Thiết Kế và Thi Công Mô Hình Camera Đo Thân Nhiệt Không Đeo Khẩu Trang

Khóa luận trình bày thiết kế và thi công mô hình camera đo thân nhiệt, nhắc nhở người không đeo khẩu trang, góp phần bảo vệ sức khỏe cộng đồng.

• Tác giả: Thái Nguyễn Kỳ Duyên
• Người hướng dẫn: ThS. Ngô Bá Viát
• Trường học: Đại Học Sư Phạm Kỹ Thuật TP. Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Y Sinh
• Đề tài: Thiết Kế Và Thi Công Mô Hình Camera Đo Thân Nhiệt Và Nhắc Nhở Người Không Đeo Khẩu Trang
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. NỘI DUNG NGHIÊN CỨU
• 1.2. GIẢI HẠN
• 1.3. MỤC TIÊU
• 1.4. NỘI DUNG NGHIÊN CỨU CHI TIẾT
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. TỔNG QUAN VÀ NHIỆT ĐỘ CƠ THỂ CON NGƯỜI
• 2.2. PHƯƠNG PHÁP ĐO NHIỆT ĐỘ KHÔNG TIẾP XÚC
• 2.3. PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT
• 3. CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ HỆ THỐNG
• 4. CHƯƠNG 4: THI CÔNG HỆ THỐNG
• 5. CHƯƠNG 5: KẾT QUẢ, NHẬN XÉT VÀ ĐÁNH GIÁ
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Thiết Kế Mô Hình Camera Đo Thân Nhiệt Không Đeo Khẩu Trang

Mô hình camera đo thân nhiệt không đeo khẩu trang đang trở thành một giải pháp quan trọng trong việc giám sát sức khỏe cộng đồng, đặc biệt trong bối cảnh dịch bệnh COVID-19. Thiết kế này không chỉ giúp phát hiện nhanh chóng người có thân nhiệt cao mà còn kiểm soát việc đeo khẩu trang, từ đó giảm thiểu nguy cơ lây lan virus. Việc áp dụng công nghệ này trong các cơ sở y tế, trường học và nơi làm việc là rất cần thiết.

1.1. Lợi Ích Của Camera Đo Thân Nhiệt

Camera đo thân nhiệt giúp phát hiện nhanh chóng người có triệu chứng sốt, từ đó có biện pháp xử lý kịp thời. Công nghệ này cũng giúp giảm thiểu tiếp xúc vật lý giữa nhân viên y tế và bệnh nhân.

1.2. Công Nghệ Đằng Sau Mô Hình Camera

Mô hình sử dụng cảm biến nhiệt AMG8833 kết hợp với Raspberry Pi để xử lý dữ liệu. Điều này cho phép thu thập và phân tích thông tin một cách hiệu quả.

II. Vấn Đề Và Thách Thức Trong Việc Thiết Kế Mô Hình

Mặc dù mô hình camera đo thân nhiệt không đeo khẩu trang mang lại nhiều lợi ích, nhưng cũng gặp phải một số thách thức. Việc đảm bảo độ chính xác trong việc đo nhiệt độ và nhận diện khuôn mặt là rất quan trọng. Ngoài ra, việc xử lý dữ liệu trong thời gian thực cũng là một vấn đề cần được giải quyết.

2.1. Độ Chính Xác Của Cảm Biến Nhiệt

Độ chính xác của cảm biến nhiệt AMG8833 có thể bị ảnh hưởng bởi nhiều yếu tố như ánh sáng môi trường và khoảng cách đo. Cần có các biện pháp điều chỉnh để đảm bảo kết quả chính xác.

2.2. Khó Khăn Trong Việc Nhận Diện Khuôn Mặt

Việc nhận diện khuôn mặt không đeo khẩu trang có thể gặp khó khăn trong điều kiện ánh sáng yếu hoặc khi có nhiều người cùng lúc. Cần áp dụng các thuật toán nhận diện tiên tiến để cải thiện khả năng này.

III. Phương Pháp Thiết Kế Mô Hình Camera Đo Thân Nhiệt

Thiết kế mô hình camera đo thân nhiệt không đeo khẩu trang bao gồm nhiều bước quan trọng. Từ việc lựa chọn linh kiện, lập trình cho đến lắp ráp và kiểm tra. Mỗi bước đều cần được thực hiện cẩn thận để đảm bảo mô hình hoạt động hiệu quả.

3.1. Lựa Chọn Linh Kiện Phù Hợp

Việc lựa chọn linh kiện như camera, cảm biến nhiệt và vi điều khiển là rất quan trọng. Các linh kiện này cần phải tương thích và đáp ứng yêu cầu kỹ thuật của mô hình.

