Bối cảnh và vấn đề nghiên cứu

Trong quy trình phát triển và kiểm thử phần mềm nhúng cho các khối điều khiển điện tử (ECU - Electronic Control Unit) trong ngành công nghiệp ô tô, đặc biệt là các dòng ECU phục vụ hệ thống hỗ trợ lái xe nâng cao (ADAS), nhu cầu sử dụng các thiết bị nạp phần mềm (flashing) và gỡ lỗi (debugging) chuyên dụng là rất lớn. Tại các phòng thí nghiệm kiểm thử (lab), tình trạng quá tải diễn ra thường xuyên do số lượng thiết bị nạp/gỡ lỗi cao cấp bị thiếu hụt. Việc mở rộng quy mô thiết bị gặp nhiều trở ngại do chi phí đầu tư phần cứng rất cao cùng với sự khan hiếm nguồn cung chip bán dẫn trên toàn cầu.

Trong thực tế vận hành thủ công, các thiết bị nạp và gỡ lỗi thường được dùng chung giữa các trạm kiểm thử nhưng không có hệ thống quản lý tập trung. Khi một kỹ sư kiểm thử cần sử dụng, họ phải liên hệ trực tiếp với từng thành viên để xác định thiết bị đang được kết nối ở vị trí nào và có đang bận hay không. Quá trình thiết lập thủ công đòi hỏi kỹ sư phải di chuyển liên tục giữa khu vực văn phòng và phòng lab, thực hiện tháo lắp dây cáp và chờ đợi xác nhận kết nối thành công, gây lãng phí nhiều thời gian và công sức.

Nhằm giải quyết bài toán trên, đề tài khóa luận tốt nghiệp ngành Kỹ thuật Cơ điện tử tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (thực hiện bởi sinh viên Nguyễn Việt Hiệp và Nguyễn Đình Quang Khải, dưới sự hướng dẫn của ThS. Nguyễn Minh Triết, phối hợp cùng các kỹ sư tại Bosch Global Software Technologies) đã đề xuất nghiên cứu, thiết kế và chế tạo thiết bị chuyển mạch vật lý trong mạng nội bộ (Switch-in Network Device). Thiết bị này cho phép tự động hóa quá trình chia sẻ, kết nối các bộ nạp/gỡ lỗi tới nhiều ECU khác nhau thông qua cơ cấu cơ điện tử điều khiển từ xa, tích hợp hệ thống đặt lịch trực tuyến và nhận diện người dùng.

Mục tiêu và yêu cầu kỹ thuật cụ thể của đề tài bao gồm:

  1. Thiết kế và chế tạo nguyên mẫu thiết bị chuyển mạch cơ điện tử (Switch Box) có khả năng tự động chuyển đổi kết nối vật lý giữa 1 bộ thiết bị nạp/gỡ lỗi với 4 trạm lab thử nghiệm ECU trong tủ rack tiêu chuẩn EDA9.
  2. Xây dựng phần mềm quản lý, đặt lịch sử dụng phòng lab (Lab booking application) trên nền tảng mạng nội bộ (LAN), hiển thị trạng thái kết nối thời gian thực và quản lý quyền truy cập.
  3. Tích hợp mô-đun thị giác máy tính nhận diện khuôn mặt người dùng để thực hiện chức năng khóa/mở khóa trạm kiểm thử (Lock/Unlock feature), đảm bảo an toàn và bảo mật dữ liệu thử nghiệm.
  4. Giảm hơn 50% thời gian thiết lập so với quy trình thủ công và định hướng tích hợp vào hệ thống kiểm thử tự động hóa liên tục (Jenkins Continuous Testing).

Phạm vi nghiên cứu của đề tài tập trung vào hệ thống 4 trạm lab kiểm thử ECU Bosch USS đặt trong khung rack có kích thước 160 cm x 50 cm x 25 cm, sử dụng nguồn cấp 220V AC hoặc 12V DC, kết nối trực tiếp với bộ nạp iSYSTEM iC5000 và mô-đun đo lường Vector VX1000/VX1060.

