân tạo chuyên xử lý dữ liệu hình ảnh, lấy cảm hứng từ cấu trúc sinh học của vỏ não thị giác, với các lớp tích chập, lớp gộp tối đa (max pooling) và lớp kết nối đầy đủ. Mạng CNN giúp trích xuất đặc trưng không gian từ ảnh dạng sóng mạch xén tín hiệu, hỗ trợ nhận diện lỗi chính xác.

Học sâu là nhánh của học máy, cho phép máy tính học từ dữ liệu lớn mà không cần lập trình thủ công. Trong đề tài, mạng ResNet-18 được lựa chọn do có cấu trúc 18 lớp, khả năng trích xuất đặc trưng phong phú và đã được đào tạo trên hơn một triệu hình ảnh với 1000 lớp phân loại. ResNet-18 sử dụng kỹ thuật học chuyển giao (transfer learning), giúp tinh chỉnh mạng cho bài toán nhận diện lỗi mạch xén với bộ dữ liệu nhỏ hơn, tiết kiệm thời gian và tài nguyên.

Ba khái niệm chính được áp dụng gồm: trường tiếp nhận (receptive field) trong CNN, lớp tích chập (convolutional layer), và học chuyển giao (transfer learning). Ngoài ra, các thuật toán tối ưu hóa như backpropagation và các kỹ thuật xử lý ảnh tiền xử lý cũng được sử dụng để nâng cao hiệu quả mô hình.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ cơ sở dữ liệu ảnh dạng sóng mạch xén tín hiệu nối tiếp và song song, thu thập từ phần mềm mô phỏng PSIM và phòng thực hành D302. Bộ dữ liệu gồm khoảng 1617 ảnh huấn luyện, được chia thành 70% để huấn luyện và 30% để xác thực, với 13 tệp con tương ứng các loại lỗi khác nhau.

Phương pháp phân tích sử dụng mạng ResNet-18 được tinh chỉnh lại lớp đầu ra phù hợp với số lượng lớp lỗi (13 lớp). Các thông số huấn luyện được thiết lập gồm tỷ lệ học ban đầu 0,0001, kích thước lô 35 ảnh, số epoch 8, và tần số xác thực 13. Quá trình huấn luyện được thực hiện trên MATLAB Deep Learning Toolbox, với việc xuất mã nguồn và kết quả huấn luyện để kiểm tra và tái sử dụng.

Timeline nghiên cứu kéo dài trong năm 2021, bắt đầu từ thu thập dữ liệu, xây dựng mô hình, huấn luyện và tinh chỉnh mạng, đến thiết kế giao diện phần mềm và thử nghiệm thực tế. Phương pháp nghiên cứu kết hợp lý luận về xử lý ảnh và thực nghiệm trên dữ liệu thực tế nhằm đảm bảo tính ứng dụng cao.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác nhận diện lỗi đạt trên 95%: Quá trình huấn luyện mạng ResNet-18 với bộ dữ liệu gồm 1617 ảnh đã cho kết quả độ chính xác trên 95% trong việc phân loại các lỗi mạch xén nối tiếp và song song. Đây là mức độ tin cậy cao, phù hợp cho ứng dụng trong giảng dạy và thực hành.

2. Thời gian nhận diện nhanh chóng: Phần mềm nhận diện lỗi có khả năng xử lý và trả kết quả trong thời gian ngắn, giúp giáo viên và sinh viên có thể kiểm tra lỗi ngay lập tức trong quá trình thực hành.

3. Giao diện thân thiện, dễ sử dụng: Giao diện phần mềm được thiết kế trực quan với các nút chọn mạch, chọn ảnh nhận diện, nhận diện lỗi và hiển thị sơ đồ nguyên lý mạch lỗi, giúp người dùng dễ dàng thao tác và hiểu kết quả.

4. Khả năng nhận diện đa dạng các lỗi mạch xén: Phần mềm có thể nhận diện nhiều loại lỗi như lắp ngược chiều que đo, hở mạch, mất Diode, mất Vdc, kết hợp các lỗi phức tạp với độ chính xác cao, hỗ trợ hiệu quả công tác giảng dạy.