3.2. Lập Trình Và Điều Khiển Mô Hình

Sử dụng ngôn ngữ lập trình Python để lập trình cho Raspberry Pi, giúp điều khiển các linh kiện và xử lý dữ liệu từ cảm biến. Điều này giúp mô hình hoạt động tự động và hiệu quả.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Camera Đo Thân Nhiệt

Mô hình camera đo thân nhiệt không đeo khẩu trang có nhiều ứng dụng thực tiễn trong đời sống. Từ việc giám sát sức khỏe tại các cơ sở y tế, trường học cho đến các khu vực công cộng. Điều này giúp nâng cao ý thức cộng đồng về việc bảo vệ sức khỏe.

4.1. Ứng Dụng Trong Các Cơ Sở Y Tế

Tại các bệnh viện, mô hình này giúp phát hiện nhanh chóng người có triệu chứng sốt, từ đó có biện pháp xử lý kịp thời và hiệu quả.

4.2. Ứng Dụng Trong Trường Học

Trong môi trường học đường, mô hình giúp giám sát sức khỏe học sinh, đảm bảo an toàn cho các em trong bối cảnh dịch bệnh.

V. Kết Luận Và Tương Lai Của Mô Hình Camera Đo Thân Nhiệt

Mô hình camera đo thân nhiệt không đeo khẩu trang là một giải pháp hiệu quả trong việc giám sát sức khỏe cộng đồng. Tương lai, công nghệ này có thể được cải tiến và phát triển hơn nữa để đáp ứng nhu cầu ngày càng cao trong việc bảo vệ sức khỏe.

5.1. Tiềm Năng Phát Triển Công Nghệ

Công nghệ đo thân nhiệt không tiếp xúc sẽ ngày càng được cải tiến, giúp nâng cao độ chính xác và khả năng nhận diện khuôn mặt.

5.2. Tương Lai Của Mô Hình Trong Cuộc Sống

Mô hình này có thể được áp dụng rộng rãi hơn trong các lĩnh vực khác nhau, từ an ninh đến quản lý sức khỏe, góp phần nâng cao chất lượng cuộc sống.

Trích đoạn nội dung tài liệu

BÞ GIÁO DĀC & ĐÀO T¾O TR¯âNG Đ¾I HàC S¯ PH¾M Kþ THUÊT TP. Hâ CHÍ MINH KHOA ĐIàN – ĐIàN TĀ BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH --------------------------------- KHÓA LUÊN TàT NGHIàP NGÀNH Kþ THUÊT Y SINH ĐÀ TÀI: THI¾T K¾ VÀ THI CÔNG MÔ HÌNH CAMERA ĐO THÂN NHIàT VÀ NHÌC NHä NG¯âI KHÔNG ĐEO KHÆU TRANG GVHD: ThS. Ngô Bá Viát SVTH: Thái Nguyßn Kỳ Duyên MSSV: 18129010 SVTH: D°¢ng Hoàng Huy MSSV: 18129023 Tp. Hã Chí Minh – 07/2022 BÞ GIÁO DĀC & ĐÀO T¾O TR¯âNG Đ¾I HàC S¯ PH¾M Kþ THUÊT TP.

Hâ CHÍ MINH KHOA ĐIàN – ĐIàN TĀ BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH --------------------------------- KHÓA LUÊN TàT NGHIàP NGÀNH Kþ THUÊT Y SINH ĐÀ TÀI: THIẾT KẾ VÀ THI CÔNG MÔ HÌNH CAMERA ĐO THÂN NHIỆT VÀ NHÀC NHỞ NGƯỜI KHÔNG ĐEO KHÀU TRANG GVHD: ThS. Ngô Bá Viát SVTH: Thái Nguyßn Kỳ Duyên MSSV: 18129010 SVTH: D°¢ng Hoàng Huy MSSV: 18129023 Tp. Hã Chí Minh – 07/2022 TR¯äNG ĐH SPKT TP. Hè CHÍ MINH CÞNG HÒA Xà HÞI CHĂ NGHĨA VIàT NAM KHOA ĐIàN-ĐIàN TĀ Đßc lËp - Tą do - H¿nh phúc BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH Tp.