Cơ sở lý thuyết và phương pháp

1. Cơ sở lý thuyết

Đề tài kết hợp đa ngành giữa lý thuyết mạng truyền thông, kỹ thuật phần cứng nhúng ô tô, kỹ thuật cơ điện tử và thị giác máy tính:

  • Các phương pháp chuyển mạch trong mạng:

    • Chuyển mạch thông điệp (Message Switching): Phương pháp phi kết nối, truyền toàn bộ bức điện qua các nút trung gian theo cơ chế lưu và chuyển tiếp (store-and-forward). Phương pháp này đòi hỏi bộ nhớ đệm lớn tại các nút và có độ trễ cao.
    • Chuyển mạch gói (Packet Switching): Dữ liệu được chia nhỏ thành các gói tin gồm phần đầu (header) và dữ liệu tải (payload), truyền độc lập qua các tuyến đường tối ưu rồi tái sắp xếp tại đích.
    • Chuyển mạch kênh (Circuit Switching): Thiết lập một kênh truyền vật lý riêng biệt và cố định giữa hai điểm trước khi truyền dữ liệu qua 3 giai đoạn: Thiết lập kênh (Circuit Establishment), Truyền dữ liệu (Data Transfer), và Giải phóng kênh (Circuit Disconnection). Nguyên lý chuyển mạch của thiết bị Switch Box trong đề tài được phát triển dựa trên việc mô phỏng quá trình chuyển mạch kênh vật lý tự động.

  • Thiết bị đo lường, nạp và gỡ lỗi chuyên dụng:

    • iSYSTEM iC5000 / iC5700 BlueBox: Thiết bị nạp và gỡ lỗi phần cứng, kết nối với mục tiêu nhúng thông qua đầu chuyển đổi chuẩn MPC5xxx Debug Adapter 14 chân, khoảng cách chân 2.54 mm, tích hợp cầu chì tự phục hồi (resettable fuses) trên các đường tín hiệu nRESET, TMS, TDI, TDO, TCK, Vref và GND.
    • Vector VX1000 Series (VX1060 Base Module): Hệ thống đo lường và hiệu chỉnh hiệu năng cao dành cho ECU ô tô (đặc biệt là ECU ADAS), kết nối với máy tính qua giao thức chuẩn XCP on Ethernet và giao tiếp với ECU qua thiết bị cắm POD (Plug-On Device).
    • Giao diện JTAG (IEEE 1149.1): Chuẩn giao tiếp phần cứng kiểm thử và gỡ lỗi vi điều khiển thông qua bộ điều khiển cổng truy cập kiểm thử (TAP Controller) với các tín hiệu bắt buộc: TMS (Test Mode Select), TCK (Test Clock), TDI (Test Data Input), TDO (Test Data Output) và tín hiệu tùy chọn TRST (Test Reset).

  • Kiến trúc mạng IoT và cơ sở dữ liệu:

    • Mô hình IoT 3 tầng: Tầng thiết bị (cảm biến, cơ cấu chấp hành), Tầng cổng biên (Edge Gateway - Raspberry Pi xử lý trung gian, bảo mật), và Tầng ứng dụng.
    • Hệ quản trị cơ sở dữ liệu SQLite: Hệ quản trị cơ sở dữ liệu nhúng dạng tệp đơn, kích thước nhỏ (<500 KB), cơ chế khóa cấp thô (coarse-grained locking), hoạt động không cần máy chủ (serverless), phù hợp để lưu trữ trạng thái đặt phòng lab và nhật ký người dùng.
    • Mạng cục bộ (LAN) và thư mục chia sẻ (Shared Folders): Đồng bộ hóa dữ liệu trạng thái thông qua các tập lệnh tự động (.bat script).