Thảo luận kết quả

Nguyên nhân chính giúp đạt được độ chính xác cao là việc lựa chọn mạng ResNet-18 với kiến trúc sâu, khả năng trích xuất đặc trưng mạnh mẽ và áp dụng học chuyển giao giúp tận dụng kiến thức từ mạng đã được đào tạo trên tập dữ liệu lớn. Việc chia nhỏ bộ dữ liệu thành các tệp con giúp giảm dung lượng bộ nhớ và tăng tốc độ huấn luyện.

So sánh với các nghiên cứu trước đây về nhận dạng hình ảnh trong lĩnh vực kỹ thuật điện tử, kết quả này vượt trội về độ chính xác và tính ứng dụng thực tế. Việc tích hợp phần mềm vào công tác giảng dạy giúp giảm thiểu sai sót do con người và tăng cường hiệu quả học tập.

Dữ liệu có thể được trình bày qua biểu đồ độ chính xác huấn luyện theo từng epoch, bảng so sánh thời gian nhận diện và độ chính xác giữa các loại lỗi, cũng như giao diện phần mềm minh họa các bước nhận diện và kết quả.

Đề xuất và khuyến nghị

1. Mở rộng bộ dữ liệu huấn luyện: Thu thập thêm dữ liệu dạng sóng mạch xén từ các phòng thực hành khác và các loại mạch phức tạp hơn để nâng cao độ chính xác và khả năng tổng quát của phần mềm. Thời gian thực hiện: 6-12 tháng. Chủ thể: Nhà trường và nhóm nghiên cứu.

2. Phát triển phiên bản phần mềm đa nền tảng: Thiết kế phần mềm có thể chạy trên nhiều hệ điều hành và thiết bị di động để tăng tính linh hoạt và tiện lợi cho người dùng. Thời gian thực hiện: 6 tháng. Chủ thể: Bộ phận công nghệ thông tin của trường.

3. Tích hợp chức năng phản hồi và hướng dẫn sửa lỗi tự động: Bổ sung tính năng gợi ý cách khắc phục lỗi dựa trên kết quả nhận diện, giúp sinh viên tự học và nâng cao kỹ năng thực hành. Thời gian thực hiện: 9 tháng. Chủ thể: Nhóm nghiên cứu và giảng viên.

4. Tổ chức đào tạo và tập huấn sử dụng phần mềm cho giảng viên và sinh viên: Đảm bảo phần mềm được áp dụng hiệu quả trong giảng dạy và thực hành, đồng thời thu thập phản hồi để cải tiến. Thời gian thực hiện: liên tục hàng năm. Chủ thể: Nhà trường và khoa Điện - Điện tử.

Đối tượng nên tham khảo luận văn

1. Giảng viên và sinh viên ngành Điện - Điện tử: Nắm bắt công nghệ mới trong giảng dạy và thực hành, nâng cao hiệu quả học tập và giảng dạy qua phần mềm nhận diện lỗi tự động.

2. Nhà nghiên cứu và phát triển công nghệ AI trong kỹ thuật: Tham khảo mô hình ứng dụng CNN và học sâu trong xử lý ảnh kỹ thuật, từ đó phát triển các ứng dụng tương tự trong lĩnh vực khác.

3. Các cơ sở đào tạo kỹ thuật và công nghệ: Áp dụng mô hình và phần mềm để cải tiến phương pháp giảng dạy, tăng cường thực hành và tự động hóa kiểm tra lỗi.

4. Doanh nghiệp sản xuất và bảo trì thiết bị điện tử: Sử dụng phần mềm để hỗ trợ kiểm tra và phát hiện lỗi mạch nhanh chóng, giảm thiểu thời gian và chi phí bảo trì.

Câu hỏi thường gặp

1. Phần mềm nhận diện lỗi mạch xén tín hiệu hoạt động như thế nào?
   Phần mềm sử dụng mạng nơ-ron tích chập ResNet-18 để phân tích ảnh dạng sóng mạch xén, nhận diện các lỗi dựa trên đặc trưng hình ảnh. Ví dụ, lỗi mất Diode sẽ có dạng sóng đặc trưng khác biệt so với mạch đúng.

