Giới thiệu dự án

Trong kỷ nguyên công nghiệp 4.0, an toàn lao động và an ninh tại các cơ sở trọng yếu đang đối mặt với những thách thức nghiêm trọng. Theo thống kê của Tổ chức Lao động Quốc tế (ILO), hàng năm có hơn 2,78 triệu ca tử vong liên quan đến tai nạn lao động và bệnh nghề nghiệp trên toàn cầu, trong đó các sự cố tại không gian hạn chế (confined spaces) như hầm chứa, kho hóa chất, đường ống ngầm và phòng máy biến áp chiếm tỷ lệ rủi ro tử vong cao gấp 12 lần so với các không gian làm việc thông thường. Việc triển khai nhân lực tuần tra trực tiếp tại các khu vực này tiềm ẩn nguy cơ ngộ độc khí gas ($CO, H_2S, CH_4$), hỏa hoạn, phơi nhiễm bức xạ hoặc sập đổ kết cấu.

Problem statement của đề tài xuất phát từ bài toán thực tế: Các hệ thống giám sát cố định (như camera CCTV) tồn tại nhiều điểm mù (blind spots), không thể đo đạc động học các chỉ số môi trường theo tọa độ di động và có chi phí lắp đặt hạ tầng mạng dây rất lớn trong không gian kín. Ngược lại, việc cử nhân sự tuần tra thủ công đối mặt với rủi ro đe dọa trực tiếp tính mạng và phản ứng chậm khi xảy ra sự cố rò rỉ khí độc hay xâm nhập trái phép.

Mục tiêu cụ thể của đề tài bao gồm:

  1. Nghiên cứu, tính toán cơ học và chế tạo hoàn chỉnh kết cấu robot di động (Mobile Robot) 3 bánh với kích thước nhỏ gọn $200 \times 250 \times 150\text{ mm}$, tải trọng hữu ích $3.5\text{ kg}$, đạt vận tốc di chuyển tiêu chuẩn $0.3\text{ m/s}$ theo chuẩn an toàn xe tự hành ISO 3691-4:2020.
  2. Xây dựng hệ thống điều khiển trung tâm nhúng trên vi xử lý Raspberry Pi 4 Model B kết hợp vi điều khiển NodeMCU ESP8266EX để thu thập dữ liệu đa cảm biến thời gian thực (nhiệt độ, độ ẩm, nồng độ khí gas).
  3. Ứng dụng mô hình thị giác máy tính (Computer Vision) để nhận diện con người tự động qua camera hồng ngoại Raspberry Pi NoIR, phát cảnh báo âm thanh tại chỗ thông qua còi công suất lớn ($90\text{ dB}$) và kích hoạt email cảnh báo kèm ảnh chụp hiện trường.
  4. Phát triển giao diện Web Server điều khiển từ xa độ trễ thấp và ứng dụng di động Android (qua MIT App Inventor 2 kết nối Firebase Realtime Database) giúp trực quan hóa toàn bộ thông số môi trường.

Giải pháp được đề xuất là mô hình robot tuần tra vi sai (Differential Drive Robot) lai giữa tính toán biên (Edge Computing) và điện toán đám mây (Cloud Server), đảm bảo cân bằng giữa chi phí phần cứng tối ưu và độ tin cậy vận hành liên tục trên 2 giờ.

Phạm vi nghiên cứu tập trung vào môi trường địa hình bằng phẳng trong nhà, các kho xưởng hoặc khu vực có diện tích giới hạn với mạng kết nối không dây nội bộ hoặc Internet. Giới hạn của hệ thống là chưa tích hợp bản đồ hóa đồng thời (SLAM) hoàn toàn tự động mà ưu tiên cơ chế điều khiển giám sát từ xa bán tự động (Semi-autonomous Teleoperation) để đảm bảo tính phản xạ linh hoạt cao nhất dưới sự can thiệp của người vận hành.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các giải pháp giám sát an ninh và môi trường hiện nay trên thị trường bao gồm ba nhóm chính: Hệ thống camera giám sát cố định, robot tuần tra công nghiệp cao cấp và thiết bị đo cầm tay thủ công.