  • Thị giác máy tính và nhận diện khuôn mặt:

    • Đặc trưng Haar-like và thuật toán AdaBoost: Sử dụng các khối chữ nhật đen/trắng để tính toán chênh lệch giá trị điểm ảnh thông qua ma trận ảnh tích phân (Integral Image $P(x,y)$), kết hợp bộ phân loại tầng (Cascade of Classifiers) để lọc bỏ nhanh các vùng không chứa khuôn mặt.
    • Mạng nơ-ron tích chập đa nhiệm (MTCNN): Cấu trúc gồm 3 mạng CNN xếp tầng hoạt động đồng thời: P-Net (Proposal Network - quét cửa sổ 12x12 tìm ứng viên), R-Net (Refine Network - tinh chỉnh tọa độ khung bao), và O-Net (Output Network - xác định tọa độ khung bao cuối cùng và 5 điểm mốc đặc trưng trên khuôn mặt).
    • Mô hình phân loại Keras: Mạng nơ-ron tích chập tùy chỉnh để trích xuất đặc trưng và nhận diện danh tính người dùng đã đăng ký trong cơ sở dữ liệu.

2. Phương pháp nghiên cứu

Tác giả sử dụng kết hợp các phương pháp thiết kế kỹ thuật, mô hình hóa tính toán và thực nghiệm:

  • Phương pháp phân tích - lựa chọn giải pháp cơ khí: So sánh định tính và định lượng giữa các bộ truyền động (vít me - đai ốc, đai răng, bánh răng - thanh răng) và các cơ cấu dẫn hướng (rãnh chữ V, mộng mang cá, trục dẫn hướng, ray trượt bi tuyến tính).
  • Phương pháp thiết kế mô hình 3D và chế tạo mạch điện tử: Dựng hình 3D toàn bộ thân vỏ, đầu cắm thao tác và đồ gá; thiết kế mạch in PCB cho bo mạch đầu vào (Input Board) và bo mạch đầu ra (Output Board).
  • Phương pháp thực nghiệm kiểm thử: Đánh giá độ tin cậy cơ khí qua các chu kỳ cắm/rút, đo lường sai số định vị trục vít me, kiểm tra chất lượng truyền thông dữ liệu JTAG/XCP, và đánh giá độ chính xác của mô hình nhận diện khuôn mặt dưới các điều kiện môi trường khác nhau.

Thiết kế và triển khai hệ thống

Hệ thống Switch-in Network Device được cấu trúc thành các khối chức năng đồng bộ giữa phần cứng cơ điện tử và phần mềm quản lý:

1. Kiến trúc phần cứng và cơ cấu cơ khí

Khối chức năng Thành phần linh kiện chính Chức năng kỹ thuật
Khối nguồn (Power Block) Bộ đổi nguồn AC-DC, mạch hạ áp Cung cấp nguồn 5V DC cho Raspberry Pi/Arduino và 12V DC cho động cơ bước
Khối xử lý (Processor Block) Raspberry Pi 4 Model B, Arduino UNO Raspberry Pi đóng vai trò Edge Gateway/Server; Arduino nhận lệnh điều khiển động cơ và đọc tín hiệu phản hồi
Khối chấp hành (Actuator Block) Động cơ bước Bipolar Nidec, Driver A4988, Động cơ mini Servo MG90S Động cơ bước kéo đầu cắm di chuyển tịnh tiến trục Y; Động cơ servo điều khiển cắm/rút cổng kết nối theo trục Z
Khối dẫn hướng & truyền động Trục vít me - đai ốc (Lead screw), Trục dẫn hướng & Ổ bi trượt tuyến tính 8 mm Chuyển đổi chuyển động quay của động cơ bước thành chuyển động tịnh tiến dọc chính xác theo vị trí 4 trạm lab
Khối giao tiếp mạch (PCB) Input Board, Output Board kết nối tới 4 trạm ECU Tiếp nhận tín hiệu từ iC5000/VX1060 và phân phối chính xác tới cổng kết nối của ECU được chỉ định

Cơ chế hoạt động cơ khí: Khi nhận lệnh chuyển mạch đến một trạm lab xác định, Raspberry Pi gửi tọa độ qua giao tiếp nối tiếp tới Arduino. Arduino điều khiển driver A4988 cấp xung cho động cơ bước quay trục vít me, đưa cụm đầu cắm di chuyển dọc theo trục dẫn hướng đến đúng vị trí của trạm đích (trục Y). Sau khi định vị chính xác, động cơ servo MG90S được kích hoạt để đẩy đầu kết nối cắm khớp hoàn toàn vào cổng giao tiếp của bo mạch đầu ra (trục Z).