2. Độ chính xác của phần mềm có đảm bảo trong thực tế?
   Kết quả huấn luyện cho thấy độ chính xác trên 95%, thử nghiệm thực tế tại phòng thực hành cũng cho kết quả tương tự, giúp tin cậy trong giảng dạy và thực hành.

3. Phần mềm có thể nhận diện được những loại lỗi nào?
   Phần mềm nhận diện đa dạng lỗi như lắp ngược chiều que đo, hở mạch, mất Diode, mất Vdc, và các trường hợp kết hợp phức tạp, hỗ trợ toàn diện cho công tác giảng dạy.

4. Có cần kiến thức chuyên sâu về AI để sử dụng phần mềm không?
   Không, phần mềm được thiết kế với giao diện thân thiện, dễ sử dụng, phù hợp cho cả giảng viên và sinh viên không chuyên về AI.

5. Phần mềm có thể áp dụng cho các loại mạch khác ngoài mạch xén tín hiệu không?
   Hiện tại phần mềm tập trung vào mạch xén tín hiệu nối tiếp và song song, tuy nhiên mô hình có thể được mở rộng và tinh chỉnh cho các loại mạch khác trong tương lai.

Kết luận

• Đã thiết kế và thi công thành công phần mềm nhận diện lỗi trong mạch xén tín hiệu với độ chính xác trên 95%.
• Ứng dụng mạng nơ-ron tích chập ResNet-18 và học chuyển giao giúp tối ưu hóa quá trình huấn luyện và nâng cao hiệu quả nhận diện.
• Phần mềm có giao diện thân thiện, dễ sử dụng, hỗ trợ hiệu quả công tác giảng dạy và hướng dẫn thực hành kỹ thuật điện - điện tử.
• Kết quả nghiên cứu góp phần thúc đẩy ứng dụng AI trong giáo dục kỹ thuật, nâng cao chất lượng đào tạo nguồn nhân lực.
• Đề xuất mở rộng bộ dữ liệu, phát triển phần mềm đa nền tảng và tích hợp chức năng hướng dẫn sửa lỗi để nâng cao giá trị ứng dụng trong tương lai.

Để tiếp tục phát triển, các nhà nghiên cứu và giảng viên nên phối hợp mở rộng dữ liệu và ứng dụng phần mềm trong thực tế giảng dạy. Hãy bắt đầu áp dụng công nghệ AI để nâng cao hiệu quả đào tạo kỹ thuật ngay hôm nay!

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CÔNG TRÌNH NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN THIẾT KẾ VÀ THI CÔNG PHẦN MỀM NHẬN DIỆN LỖI TRONG MẠCH XÉN TÍN HIỆU HỖ TRỢ CÔNG TÁC GIẢNG DẠY VÀ HƯỚNG DẪN THỰC HÀNH MÃ SỐ: SV2021-37 CHỦ NHIỆM ĐỀ TÀI: BÙI XUÂN LƯU SKC 0 0 7 5 9 6 Tp. Hồ Chí Minh, tháng 10/2021 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN THIẾT KẾ VÀ THI CÔNG PHẦN MỀM NHẬN DIỆN LỖI TRONG MẠCH XÉN TÍN HIỆU HỖ TRỢ CÔNG TÁC GIẢNG DẠY VÀ HƯỚNG DẪN THỰC HÀNH MÃ SỐ : SV2021-37 Thuộc nhóm ngành khoa học: Kỹ thuật SV thực hiện: Bùi Xuân Lưu Nam, Nữ: Nam Dân tộc: Kinh Lớp, khoa: 151421B, Điện -Điện tử Năm thứ: 7 /Số năm đào tạo: 8 Ngành học: Điện- Điện tử (Ghi rõ họ và tên SV chịu trách nhiệm chính thực hiện đề tài) Người hướng dẫn: TS. Nguyễn Thị Lưỡng TP Hồ Chí Minh, tháng 10, năm 2021 Luan van Mục lục Danh mục bảng biểu. 2 Danh mục những từ viết tắt.

Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài. Lý do chọn đề tài. Mục tiêu đề tài. Phương pháp nghiên cứu.

Đối tượng và phạm vi nghiên cứu. Cơ sở dữ liệu ảnh mạch xén. Mạch xén nối tiếp. Mạch xén song song.

Hướng tiếp cận và giải quyết bài toán nhận diện ảnh. Mô hình mạng Neuron tích chập. Tổng quan về mạng nơ-ron tích chập (CNN). Lịch sử mạng nơ-ron tích chập.

Kiến trúc mạng nơ-ron tích chập. Mô hình học sâu (deeplearning). Lựa chọn mạng học sâu. Cấu trúc mạng ResNet-18.

Các bước thiết kế và ứng dụng mạng ResNet-18 vào mô hình. Thử nghiệm ứng dụng trong thực tế. Ưu điểm của đề tài. Nhược điểm của đề tài.

KẾT LUẬN VÀ KIẾN NGHỊ. 49 Tài liệu tham khảo. 51 Chương trình máy tính. 51 1 Luan van Danh mục bảng biểu Hình 1.1: Sơ đồ nguyên lý mạch xén nối tiếp .2: Mạch đúng của mạch xén nối tiếp.3: Mạch xén nối tiếp bị lỗi lắp ngược đầu que đo.4: Mạch xén nối tiếp bị lỗi hở mạch.5: Mạch xén nối tiếp bị lỗi mất Diode.6: Mạch xén nối tiếp bị lỗi mất Diode kết hợp lắp ngược chiều que đo.7: Mạch xén nối tiếp bị lỗi mất Vdc.8: Mạch xén nối tiếp lỗi mất Vdc kết hợp lắp ngược chiều que đo.9: Mạch xén nối tiếp bị lỗi lắp ngược chiều Vdc.10: Mạch xén nối tiếp bị lỗi lắp ngược chiều Vdc kết hợp lắp ngược chiều que đo.11: Mạch xén nối tiếp bị lỗi lắp ngược chiều Diode.12: Mạch xén nối tiếp bị lỗi lắp ngược chiều Diode kết hợp đảo chiều que đo.13: Mạch xén nối tiếp bị lỗi lắp ngược chiều Vdc, ngược chiều Diode kết hợp đảo chiều que đo.14: Mạch xén nối tiếp bị lỗi lắp ngược chiều Vdc, ngược chiều Diode.15: Sơ đồ nguyên lý mạch xén song song.16: Mạch đúng của mạch xén song song.17: Mạch xén song song bị lỗi lắp ngược chiều que đo.18: Mạch xén song song bị lỗi hở mạch hoặc mất Diode.19: Mạch xén bị lỗi mất Vdc.20: Mạch xén bị lỗi mất Vdc kết hợp đảo chiều que đo.21: Mạch xén bị lỗi lắp ngược chiều Diode.22: Mạch xén bị lỗi lắp ngược chiều Diode kết hợp lắp ngược chiều que đo.23: Mạch xén bị lỗi lắp ngược chiều Diode kết hợp lắp ngược chiều Vdc.24: Mạch xén bị lỗi lắp ngược chiều Diode kết hợp lắp ngược chiều Vdc và đảo chiều que đo.