HCM, ngày 25 tháng 02 năm 2022 NHIàM VĀ KHÓA LUÊN TàT NGHIàP Hã tên sinh viên: Thái Nguyßn Kỳ Duyên MSSV: 18129010 D°¢ng Hoàng Huy MSSV: 18129023 Chuyên ngành: Kỹ thuËt Y Sinh Mã ngành: 7520212D Há đào t¿o: Đ¿i hãc chính quy Mã há: 1 Khóa: 2018 Lãp: 181290A I. TÊN Đ TÀI: THI¾T K¾ VÀ THI CÔNG MÔ HÌNH CAMERA ĐO THÂN NHIàT VÀ NHÌC NHä NG¯âI KHÔNG ĐEO KHÆU TRANG II. Các sç liáu ban đÅu: Dă liáu thông tin đÅu vào: Khuôn mÁt ng°åi trong khung hình. Ngôn ngă lËp trình: Python.

Nái dung thąc hián: Tìm hiÅu và vi điÃu khiÅn, cÁm biÁn Ánh nhiát AMG8833, module camera. KÁt nçi vi điÃu khiÅn vãi các linh kián đÅ lËp trình. ThiÁt kÁ m¿ch nguyên lý căa mô hình. Thi công m¿ch.

KiÅm tra, điÃu chßnh và đánh giá mô hình so vãi các thiÁt bá trên thá tr°ång. NGÀY GIAO NHIàM VĀ: 25/02/2022 IV. NGÀY HOÀN THÀNH NHIàM VĀ: 15/06/2022 V. Hâ VÀ TÊN CÁN Bà H¯âNG DÈN: ThS.

Ngô Bá Viát CÁN Bà H¯âNG DÈN BM. ĐIàN TĀ CÔNG NGHIàP – Y SINH BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH i TR¯äNG ĐH SPKT TP. Hè CHÍ MINH CÞNG HÒA Xà HÞI CHĂ NGHĨA VIàT NAM KHOA ĐIàN-ĐIàN TĀ Đßc lËp - Tą do - H¿nh phúc BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH Tp. HCM, ngày 25 tháng 02 năm 2022 LÞCH TRÌNH THĄC HIàN KHÓA LUÊN TàT NGHIàP Hã tên sinh viên 1: Thái Nguyßn Kỳ Duyên Lãp: 181290A MSSV: 18129010 Hã tên sinh viên 2: D°¢ng Hoàng Huy Lãp: 181290A MSSV: 18129023 Tên đà tài: ThiÁt kÁ và thi công mô hình camera đo thân nhiát và nhÍc nhç ng°åi không đeo khÇu trang Xác nh¿n Tu¿n/ngày Nội dung GVHD TuÅn 1 GÁp GVHD đÅ nghe phë biÁn yêu cÅu làm đé (25/02 – 27/02) án, tiÁn hành chãn đé án TuÅn 2 GVHD tiÁn hành xét duyát đà tài (28/02 – 06/03) ViÁt tóm tÍt yêu cÅu đà tài đã chãn: đà tài làm TuÅn 3 cái gì, nái dung thiÁt kÁ, các thông sç giãi h¿n (07/03 – 13/03) căa đà tài TuÅn 4 (14/03 – 20/03) Tìm hiÅu các lý thuyÁt liên quan đÁn đà tài TuÅn 5 (21/03 – 27/03) TuÅn 6 TiÁn hành thiÁt kÁ s¢ đé khçi, giÁi thích chąc (28/03 – 03/04) năng các khçi TuÅn 7 TiÁn hành tính toán đÅ ląa chãn linh kián cho (04/04 – 10/04) mô hình TuÅn 8 ThiÁt kÁ s¢ đé nguyên lý toàn m¿ch (11/04 – 17/04) GiÁi thích nguyên lý ho¿t đáng căa m¿ch.

BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH ii TuÅn 9 TiÁn hành viÁt ch°¢ng trình nhËn dián khuôn (18/04 – 24/04) mÁt đeo khÇu trang TuÅn 10 TiÁn hành viÁt ch°¢ng trình đo nhiát đá (25/04 – 01/05) TuÅn 11 TiÁn hành ghép các ch°¢ng trình (02/05 – 08/05) TuÅn 12 (09/05 – 15/05) Ch¿y thā nghiám, kiÅm tra hiáu chßnh thông sç TuÅn 13 cho mô hình (16/05 – 22/05) TuÅn 14 ViÁt báo cáo nhăng nái dung đã làm (23/05 – 29/05) TuÅn 15 Hoàn thián báo cáo và gāi cho GVHD đÅ xem (30/05 – 05/06) xét góp ý lÅn cuçi tr°ãc khi in và báo cáo TuÅn 16 Hoàn thành báo cáo (06/06 – 12/06) GV H¯âNG DÈN (Ký và ghi rõ hã và tên) BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH iii LâI CAM ĐOAN Xin cam đoan đây là bài báo cáo đé án tçt nghiáp căa nhóm trong thåi gian qua. Trong bài báo cáo có sā dāng mát sç nguén tài liáu tham khÁo đã đ°ÿc trích dÉn nguén và chú thích rõ ràng. Nhóm xin hoàn toàn cháu trách nhiám tr°ãc bá môn, khoa và nhà tr°ång và są cam đoan này. Nhóm sinh viên thąc hián đà tài Thái Nguyßn Kỳ Duyên – D°¢ng Hoàng Huy BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH iv LâI CÀM ¡N ĐÅu tiên chúng em xin gāi låi cÁm ¢n sâu sÍc đÁn ThÅy Ngô Bá Viát - GiÁng viên bá môn Đián Tā Công Nghiáp - Y Sinh đã trąc tiÁp h°ãng dÉn và tËn tình giúp đỡ cũng nh° t¿o điÃu kián đÅ nhóm hoàn thành tçt đà tài.

Chúng em cũng xin gāi låi chân thành cÁm ¢n các thÅy cô trong bá môn Đián Tā Công Nghiáp – Y Sinh và các quý thÅy cô khác trong Khoa Đián - Đián Tā đã truyÃn đ¿t nhăng kiÁn thąc và t¿o nhăng điÃu kián tçt nhÃt cho chúng em hoàn thành đà tài. CÁm ¢n đÁn cha mẹ và gia đình đã nuôi d°ỡng và là nguén đáng ląc to lãn đÅ chúng em cç gÍng tÿng ngày. Cuçi cùng, chúng em kính chúc quý thÅy cô và gia đình luôn déi dào sąc khåe, đ¿t đ°ÿc nhiÃu thành công trong công viác. Chúng em xin chân thành cÁm ¢n! Nhóm sinh viên thąc hián đà tài Thái Nguyßn Kỳ Duyên – D°¢ng Hoàng Huy BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH v MĀC LĀC NHIàM VĀ KHÓA LUÊN TæT NGHIàP.

i LàCH TRÌNH THĄC HIàN KHÓA LUÊN TæT NGHIàP. ii LäI CAM ĐOAN. vi LIàT KÊ HÌNH ÀNH. ix LIàT KÊ BÀNG.

xii Ch°¢ng 1. NàI DUNG NGHIÊN CĄU. TêNG QUAN V NHIàT Đà C¡ THÄ CON NG¯äI. PH¯¡NG PHÁP ĐO NHIàT Đà KHÔNG TIÀP XÚC.

PH¯¡NG PHÁP NHÊN D¾NG KHUÔN MÀT. MÔ HÌNH CNN  CONVOLUTIONAL NEURAL NETWORK. Hàm kích ho¿t. TH¯ VIàN OPENCV.

TH¯ VIàN TENSORFLOW. TH¯ VIàN KERAS. CHUÆN GIAO TIÀP I2C. GIâI THIàU PHÄN CĄNG.

Vi điÃu khiÅn Raspberry Pi 4 model B. CÁm biÁn Ánh nhiát AMG8833. 16 BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH vi 2. Loa phát di đáng.

TÍNH TOÁN VÀ THI¾T K¾. TÍNH TOÁN VÀ THIÀT KÀ MÔ HÌNH. ThiÁt kÁ s¢ đé khçi mô hình. Tính toán và thiÁt kÁ m¿ch.

S¢ đé nguyên lý căa toàn m¿ch. ThiÁt kÁ vå háp mô hình. THIÀT KÀ MÔ HÌNH M¾NG CNN. PH¯¡NG PHÁP ĐO NHIàT Đà.

PH¯¡NG PHÁP ĐÁNH GIÁ MÔ HÌNH HUÂN LUYàN DĂ LIàU. THI CÔNG Hà THàNG. THI CÔNG Hà THæNG. Danh sách linh kián.

LÍp ráp và kiÅm tra. THI CÔNG Vä HàP MÔ HÌNH. LÊP TRÌNH Hà THæNG. LÊP TRÌNH MÔ PHäNG.

TÀI LIàU H¯âNG DÈN SĀ DĀNG, THAO TÁC. DĄ TOÁN CĂA MÔ HÌNH Hà THæNG CAMERA ĐO THÂN NHIàT VÀ GIÁM SÁT NG¯äI KHÔNG ĐEO KHÆU TRANG. K¾T QUÀ_NHÊN XÉT_ĐÁNH GIÁ. KÀT QUÀ THI CÔNG MÔ HÌNH.