Tiêu chí Hệ thống CCTV cố định Robot tuần tra công nghiệp (Cobalt/Husky) Giải pháp Robot tuần tra đề tài
Tính linh hoạt Rất thấp (cố định góc quay) Cao (tự hành đa địa hình) Cao (di chuyển linh hoạt trong ngóc ngách)
Giám sát môi trường Không hỗ trợ Toàn diện (nhiều cảm biến) Đo nhiệt độ, độ ẩm, khí Gas ($MQ-2$, $DHT22$)
Kích thước / Trọng lượng Nhỏ, gắn tường Rất lớn ($>0.5\text{ m}^2$, trọng lượng $>50\text{ kg}$) Cực kỳ nhỏ gọn ($200\times 250\times 150\text{ mm}$, $3.5\text{ kg}$)
Chi phí triển khai Trung bình ($15 - 50\text{ triệu VNĐ}$) Cực kỳ đắt đỏ ($>500\text{ triệu} - 1.5\text{ tỷ VNĐ}$) Rất thấp ($< 5\text{ triệu VNĐ}$)
Bảo trì / Sửa chữa Đơn giản Phức tạp, phụ thuộc nhà sản xuất Module hóa, dễ dàng thay thế linh kiện

Yêu cầu người dùng được cấu trúc theo mô hình MoSCoW:

  • Must have: Truyền video trực tiếp qua Web Server; điều khiển tiến/lùi/trái/phải; xoay cụm camera Pan-Tilt 2 trục ($180^\circ$ ngang, $90^\circ$ dọc); đo khí gas, nhiệt độ, độ ẩm; nhận diện người và cảnh báo qua còi/email.
  • Should have: Đồng bộ dữ liệu lên Firebase Realtime Database; hiển thị đồ họa trực quan trên App Android; hoạt động ổn định trong bóng tối bằng camera hồng ngoại.
  • Could have: Lưu trữ lịch sử hành trình và xuất báo cáo sự cố tự động dưới dạng file log.
  • Won't have (lần này): Tự động về trạm sạc tự động (Auto-docking charging); định vị GPS trong nhà bằng UWB.

Thiết kế hệ thống

Kiến trúc hệ thống robot bao gồm 4 phân hệ chính: Khối nguồn, Khối xử lý trung tâm & thị giác, Khối điều khiển động lực, và Khối giao tiếp đám mây/ngoại vi.

+-------------------------------------------------------------------------+
|                               HỆ THỐNG ROBOT                            |
|                                                                         |
|  +--------------------+         I2C/UART/WiFi    +-------------------+  |
|  |  Raspberry Pi 4B   |<------------------------>|  NodeMCU ESP8266  |  |
|  |  (Linux OS / Py3)  |                          |  (FreeRTOS/C++)   |  |
|  +---------+----------+                          +---------+---------+  |
|            |                                               |            |
|     +------+------+---------------+                 +------+------+     |
|     |             |               |                 |             |     |
|  +--v---+     +---v----+     +----v-----+       +---v----+    +---v---+ |
|  |PiCam |     |TB6612  |     |2x Servo  |       | DHT22  |    | MQ-2  | |
|  |NoIR  |     |Driver  |     |SG90 PWM  |       | Temp/Hum|   | Gas   | |
|  +------+     +---+----+     +----------+       +--------+    +-------+ |
|                   |                                                     |
|            +------v------+                                              |
|            |2x Motor DC  |                                              |
|            |JGY370 150RPM|                                              |
|            +-------------+                                              |
+-------------------------------------------------------------------------+
                                    | WiFi (HTTP / WebSocket / NoSQL API)
       +----------------------------+----------------------------+
       |                                                         |
+------v-----------------------------+     +---------------------v-------+
|        Giao thức HTTP Web          |     |    Firebase Realtime DB     |
|  - Điều khiển Robot qua Browser   |     |    - Lưu trữ Telemetry      |
|  - Stream Video MJPEG 720p 30fps   |     |    - Đồng bộ App Android    |
+------------------------------------+     +-----------------------------+

Technology Stack chi tiết:

  • Xử lý trung tâm: Raspberry Pi 4 Model B (Broadcom BCM2711, Quad-core Cortex-A72 @ 1.5GHz, 4GB LPDDR4-3200 SDRAM).
  • Vi điều khiển ngoại vi: NodeMCU ESP8266EX (Tensilica 32-bit L106 @ 80MHz, chuẩn WiFi 802.11 b/g/n).
  • Mạch công suất động cơ: TB6612FNG Dual H-Bridge MOSFET Driver (hiệu suất cao hơn driver L298N cũ, sụt áp cực nhỏ $<0.5\text{V}$, dòng định mức $1.2\text{A}/\text{kênh}$, đỉnh $3.2\text{A}$).
  • Cảm biến: DHT22 (dải đo $-40 \div 80^\circ\text{C}$, sai số $\pm 0.5^\circ\text{C}$; độ ẩm $0-100%\text{RH}$, sai số $\pm 2%$), MQ-2 (cảm biến khí dễ cháy LPG, Propane, Metan, khói).
  • Cơ cấu chấp hành: 02 Động cơ DC giảm tốc trục vít bánh vít JGY370 (12V, 150 RPM, tự hãm khi dừng), 02 Động cơ Servo TowerPro SG90 (xung PWM 50Hz, góc quay $0-180^\circ$).
  • Nguồn cấp: Pack pin Li-ion 3S 18650-35E / 21700 (11.1V - 12.6V, 3500mAh) kết hợp 02 mạch hạ áp độc lập: Mạch Buck LM2596 (12V xuống 5V 3A cấp nguồn logic ESP8266 và servo) và Module Buck XY-3606 (12V xuống 5V 5A chuyên cấp nguồn cho Raspberry Pi 4B để tránh sụt áp gây Undervoltage warning).

Phương trình động học Mobile Robot vi sai (WMR Kinematics Model): Giả sử bán kính hai bánh chủ động là $R = 40\text{ mm} = 0.04\text{ m}$, khoảng cách giữa hai tâm bánh xe là $2L = 180\text{ mm} = 0.18\text{ m}$. Vận tốc dài $v$ và vận tốc góc $\omega$ của robot trong hệ quy chiếu cục bộ được tính theo vận tốc góc bánh phải $\dot{\theta}_R$ và bánh trái $\dot{\theta}_L$:

$$\begin{bmatrix} v \ \omega \end{bmatrix} = \begin{bmatrix} \frac{R}{2} & \frac{R}{2} \ \frac{R}{2L} & -\frac{R}{2L} \end{bmatrix} \begin{bmatrix} \dot{\theta}_R \ \dot{\theta}_L \end{bmatrix}$$

Chuyển đổi sang hệ quy chiếu toàn cục ${X_g, Y_g, \beta}$ với góc hướng $\beta$:

$$\dot{q} = \begin{bmatrix} \dot{x}_g \ \dot{y}_g \ \dot{\beta} \end{bmatrix} = \begin{bmatrix} \cos\beta & 0 \ \sin\beta & 0 \ 0 & 1 \end{bmatrix} \begin{bmatrix} v \ \omega \end{bmatrix}$$

Methodology

Dự án áp dụng mô hình phát triển Agile Scrum tinh gọn với chu kỳ Sprint 2 tuần, kéo dài trong 16 tuần:

  • Tuần 1 - 4: Nghiên cứu lý thuyết, tính toán mô-men xoắn động cơ, thiết kế 3D CAD khung vỏ trên SolidWorks và gia công cắt gọt laser khung thép 2mm, tấm mica PMMA.
  • Tuần 5 - 8: Thiết kế mạch nguyên lý, đi dây layout nguồn/tín hiệu, lập trình firmware cho ESP8266 và điều khiển động cơ trên Raspberry Pi qua thư viện RPi.GPIO.
  • Tuần 9 - 12: Xây dựng Web Server HTTP Streaming MJPEG, phát triển thuật toán phát hiện người bằng OpenCV (MobileNet-SSD), thiết kế ứng dụng di động MIT App Inventor kết nối Firebase.
  • Tuần 13 - 16: Tích hợp toàn hệ thống, thử nghiệm thực địa trong không gian hạn chế, hiệu chỉnh độ trễ mạng, tối ưu ngưỡng nhận diện và hoàn thiện khóa luận.