2. Kiến trúc phần mềm và ứng dụng quản trị (Switch Box Tool)

  • Giao diện điều khiển (GUI Tool): Xây dựng trên máy tính/Raspberry Pi, cung cấp danh sách các trạm lab khả dụng, bảng trạng thái kết nối thời gian thực, tính năng điều khiển chuyển mạch nhanh từ xa (Quick remote lab) và xem lịch sử sử dụng của từng kỹ sư.
  • Hệ thống dữ liệu: Sử dụng SQLite kết hợp định dạng file .csv và .txt lưu trữ trạng thái kết nối, mã số nhân viên và nhật ký thời gian.
  • Mô-đun nhận diện khuôn mặt: Tích hợp camera thu nhận hình ảnh, sử dụng MTCNN để phát hiện khuôn mặt và mô hình mạng nơ-ron Keras để phân loại danh tính người dùng. Khi nhận diện đúng kỹ sư đã đặt lịch, hệ thống sẽ mở khóa trạm kiểm thử để bắt đầu quá trình nạp phần mềm (Flashing) hoặc đo lường (Calibration).

Nội dung chính theo từng chương

Chương 1: Giới thiệu (Introduction)

Chương 1 làm rõ bối cảnh kỹ thuật và tính cấp thiết của đề tài. Tác giả chỉ ra sự quá tải tại phòng lab kiểm thử phần mềm ECU và rào cản chi phí khi trang bị thiết bị nạp/gỡ lỗi riêng biệt cho từng trạm. Nội dung chương đi sâu vào phân tích 3 phương thức chuyển mạch truyền thống trong mạng (chuyển mạch thông điệp, chuyển mạch gói, chuyển mạch kênh), từ đó làm cơ sở đề xuất thiết kế thiết bị chuyển mạch kênh vật lý tự động đáp ứng các yêu cầu kỹ thuật của khung rack phòng lab EDA9.

Chương 2: Tổng quan tài liệu (Literature Review)

Chương 2 tổng hợp cơ sở lý thuyết và các nghiên cứu liên quan phục vụ thiết kế:

  • Rà soát thông số kỹ thuật thiết bị chuyên dụng: Bộ nạp iSYSTEM iC5000 (đầu nối MPC5xxx 14 chân, bảo vệ quá dòng bằng cầu chì tự phục hồi), hệ thống Vector VX1000/VX1060 (kết nối XCP on Ethernet, phần mềm CANape), giao diện JTAG của ECU Bosch USS.
  • Nghiên cứu công nghệ mạng và IoT: Cấu trúc liên kết mạng (Topology), mô hình IoT 3 tầng, hệ quản trị cơ sở dữ liệu SQLite, mạng LAN và thư mục chia sẻ.
  • Phân tích cơ điện tử: Đánh giá các bộ truyền động trục vít me, đai răng, bánh răng - thanh răng; phân tích cơ cấu dẫn hướng rãnh V, mộng mang cá, trục dẫn hướng và ổ bi trượt tuyến tính; so sánh đặc tính động cơ bước, động cơ servo và động cơ DC.
  • Lý thuyết thị giác máy tính: Quy trình xử lý ảnh 5 bước, đặc trưng Haar-like, ảnh tích phân, thuật toán AdaBoost và kiến trúc mạng nơ-ron tích chập đa nhiệm MTCNN (P-Net, R-Net, O-Net).