21 2 Luan van Hình 1.25: Mạch xén bị lỗi lắp ngược chiều Vdc.26: Mạch xén bị lỗi lắp ngược chiều Vdc kết hợp đảo chiều que đo .2: Cách thức hoạt động của CNN.3: Tổng hợp các mạng học sâu.4: Một số thuộc tính của các mạng học sâu.5: Kiến trúc mạng và thông tin chi tiết về các lớp mạng của mạng ResNet-18.6: Sơ đồ kiến trúc mạng của mạng ResNet-18.7: Chọn mạng ResNet-18.8: Thiết lập dữ liệu đầu vào.9: Lớp được kết nối đầy đủ của mạng ResNet-18.10: Lớp ngõ ra của mạng ResNet-18.11: Lớp được kểt nối đầy đủ sau khi chỉnh sửa.12: Lớp ngõ ra sau khi được chỉnh sửa.13: Thiết lập thông số huấn luyện.14: Quá trình huấn luyện mach xén nối tiếp.15: Quá trình huấn luyện mạch xén song song.17: Xuất dữ liệu.18: Xuất code ra file.19: Xuất kết quả huấn luyện.20: Kết quả huấn luyện.21: Giao diện người dùng.22: Chú thích nhãn dán trong ứng dụng.1: Kết quả tiêu biểu. 47 3 Luan van Danh mục những từ viết tắt CSDL : cơ sở dữ liệu. AI : Artificial Intelligence( Trí tuệ nhân tạo). CNN : Convolutional Neural Network( Mạng nơ-ron tích chập).

TDNN : Time delay neural network( Thời gian trì hoãn mạng lưới thần kinh). GPUs: graphics processing units( Các đơn vị xử lý đồ họa). CPU: Central Processing Unit( Bộ phận xử lý trung tâm). ReLU: rectified linear unit( Đơn vị tuyến tính được điều chỉnh).

CHAOS: Controlled Hogwild with Arbitrary Order of Synchronization( Điều khiển Hogwild với thứ tự đồng bộ hóa tùy ý ). 4 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI 1. Thông tin chung: - Tên đề tài: Thiết kế và thi công phần mềm nhận diện lỗi trong mạch xén tín hiệu hỗ trợ công tác giảng dạy và hướng dẫn thực hành. - Chủ nhiệm đề tài: Bùi Xuân Lưu Mã số SV: 15142244 - Lớp: 151421B Khoa: Điện – Điện tử - Thành viên đề tài: Stt Họ và tên MSSV Lớp Khoa 1 Bùi Xuân Lực 18142334 181421B Điện- Điện tử 2 - Người hướng dẫn: TS.

Nguyễn Thị Lưỡng 2. Mục tiêu đề tài: Xây dựng mô hình nhận dạng lỗi tự động trong mạch chỉnh lưu ứng dụng công nghệ xử lý ảnh. Tính mới và sáng tạo: Áp dụng công nghệ machine learning vào nhận diện hình ảnh. Kết quả nghiên cứu: Phần mềm chính xác và dễ sử dụng.

Đóng góp về mặt giáo dục và đào tạo, kinh tế - xã hội, an ninh, quốc phòng và khả năng áp dụng của đề tài: Góp phần vào công tác giảng dạy của giáo viên cho học sinh khi dạng sóng bị lỗi. Công bố khoa học của SV từ kết quả nghiên cứu của đề tài (ghi rõ tên tạp chí nếu có) hoặc nhận xét, đánh giá của cơ sở đã áp dụng các kết quả nghiên cứu (nếu có): Giao diện dễ hiểu, dễ sử dụng.Hồ Chí Minh Ngày 10 tháng 10 năm 2021 SV chịu trách nhiệm chính thực hiện đề tài 5 Luan van Nhận xét của người hướng dẫn về những đóng góp khoa học của SV thực hiện đề tài (phần này do người hướng dẫn ghi): Nhóm nghiên cứu thu thập dạng sóng của các mạch xén tín hiệu dùng Diode từ đó trích chọn các đặc trưng và tạo ra cơ sở dữ liệu để thiết kế và thi công phần mềm nhận diện lỗi trong mạch xén tín hiệu hỗ trợ công tác giảng dạy và hướng dẫn thực hành.Hồ Chí Minh Ngày 10 tháng 10 năm 2021 Người hướng dẫn (kí, họ và tên) Nguyễn Thị Lưỡng 6 Luan van A. Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài. - Trong nước: + Luận văn thạc sĩ: Nghiên cứu về mạng Neural tích chập và ứng dụng cho bài toán nhận dạng bảng số xe của chị Lê Thị Thu Hằng viết ở Hà Nội-2016 nghiên cứu về mạng Neural tích chập.