Đánh giá rủi ro và giải pháp khắc phục (Risk Assessment):

  • Nhiễu điện từ do động cơ DC: Khắc phục bằng cách sử dụng diode dập xung ngược và tụ gốm $104$ hàn trực tiếp trên 2 cực động cơ, đồng thời tách riêng mass động lực và mass tín hiệu (Optocoupler isolation).
  • Nhiệt độ vi xử lý Raspberry Pi 4 tăng cao trong hộp kín: Bố trí quạt tản nhiệt $5\text{V}$ và khe lưu thông khí cưỡng bức trên vỏ Mica.

Implementation và kết quả

Development process

Quá trình phát triển phần mềm được chia thành hai nhánh độc lập nhưng đồng bộ hóa cao: Lập trình xử lý biên trên Raspberry Pi (Python 3.9, OpenCV 4.5) và Lập trình nhúng cảm biến trên ESP8266 (C++/Arduino Core).

Dưới đây là đoạn code triển khai thuật toán phát hiện người, kích hoạt còi báo động qua chân GPIO và gửi email thông báo bảo mật qua giao thức SMTP:

import cv2
import time
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.image import MIMEImage
import RPi.GPIO as GPIO

# Cấu hình chân phần cứng
BUZZER_PIN = 18
GPIO.setmode(GPIO.BCM)
GPIO.setup(BUZZER_PIN, GPIO.OUT)

# Khởi tạo mô hình nhận diện người HOG/Cascade hoặc MobileNet-SSD
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

def send_alert_email(image_frame):
    sender = "security.robot.alert@gmail.com"
    receiver = "supervisor.safety@company.com"
    msg = MIMEMultipart()
    msg['Subject'] = '[CẢNH BÁO] Phát hiện xâm nhập trong không gian hạn chế'
    msg['From'] = sender
    msg['To'] = receiver
    
    text = MIMEText(f"Hệ thống phát hiện có người xâm nhập vào lúc: {time.strftime('%Y-%m-%d %H:%M:%S')}")
    msg.attach(text)
    
    _, img_encoded = cv2.imencode('.jpg', image_frame)
    img_attach = MIMEImage(img_encoded.tobytes(), name="alert_capture.jpg")
    msg.attach(img_attach)
    
    with smtplib.SMTP_SSL('smtp.gmail.com', 465) as server:
        server.login(sender, "application_specific_password")
        server.sendmail(sender, receiver, msg.as_string())

def detect_and_alert():
    cap = cv2.VideoCapture(0)
    person_counter = 0
    ALERT_THRESHOLD = 5 # Số frame liên tiếp phát hiện trước khi kích hoạt
    
    while cap.isOpened():
        ret, frame = cap.read()
        if not ret: break
        
        # Resize để tăng tốc độ xử lý FPS trên Raspberry Pi
        frame_resized = cv2.resize(frame, (640, 480))
        gray = cv2.cvtColor(frame_resized, cv2.COLOR_BGR2GRAY)
        boxes, weights = hog.detectMultiScale(gray, winStride=(8,8), padding=(4,4), scale=1.05)
        
        if len(boxes) > 0:
            person_counter += 1
            GPIO.output(BUZZER_PIN, GPIO.HIGH) # Bật còi 90dB
            if person_counter >= ALERT_THRESHOLD:
                send_alert_email(frame_resized)
                person_counter = 0 # Reset bộ đếm
        else:
            person_counter = max(0, person_counter - 1)
            GPIO.output(BUZZER_PIN, GPIO.LOW)
            
        time.sleep(0.05)

Trên vi điều khiển ESP8266, dữ liệu từ DHT22 và MQ-2 được đọc theo chu kỳ non-blocking và đẩy lên Firebase Realtime Database thông qua REST API:

#include <ESP8266WiFi.h>
#include <FirebaseArduino.h>
#include <DHT.h>

#define FIREBASE_HOST "robot-monitoring-db-default-rtdb.firebaseio.com"
#define FIREBASE_AUTH "AIzaSyD0...SecretTokenKey"
#define WIFI_SSID "ROBOT_CONTROL_NET"
#define WIFI_PASSWORD "IndustrialSecure2024"