Chương 3: Thiết kế và triển khai (Design and Implementation)

Chương 3 trình bày chi tiết toàn bộ quá trình hiện thực hóa sản phẩm:

  • Thiết lập sơ đồ khối hệ thống và lưu đồ thuật toán điều khiển tổng thể, lưu đồ xử lý thị giác máy tính.
  • Thiết kế cơ khí 3D: Dựng hình chi tiết thân vỏ thiết bị (Switch Box Body), cụm đầu cắm thao tác (Operating Header), giá đỡ ổ bi (Bearing Holder) và giá đỡ thanh trượt (Track Holder). Tính toán thông số trục vít me và trục dẫn hướng đường kính 8 mm.
  • Lựa chọn linh kiện và thiết kế điện tử: Vi điều khiển Arduino UNO, máy tính nhúng Raspberry Pi 4 Model B, động cơ bước Nidec Bipolar, driver A4988, servo MG90S; thiết kế sơ đồ nguyên lý và layout mạch in 3D/2D cho Input Board và Output Board.
  • Xây dựng phần mềm: Lập trình giao diện Check Lab Tool (chọn trạm kết nối, bảng trạng thái, xem lịch sử, khóa/mở khóa) và thu thập tập dữ liệu khuôn mặt người dùng để huấn luyện mô hình Keras.

Chương 4: Phân tích thiết kế và thực nghiệm (Design Analysis)

Chương 4 tập trung vào việc thiết lập các chỉ số mục tiêu, phương pháp thử nghiệm và đánh giá kết quả:

  • Xác định các tiêu chí đo lường tĩnh và động cho thiết bị chuyển mạch.
  • Thực nghiệm kiểm tra độ ổn định kết nối truyền thông debugger và nạp chương trình thành công xuống ECU mục tiêu.
  • Đánh giá hiệu năng mô hình nhận diện khuôn mặt qua quá trình huấn luyện 5 epochs và 10 epochs (theo dõi tỷ lệ hàm mất mát Loss và độ chính xác Accuracy).
  • Thử nghiệm nhận diện khuôn mặt trong các điều kiện thực tế: môi trường đủ sáng trong văn phòng, môi trường thiếu sáng, trường hợp người dùng đeo tai nghe (headset), thay đổi góc nghiêng khuôn mặt, và trường hợp đeo khẩu trang.
  • Tính toán chi tiết hiệu quả tiết kiệm chi phí đầu tư phần cứng và thời gian vận hành phòng lab.

Kết quả và đóng góp

1. Kết quả kỹ thuật và thực nghiệm

  • Hiệu năng cơ điện tử và chuyển mạch:

    • Thiết bị Switch Box hoạt động ổn định trong khung rack tiêu chuẩn EDA9 (kích thước 160 cm x 50 cm x 25 cm), thực hiện chính xác các lệnh chuyển mạch tự động giữa 1 bộ thiết bị nạp/gỡ lỗi tới 4 trạm lab thử nghiệm ECU.
    • Tín hiệu giao tiếp JTAG và XCP on Ethernet qua hệ thống mạch chuyển mạch duy trì độ ổn định cao, nạp phần mềm (flashing) và gỡ lỗi (debugging) thành công cho ECU Bosch USS tương đương với thao tác cắm dây trực tiếp của con người.

  • Hiệu năng mô hình thị giác máy tính:

    • Mô hình MTCNN và CNN trên Keras nhận diện chính xác danh tính kỹ sư trong điều kiện ánh sáng tiêu chuẩn của văn phòng và trường hợp kỹ sư đeo tai nghe hoặc đổi góc nhìn.
    • Quá trình huấn luyện mô hình qua 5 đến 10 epochs cho thấy đồ thị hàm mất mát giảm nhanh và độ chính xác hội tụ ở mức cao. Tuy nhiên, hệ thống xuất hiện lỗi nhận diện khi người dùng đeo khẩu trang che kín mặt hoặc trong điều kiện môi trường quá tối.