KÀT QUÀ CH¾Y MÔ HÌNH. KÁt quÁ căa quá trình t¿o tËp dă liáu huÃn luyán. KÁt quÁ căa quá trình huÃn luyán tËp dă liáu. KÁt quÁ nhËn d¿ng ng°åi không đeo khÇu trang.

KÁt quÁ phÅn đo nhiát đá. Đánh giá thåi gian đáp ąng căa mô hình. K¾T LUÊN VÀ H¯àNG PHÁT TRIÂN. H¯âNG PHÁT TRIÄN.

57 BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH vii TÀI LIàU THAM KHÀO. 58 BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH viii LIàT KÊ HÌNH ÀNH Hình Trang Hình 2. Bçn b°ãc xā lý căa há thçng nhËn d¿ng mÁt ng°åi. KiÁn trúc c¢ bÁn căa mát m¿ng tích chËp.

Cāa së tr°ÿt trên mát ma trËn. Kích th°ãc Ánh đÅu ra khi thąc hián b°ãc nhÁy lÅn l°ÿt là 1 và 2. Ma trËn khi thêm viÃn 0 bên ngoài. Lãp max pooling cho vùng Ánh.

Mô phång lãp kÁt nçi đÅy đă. Mô hình giao thąc I2C. Hình Ánh thąc tÁ căa Raspberry Pi 4. CÁm biÁn nhiát AMG8833 8x8 Non-Contact IR Thermal Camera Sensor.

Loa phát jack cÍm 3.5mm kÁt nçi cëng USB. S¢ đé khçi mô hình. S¢ đé nguyên lý căa mô hình. BÁn v¿ thiÁt kÁ căa vå háp mô hình.

Các khçi tích chËp căa m¿ng MobileNetV2. Bá mô hình m¿ng CNN xây dąng bằng kiÁn trúc MobileNetV2. Ph°¢ng pháp đo nhiát đá không tiÁp xúc. KÁt nçi camera nhiát vãi vi điÃu khiÅn.

LÍp ráp vå háp và kÁt nçi webcam vãi vi điÃu khiÅn. KÁt nçi loa vãi vi điÃu khiÅn. Ghim adapter vào vi điÃu khiÅn. L°u đé quy trình huÃn luyán dă liáu.

L°u đé ch°¢ng trình chính. L°u đé quy trình đo nhiát đá. L°u đé quy trình phát hián không đeo khÇu trang. 33 BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH ix Hình 4.

NhËn dián khuôn mÁt. SÁn phÇm hoàn thián mô hình. KÁt quÁ thi công bên trong mô hình. KÁt quÁ thi công mÁt tr°ãc căa mô hình.

Ành đeo khÇu trang trong tËp dă liáu. Ành không đeo khÇu trang trong tËp dă liáu. Đé thá giá trá accuracy và loss. Phát hián khuôn mÁt không đeo khÇu trang.

Phát hián khuôn mÁt không đeo khÇu trang ç góc nghiêng bên trái. Phát hián khuôn mÁt không đeo khÇu trang ç góc nghiêng bên phÁi. Phát hián 2 khuôn mÁt không đeo khÇu trang ç góc chính dián. Phát hián 2 khuôn mÁt không đeo khÇu trang ç góc nghiêng bên trái.

Phát hián 2 khuôn mÁt không đeo khÇu trang ç góc nghiêng bên phÁi. Phát hián có 1 khuôn mÁt không đeo khÇu trang. CÁ 2 khuôn mÁt đÃu đeo khÇu trang. Nhiát đá đ°ÿc đo bằng mô hình.

Nhiát đá đ°ÿc đo bằng súng đo nhiát OMRON. 54 BÞ MÔN ĐIàN TĀ CÔNG NGHIàP – Y SINH x LIàT KÊ BÀNG BÁng Trang BÁng 2. Thân nhiát bình th°ång ç các vá trí đo khác nhau theo tÿng đá tuëi. Mát sç hàm kích ho¿t thông dāng.

Thông sç kỹ thuËt căa webcam usb 720p. Thông sç kỹ thuËt căa cÁm biÁn nhiát AMG8833. Thçng kê dòng và tÁi sā dāng căa các linh kián. Thçng kê kÁt quÁ nhiát đá c¢ thÅ mà 2 sÁn phÇm đo đ°ÿc.

Ma trËn nhÅm lÉn. Danh sách các linh kián. Danh sách dą toán linh kián và module cho há thçng. Mô tÁ tËp dă liáu.

Đánh giá mô hình .