#define DHTPIN D4
#define DHTTYPE DHT22
#define MQ2_ANALOG_PIN A0

DHT dht(DHTPIN, DHTTYPE);
unsigned long lastSend = 0;

void setup() {
  Serial.begin(115200);
  dht.begin();
  WiFi.begin(WIFI_SSID, WIFI_PASSWORD);
  while (WiFi.status() != WL_CONNECTED) { delay(500); }
  Firebase.begin(FIREBASE_HOST, FIREBASE_AUTH);
}

void loop() {
  if (millis() - lastSend > 2000) { // Đẩy dữ liệu mỗi 2 giây
    lastSend = millis();
    float h = dht.readHumidity();
    float t = dht.readTemperature();
    int gasRaw = analogRead(MQ2_ANALOG_PIN);
    
    if (!isnan(h) && !isnan(t)) {
      Firebase.setFloat("Telemetries/Temperature", t);
      Firebase.setFloat("Telemetries/Humidity", h);
      Firebase.setInt("Telemetries/GasLevel", gasRaw);
      
      // Kiểm tra ngưỡng khí độc MQ2 để gửi cờ cảnh báo
      if (gasRaw > 400) {
        Firebase.setBool("Alerts/GasDanger", true);
      } else {
        Firebase.setBool("Alerts/GasDanger", false);
      }
    }
  }
}

Testing và validation

Quá trình kiểm thử được thực hiện trong môi trường mô phỏng kho hàng và phòng kín diện tích $30\text{ m}^2$ với các kịch bản chiếu sáng và khoảng cách khác nhau.

Khoảng cách (m) Điều kiện ánh sáng Số lần thử Số lần phát hiện chính xác Tỷ lệ chính xác (%) Độ trễ cảnh báo (giây)
$1.0\text{ m}$ Đủ sáng ($300\text{ lux}$) 50 49 98.0% $0.85\text{ s}$
$1.0\text{ m}$ Thiếu sáng ($<10\text{ lux}$, IR On) 50 47 94.0% $0.92\text{ s}$
$3.0\text{ m}$ Đủ sáng ($300\text{ lux}$) 50 48 96.0% $0.88\text{ s}$
$3.0\text{ m}$ Thiếu sáng ($<10\text{ lux}$, IR On) 50 46 92.0% $1.05\text{ s}$
$5.0\text{ m}$ Đủ sáng ($300\text{ lux}$) 50 43 86.0% $1.15\text{ s}$
$5.0\text{ m}$ Thiếu sáng ($<10\text{ lux}$, IR On) 50 40 80.0% $1.30\text{ s}$

Kết quả benchmark hiệu năng mạng và phần cứng:

  • Tốc độ khung hình (FPS): Đạt $24 - 30\text{ fps}$ ở độ phân giải $720\text{p}$ ($1280 \times 720$) trên mạng LAN nội bộ; duy trì $15 - 20\text{ fps}$ khi stream qua môi trường mạng Internet từ xa.
  • Độ trễ truyền lệnh điều khiển: Mạng cục bộ (Local WiFi) đạt $45 - 65\text{ ms}$; mạng 4G/Cloud đạt $120 - 180\text{ ms}$.
  • Thời lượng pin thực tế: Dưới tải tối đa (chạy 2 động cơ liên tục, bật camera NoIR, stream video 720p và phát hiện AI), pack pin 3S 3500mAh duy trì hoạt động trong $2\text{ giờ } 18\text{ phút}$.

Kết quả đạt được

Hệ thống đã hoàn thành $100%$ các tính năng thiết kế ban đầu:

  • Chế tạo thành công kết cấu cơ khí nhỏ gọn, vững chắc, chịu tải $3.5\text{ kg}$ mà không xảy ra hiện tượng võng khung hoặc trượt bánh khi quay vòng tại chỗ ($0\text{ m}$ bán kính quay vòng nhờ cơ chế vi sai).
  • Tích hợp thành công cụm Pan-Tilt xoay $180^\circ$ ngang và $90^\circ$ dọc, triệt tiêu hoàn toàn góc mù phía trước và hai bên thân xe.
  • Giám sát đồng thời các yếu tố môi trường với sai số thực nghiệm: nhiệt độ lệch $< 0.4^\circ\text{C}$, độ ẩm lệch $< 1.8%$, phát hiện nhạy bén khí gas/khói chỉ sau $1.5\text{ giây}$ tiếp xúc.