+ Luân văn thạc sĩ: Nghiên cứu về mạng Neural Convelutional, áp dụng vào bài toán nhận dạng đối tượng trong lĩnh vực thị giác máy tính do anh Nguyễn Mạnh Hùng thực hiện ở Hà Nội- 2019. Trong đó, thị giác máy là một trong những giác quan máy quan trọng nhất giúp cho quá trình thu nhận tín hiệu, xử lý, phân tích nhằm đưa ra tri thức phục vụ các hệ thống ra quyết định. - Ngoài nước: + MATLAB Machine Learning do Michael Paluszek và Stephanie Thomas viết vào năm 2017 nghiên cứu về cách lập trình trong Matlab trong việc ứng dụng Machỉn Learning + Bài báo "ImageNet Classification with Deep Convolutional Neural Networks" của nhóm tác giả Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton, Geoffrey viết năm 2012 nghiên cứu về mạng thần kinh tích chập áp dụng phổ biển nhất để phân tích hình ảnh trực quan.

Tuy nhiên vẫn chưa có phần mềm ứng dụng nào hỗ trợ công việc giảng dạy thực hành trong việc nhận dạng và xử lý lỗi ráp mạch cũng như hướng dẫn hiệu chỉnh mạch. Lý do chọn đề tài. Hiện nay, Cuộc Cách mạng công nghiệp lần thứ 4 với xu hướng phát triển dựa trên nền tảng tích hợp cao độ của hệ thống kết nối số hóa - vật lý - sinh học với sự đột phá của Internet vạn vật và Trí tuệ nhân tạo đang làm thay đổi căn bản nền sản xuất của thế giới. Cách mạng công nghiệp lần thứ 4 với đặc điểm là tận dụng một cách triệt để sức mạnh lan tỏa của số hóa và công nghệ thông tin.

Làn sóng công nghệ mới này đang diễn ra với tốc độ khác nhau tại các quốc gia trên thế giới, nhưng đang tạo ra tác động mạnh mẽ, ngày một gia tăng tới mọi mặt của đời sống kinh tế - xã hội, dẫn đến việc thay đổi phương thức và lực lượng sản xuất của xã hội. Việt Nam là quốc gia đang trong quá trình công nghiệp hóa, hiện đại hóa và hội nhập quốc tế, cuộc Cách mạng công nghiệp lần thứ 4 mở ra nhiều cơ hội trong việc nâng cao trình độ công nghệ, nâng cao năng lực sản xuất và cạnh tranh trong chuỗi sản phẩm; tạo ra sự thay đổi lớn về hình thái kinh doanh dịch vụ; tạo ra nhiều cơ hội cho các doanh nghiệp khởi nghiệp sáng tạo; giảm đáng kể chi phí giao dịch, vận chuyển; tạo cơ hội đầu tư hấp dẫn và đầy tiềm năng trong lĩnh vực công nghệ số và Internet đồng thời cũng là cơ hội lớn cho sản xuất công nghiệp với trình độ khoa học và công nghệ tiên tiến. Tuy nhiên, nếu không bắt kịp nhịp độ phát triển của thế giới và khu vực, Việt Nam sẽ phải đối mặt những thách thức, tác động tiêu cực như: Sự tụt hậu về công nghệ, suy giảm sản xuất, kinh doanh; dư thừa lao động có kỹ năng và trình độ thấp gây phá vỡ thị trường lao động truyền thống, ảnh hưởng tới tình hình kinh tế xã hội đất nước; mất an toàn, an ninh thông tin, xâm phạm bản quyền, thiếu hụt nguồn nhân lực trình độ cao. Mặt khác có khả năng xuất hiện làn sóng đẩy công nghệ lạc hậu từ các nước phát triển sang các nước đang phát triển và chậm phát triển.

Do những thay đổi mang tính cách mạng về khoa học và công nghệ dẫn tới thay đổi mạnh mẽ về cơ cấu, mô hình kinh tế, hệ thống quản lý nhà nước, xã hội cũng như phương thức hoạt động của các doanh nghiệp.