2. Đóng góp kinh tế và tối ưu hóa vận hành

Đề tài đã lượng hóa cụ thể hiệu quả kinh tế và thời gian thông qua các bảng số liệu so sánh giữa phương án trang bị đầy đủ (Full lab setup) và phương án dùng chung qua thiết bị chuyển mạch (Sharing mode):

Bảng so sánh chi phí thiết bị cho hệ thống 4 trạm lab

Hạng mục thiết bị Trang bị riêng từng lab (Full setup) Sử dụng Switch Box (Sharing mode) Chi phí tiết kiệm được
Thiết bị nạp iSYSTEM iC5000 12.000 € (3.000 € x 4) 3.000 € (1 bộ dùng chung) 9.000 €
Thiết bị đo lường XCP (Vector VX1000) 7.200 € (1.800 € x 4) 1.800 € (1 bộ dùng chung) 5.400 €
Tổng cộng 19.200 € 4.800 € 14.400 €

Bảng so sánh thời gian thiết lập trạm kiểm thử

Công đoạn thiết lập Thiết lập thủ công có hỗ trợ Kỹ sư tự thiết lập thủ công Sử dụng thiết bị Switch Box
Di chuyển từ văn phòng tới phòng lab 10 phút 10 phút 0 phút (Thao tác từ xa qua mạng)
Cắm cáp và kiểm tra độ ổn định 5 phút 5 phút Tự động hóa hoàn toàn
Thời gian chờ xác nhận thiết lập 5 - 15 phút 0 phút Phản hồi trạng thái tức thì trên GUI
Tổng thời gian tiêu tốn 20 - 30 phút 15 phút Giảm > 50% thời gian

Việc ứng dụng Switch Box giúp doanh nghiệp tiết kiệm 14.400 € chi phí trang thiết bị cho mỗi cụm 4 trạm lab, đồng thời loại bỏ hoàn toàn thời gian di chuyển vật lý của kỹ sư, ngăn chặn tình trạng xung đột tài nguyên phần cứng nhờ tính năng đặt lịch và khóa trạm tự động.

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế

  • Mô-đun nhận diện khuôn mặt bằng thị giác máy tính giảm độ chính xác hoặc nhận diện sai trong trường hợp người dùng đeo khẩu trang y tế hoặc trong môi trường thiếu sáng nghiêm trọng.
  • Hệ thống cơ khí sử dụng cơ cấu trục vít me và ổ bi trượt đòi hỏi phải bảo trì, bôi trơn định kỳ để tránh hiện tượng kẹt cơ hoặc sai số hành trình do bụi bẩn trong môi trường làm việc lâu dài.
  • Nguyên mẫu hiện tại mới chỉ thử nghiệm trên cụm 4 trạm lab trong một tủ rack chuẩn EDA9 với một số loại ECU và đầu nạp cố định (iC5000, VX1060).

2. Hướng nghiên cứu tiếp

  • Tối ưu hóa mô hình học sâu để nâng cao khả năng nhận diện khuôn mặt khi người dùng đeo khẩu trang hoặc bổ sung phương thức xác thực dự phòng.
  • Mở rộng quy mô phần cứng để hỗ trợ chuyển mạch cho nhiều trạm lab hơn (vượt quá 4 trạm) và tương thích với nhiều chuẩn giao tiếp nạp/gỡ lỗi khác trong ngành ô tô.
  • Tích hợp toàn diện thiết bị Switch Box vào đường ống tự động hóa kiểm thử liên tục Jenkins (CI/CD Pipeline) để hệ thống tự động điều phối phần cứng kiểm thử theo kịch bản phần mềm mà không cần sự can thiệp thủ công của kỹ sư.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo thiết thực cho sinh viên, giảng viên và kỹ sư thuộc các chuyên ngành Kỹ thuật Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Ô tô và Kỹ thuật Phần mềm nhúng:

  • Tham khảo về giải pháp tự động hóa phần cứng kiểm thử: Cung cấp phương pháp chi tiết để thiết kế cơ cấu chấp hành tự động hóa kết nối các cổng tín hiệu nhạy cảm (JTAG, XCP, debug adapter) vốn đòi hỏi độ chính xác cao.
  • Tham khảo về tích hợp hệ thống nhúng và IoT: Tài liệu trình bày rõ ràng mô hình kết hợp vi điều khiển (Arduino UNO) với máy tính nhúng (Raspberry Pi 4), giao tiếp nối tiếp, cơ sở dữ liệu SQLite và điều khiển thiết bị qua mạng cục bộ.
  • Tham khảo về ứng dụng thị giác máy tính trong bảo mật phần cứng: Hướng dẫn quy trình thu thập dữ liệu, xử lý ảnh bằng MTCNN và huấn luyện mô hình Keras để ứng dụng vào hệ thống nhận diện khuôn mặt thực tế.