Đổi mới và đóng góp

Technical innovations

  1. Cơ chế phân tách tải tính toán (Dual-MCU Architecture): Thay vì dồn toàn bộ tác vụ đọc cảm biến, ngắt timer và xử lý hình ảnh vào Raspberry Pi (dễ gây nghẽn cổ chai CPU và trễ chu kỳ điều khiển động cơ), hệ thống phân quyền rõ ràng: ESP8266 xử lý I/O cảm biến môi trường và giao tiếp Firebase, Raspberry Pi 4 chuyên biệt hóa cho Computer Vision và HTTP Streaming. Kiến trúc này giúp giảm $35%$ tải tính toán cho CPU chính.
  2. Khung vỏ Hybrid thép - PMMA tối ưu hóa trọng tâm: Thân dưới sử dụng thép dày $2\text{ mm}$ hàn tạo trọng tâm thấp (low center of gravity), ngăn ngừa hoàn toàn nguy cơ lật khi xe vào cua gấp. Nắp trên sử dụng PMMA trong suốt giúp quan sát đèn trạng thái và dễ dàng định tuyến sóng WiFi không bị lồng Faraday chắn sóng như các robot hoàn toàn bằng kim loại.
  3. Cơ chế lọc nhiễu cảnh báo người (Time-consecutive False Positive Filtering): Ứng dụng bộ đếm ngưỡng frame liên tiếp ($ALERT_THRESHOLD = 5$) giúp loại bỏ $99%$ các báo động giả do bóng chuyển động hoặc nhiễu hạt camera hồng ngoại trong bóng tối.

So sánh với các giải pháp hiện hành

Đặc tính kỹ thuật TurtleBot 3 Burger Cobalt Security Robot Robot đề tài HCMUTE
Giá thành chế tạo $\sim 15 - 20\text{ triệu VNĐ}$ $> 500\text{ triệu VNĐ}$ $\sim 4.5\text{ triệu VNĐ}$ (Tiết kiệm $>75%$)
Góc nhìn Camera Cố định ($81^\circ$ ngang) Đa camera $360^\circ$ cố định Cụm Pan-Tilt 2 trục chủ động ($180^\circ \times 90^\circ$)
Cảm biến khí Gas Không có Có sẵn Tích hợp MQ-2 độ nhạy cao
Kích thước hoạt động $138 \times 178 \times 192\text{ mm}$ $\Phi 540 \times 1600\text{ mm}$ $200 \times 250 \times 150\text{ mm}$
Khả năng quan sát đêm Không có (camera RGB) Cảm biến nhiệt cao cấp Camera hồng ngoại NoIR kèm LED IR

Hệ thống mang lại đóng góp thiết thực cho ngành Cơ điện tử và Kỹ thuật An toàn Lao động: Cung cấp một nền tảng phần cứng mã nguồn mở, khả thi về mặt kinh tế cho các doanh nghiệp vừa và nhỏ (SMEs) tại Việt Nam để tự động hóa khâu giám sát an toàn môi trường nguy hiểm.

Ứng dụng thực tế và triển khai

Real-world use cases

  • Kho chứa hóa chất, xăng dầu và dung môi dễ cháy: Robot tuần tra định kỳ vào ban đêm để phát hiện sớm hiện tượng rò rỉ dung môi hữu cơ hoặc gia tăng nhiệt độ bất thường của các bồn chứa.
  • Hầm cáp điện lực và trạm biến áp cao thế: Kiểm tra tình trạng phóng điện ngầm, sinh nhiệt của các điểm tiếp xúc điện và đo nồng độ khí sinh ra do quá nhiệt cách điện.
  • Đường ống dẫn khí và thông gió công nghiệp: Kích thước nhỏ gọn giúp robot di chuyển sâu vào các đường ống hẹp mà con người không thể chui lọt.

Phân tích chi phí và ROI (Cost-Benefit Analysis)

  • Chi phí đầu tư phần cứng (Capex):
    • Khung cơ khí, bánh xe, động cơ JGY370: $950.000\text{ VNĐ}$
    • Vi xử lý Raspberry Pi 4B (4GB) & thẻ nhớ 64GB: $1.850.000\text{ VNĐ}$
    • ESP8266, cụm cảm biến DHT22, MQ-2, Relay, Còi: $380.000\text{ VNĐ}$
    • Camera NoIR, Servo SG90, Mạch nguồn, Pin Li-ion 3S: $920.000\text{ VNĐ}$
    • Tổng chi phí chế tạo: $\approx 4.100.000\text{ VNĐ}$ / robot.
  • Lợi ích kinh tế (Opex & ROI): Thay thế 01 ca trực tuần tra thủ công (chi phí nhân công trung bình $8.000.000\text{ VNĐ}/\text{tháng}$). Điểm hòa vốn đạt được chỉ sau chưa đầy 1 tháng vận hành, đồng thời loại bỏ rủi ro bồi thường tai nạn lao động nghiêm trọng.

Roadmap triển khai mở rộng:

[Quý 1: Hoàn thiện mẫu thử nghiệm] 
[Quý 2: Triển khai thí điểm (Pilot)] 
[Quý 3: Nâng cấp SLAM tự hành] 
[Quý 4: Thương mại hóa OEM]

Hạn chế và hướng phát triển

Dù đạt được toàn bộ mục tiêu đề ra, đề tài vẫn tồn tại một số giới hạn kỹ thuật:

  1. Phụ thuộc vào chất lượng đường truyền vô tuyến: Video streaming và lệnh điều khiển yêu cầu băng thông tối thiểu $2\text{ Mbps}$. Khi vào các hầm sâu có kết cấu bê tông cốt thép dày, tín hiệu sóng WiFi $2.4\text{ GHz}$ bị suy hao mạnh, có thể gây mất kết nối tạm thời.
  2. Cơ chế điều khiển bán tự động: Robot vẫn cần người vận hành điều hướng thông qua giao diện Web, chưa thể tự động lập lịch đường đi tối ưu khi gặp vật cản động phát sinh.
  3. Cảm biến khí gas chưa bù nhiệt - ẩm: Cảm biến MQ-2 là dạng bán dẫn nung nóng ($SnO_2$), có độ trôi tín hiệu nhẹ theo sự thay đổi của nhiệt độ và độ ẩm môi trường xung quanh nếu không được hiệu chuẩn thường xuyên.

Hướng phát triển trong tương lai:

  • Tích hợp module truyền thông tầm xa LoRa hoặc mạng 5G công nghiệp để duy trì kết nối xuyên tường hầm.
  • Trang bị cảm biến LiDAR 2D (như RPLidar A1M8) kết hợp thuật toán Cartographer trên nền tảng ROS 2 (Robot Operating System) để robot có khả năng tự động tuần tra theo bản đồ định sẵn (Autonomous Navigation).
  • Nâng cấp mô hình phát hiện đối tượng lên YOLOv8n-Nano chạy trên chip tăng tốc AI chuyên dụng (Google Coral USB TPU) để đạt tốc độ xử lý $>45\text{ fps}$ và phân loại đa đối tượng (người, khói, lửa).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Cơ điện tử, Tự động hóa: Cung cấp tài liệu tham khảo thực tế toàn diện từ tính toán cơ khí vi sai, lựa chọn linh kiện công suất, đến tích hợp hệ thống nhúng lai ghép giữa C++ và Python.
  • Kỹ sư phát triển phần mềm nhúng & IoT: Bản thiết kế tham chiếu (Reference Design) về luồng dữ liệu thời gian thực giữa Web Server, Firebase NoSQL và mạch điều khiển ngoại vi.
  • Doanh nghiệp & Quản lý an toàn công nghiệp (HSE): Một giải pháp giám sát an ninh và môi trường chi phí thấp, triển khai nhanh chóng để bảo vệ an toàn cho nhà xưởng và công nhân.
  • Nhà nghiên cứu Robotics: Dữ liệu thực nghiệm về sai số nhận diện Computer Vision và độ trễ streaming trong môi trường không gian hạn chế.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu của hạ tầng mạng để triển khai hệ thống là gì?