Câu hỏi thường gặp

1. Đề tài giải quyết bài toán kinh tế cụ thể như thế nào cho phòng lab kiểm thử?
Thay vì phải trang bị riêng lẻ cho mỗi trạm lab một bộ thiết bị nạp iSYSTEM iC5000 (3.000 €/bộ) và một bộ đo lường Vector XCP (1.800 €/bộ) với tổng chi phí 19.200 € cho 4 trạm, hệ thống Switch Box cho phép 4 trạm dùng chung 1 bộ duy nhất với chi phí 4.800 €, giúp tiết kiệm trực tiếp 14.400 € cho mỗi cụm tủ rack.

2. Các chuẩn kết nối phần cứng và chân tín hiệu nào được sử dụng để nạp và gỡ lỗi ECU trong đề tài?
Hệ thống sử dụng chuẩn nạp/gỡ lỗi JTAG (IEEE 1149.1) trên ECU Bosch USS với các chân tín hiệu TMS, TCK, TDI, TDO và TRST; đầu chuyển đổi 14-pin 2.54 mm MPC5xxx Debug Adapter kết nối với iC5000; và chuẩn giao tiếp XCP on Ethernet kết nối với mô-đun đo lường Vector VX1060 Base Module.

3. Cơ cấu truyền động cơ khí của Switch Box được thiết kế như thế nào?
Hệ thống sử dụng bộ truyền động trục vít me - đai ốc (Lead screw - nut drive) kết hợp ổ bi trượt tuyến tính 8 mm (Linear ball guide) dẫn động bởi động cơ bước Bipolar Nidec để định vị cụm đầu cắm dọc theo trục Y; kết hợp với động cơ mini servo MG90S điều khiển cắm/rút cổng kết nối theo trục Z vào bo mạch Output Board.

4. Mô hình nhận diện khuôn mặt của thiết bị sử dụng kiến trúc thuật toán nào và gặp hạn chế trong điều kiện nào?
Hệ thống sử dụng mạng nơ-ron tích chập đa nhiệm MTCNN (gồm 3 tầng P-Net, R-Net, O-Net) để phát hiện và định vị khuôn mặt, kết hợp mạng nơ-ron tích chập Keras để phân loại danh tính người dùng. Hệ thống nhận diện chính xác khi người dùng đeo tai nghe hoặc đổi góc nhìn, nhưng gặp lỗi nhận diện khi người dùng đeo khẩu trang hoặc trong điều kiện thiếu sáng.

5. Ứng dụng Switch Box Tool cung cấp những tính năng chính nào cho kỹ sư kiểm thử?
Ứng dụng cung cấp giao diện hiển thị danh sách trạm lab khả dụng, bảng trạng thái kết nối thời gian thực, tính năng đặt lịch và chuyển đổi kết nối từ xa (Quick remote lab), xem lịch sử người dùng (Lab user history), và tính năng khóa/mở khóa trạm (Lock/Unlock) thông qua nhận diện khuôn mặt.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Việt Hiệp và Nguyễn Đình Quang Khải đã giải quyết hiệu quả bài toán quá tải và lãng phí chi phí thiết bị kiểm thử tại phòng lab phát triển phần mềm ECU ô tô. Bằng việc kết hợp cơ điện tử chính xác, máy tính nhúng Raspberry Pi, mạng cục bộ và mô hình thị giác máy tính nhận diện khuôn mặt, nhóm tác giả đã chế tạo thành công nguyên mẫu thiết bị chuyển mạch Switch Box và phần mềm quản lý trạm trực tuyến. Kết quả nghiên cứu không chỉ giúp tiết kiệm 14.400 € chi phí phần cứng cho mỗi cụm 4 trạm lab và giảm hơn 50% thời gian thiết lập thủ công, mà còn mở ra hướng tích hợp hoàn chỉnh vào các hệ thống tự động hóa kiểm thử liên tục Jenkins trong tương lai.