Robot yêu cầu một điểm truy cập WiFi (Access Point) chuẩn 802.11 b/g/n băng tần $2.4\text{ GHz}$ phủ sóng tại khu vực hoạt động, băng thông tải lên (Upload bandwidth) tối thiểu $2.5\text{ Mbps}$ để duy trì luồng stream MJPEG 720p 30fps ổn định và ping dưới $80\text{ ms}$.

2. Robot xử lý như thế nào khi bị mất kết nối WiFi đột ngột?

Firmware của vi điều khiển được lập trình cơ chế an toàn ngắt khẩn cấp (Failsafe timeout). Nếu Raspberry Pi hoặc ESP8266 không nhận được gói tin điều khiển (Heartbeat packet) từ Web Server trong vòng $1.5\text{ giây}$, driver TB6612FNG sẽ tự động ngắt xung PWM về $0$, khóa hai bánh xe JGY370 để robot dừng lại an toàn, tránh va chạm.

3. Hệ thống có thể tích hợp vào các nền tảng giám sát SCADA hiện có của nhà máy không?

Có. ESP8266 và Raspberry Pi có thể cấu hình để xuất dữ liệu qua giao thức chuẩn công nghiệp như Modbus TCP hoặc MQTT. Giao diện Web Server cũng hỗ trợ RESTful API để các phần mềm SCADA/MES của bên thứ ba trích xuất dữ liệu cảm biến và luồng video.

4. Cần thực hiện quy trình bảo trì phần cứng định kỳ như thế nào?

  • Hàng tuần: Kiểm tra độ mòn của gai cao su bánh xe $\Phi 80\text{ mm}$ và vệ sinh bụi bẩn bám trên bề mặt cảm biến MQ-2 và mắt camera NoIR.
  • Hàng tháng: Kiểm tra độ siết của ốc lục giác M5 trên khung nhôm, bôi trơn trục vít bánh răng động cơ JGY370 và đo dung lượng xả của pack pin Li-ion.

5. Chi phí đầu tư và thời gian hoàn vốn (ROI) được tính toán như thế nào?

Với tổng chi phí linh kiện khoảng $4.100.000\text{ VNĐ}$, nếu triển khai thay thế các ca tuần tra thủ công có phụ cấp độc hại ($300.000\text{ VNĐ}/\text{ca}$), hệ thống giúp doanh nghiệp thu hồi vốn đầu tư hoàn toàn sau chưa đầy 14 ca làm việc.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu, thiết kế và chế tạo robot tuần tra, giám sát và cảnh báo trong không gian hạn chế" của sinh viên ngành Công nghệ Kỹ thuật Cơ điện tử - Trường Đại học Sư phạm Kỹ thuật TP.HCM đã giải quyết thành công bài toán bảo vệ an toàn cho con người trong các môi trường lao động khắc nghiệt. Thông qua sự kết hợp nhịp nhàng giữa kỹ thuật cơ khí chính xác, thiết kế mạch điện tử công suất tối ưu và các công nghệ phần mềm tiên tiến (Computer Vision, Firebase Cloud, Web Server), hệ thống đã chứng minh tính khả thi kỹ thuật vượt trội cùng tiềm năng thương mại hóa lớn nhờ chi phí chỉ bằng một phần nhỏ so với các sản phẩm nhập ngoại.

Đây là một mô hình ứng dụng tiêu biểu, đóng góp thiết thực vào xu thế chuyển đổi số và tự động hóa công tác an toàn lao động trong sản xuất công nghiệp hiện đại. Bạn đọc, sinh viên và các kỹ sư quan tâm có thể tiếp cận, phát triển mở rộng thêm các thuật toán điều hướng tự hành SLAM để nâng tầm hệ sinh thái robot thông minh "Make in Vietnam".