BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG THƯƠNG TP. HỒ CHÍ MINH KHOA CÔNG NGHỆ ĐIỆN – ĐIỆN TỬ KHOÁ LUẬN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA ỨNG DỤNG IOT TRONG HỆ THỐNG PHÒNG CHÁY CHỮ CHÁY GVHD: ThS. NGUYỄN PHÚ CÔNG TÊN SINH VIÊN: NGUYỄN TUẤN ANH MSSV: 2032202004 LỚP: 11DHTDH2 THÀNH PHỐ HỒ CHÍ MINH, THÁNG 06 NĂM 2024 BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG THƯƠNG THÀNH PHỐ HỒ CHÍ MINH KHOA CÔNG NGHỆ ĐIỆN – ĐIỆN TỬ KHOÁ LUẬN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA ỨNG DỤNG IOT TRONG HỆ THỐNG PHÒNG CHÁY CHỮ CHÁY GVHD: ThS. NGUYỄN PHÚ CÔNG TÊN SINH VIÊN: NGUYỄN TUẤN ANH MSSV: 2032202004 LỚP: 11DHTDH2 THÀNH PHỐ HỒ CHÍ MINH, THÁNG 06 NĂM 2024 i TÓM TẮT 1.
Một số thông tin nền về đề tài Hỏa hoạn là một trong những thảm họa gây ra thiệt hại nghiêm trọng về người và tài sản. Do đó, việc sử dụng các hệ thống giám sát và cảnh báo cháy tự động trở thành một giải pháp để bảo vệ tài sản, tính mạng của con người. Công nghệ nhận diện hình ảnh và trí tuệ nhân tạo (AI), đặc biệt là mô hình YOLO (You Only Look Once), được áp dụng trong việc phát hiện đám cháy qua hình ảnh, cho phép phát hiện nhanh và chính xác các dấu hiệu cháy trong thời gian thực. Kết hợp với nền tảng Arduino - một nền tảng mã nguồn mở, chi phí thấp và dễ sử dụng - hệ thống giám sát này có thể kết nối với các cảm biến nhiệt, khói và camera để thu thập và xử lý dữ liệu, phát hiện dấu hiệu cháy, và kích hoạt cảnh báo thông qua còi, đèn báo hiệu hoặc gửi thông báo qua mạng.
Mục đích của nghiên cứu và phạm vi đề tài Nghiên cứu, thiết kế phần mềm và phần cứng của hệ thống nhận diện đám cháy và hệ chữa cháy tự động. Nghiên cứu, ứng dụng lập trình Python và Arduino điều khiển hệ thống tự động. Nghiên cứu và huấn luyện khả năng nhận diện đám cháy. Xây dựng hệ thống có khả năng nhận diện đám cháy và xử lý đám cháy.
Phương pháp được dùng trong nghiên cứu Tham khảo và tổng hợp tài liệu từ nhiều nguồn khác nhau. Tiến hành thực nghiệm trên mô hình thực tế. Theo dõi, đánh giá và viết báo cáo. Kết quả nghiên cứu quan trọng nhất Phần lý thuyết: − Lý thuyết về mang notron YOLO và bộ điều khiển Arduino.
− Lập trình điều khiển hệ thống bằng phần mềm Python và Arduino IDE. Phần tính toán thực tế: − Thiết kế và chế tạo phần cơ khí. − Thiết kế và thi công đấu dây cho hệ thống. ii MỤC LỤC LỜI CAM ĐOAN .iii LỜI CẢM ƠN.
vi DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT. ix DANH SÁCH HÌNH. xi TỔNG QUAN ĐỀ TÀI. Lý do chọn đề tài.
Đối tượng và phạm vi nghiên cứu. Phương pháp nghiên cứu. Tổng quan về mạng YOLO. Giới thiệu mạng YOLO.
Kiến trúc mạng YOLO. Ngõ ra của YOLO. Dự báo trên nhiều feature map. Non-max supression.
Nguyên lý hoạt động mạng YOLO. Lập trình Python. Giới thiệu về Python. Cài đặt môi trường làm việc “cài đặt Pycharm”.
Cài đặt Python. Cài đặt các gói thư viện cơ bản và thư viện YOLO trong python. Phần mềm Arduino IDE. Giới thiệu phần mềm Arduino IDE.
Cài đặt phần mềm Arduino IDE. Cài đặt thư viện. Đổ chương trình xuống Arduino. Giới thiệu thiết bị được sử dụng trong hệ thống.
Van điện từ 24V A08. Cảm biến phát hiện lửa (Flame Sensor). 22 THIẾT KẾ VÀ THI CÔNG MẠCH. Ma trận biến đổi phối cảnh trong xử lý ảnh và thị giác máy tính.
Thiết kế sơ đồ mạch điện. Viết chương trình. Viết chương trình python. Viết chương trình Arduino.
34 KẾT QUẢ VÀ THẢO LUẬN. Kết quả đạt được. Đánh giá hệ thống. 51 iv CHƯƠNG 5.
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN. Hạn chế của đề tài. Hướng phát triển đề tài. 52 TÀI LIỆU THAM KHẢO.
54 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT Viết tắt Tiếng anh (nếu có) Tiếng việt YOLO You only look once PCCC Phòng cháy chữa cháy CNN Convolutional Neural Network Mạng Nơ-ron Tích chập IoT Internet of Things IoU Intersection over Union vi DANH MỤC BẢNG Bảng 4. Khả năng nhận diện đám cháy vào ban đêm. Khả năng nhận diện đám cháy vào ban ngày. 43 vii DANH SÁCH HÌNH Hình 2.
Kiến trúc mạng YOLO. Mô hình hoạt động của mạng YOLO. Ngõ ra của YOLO. Non-max suppression.
Hàm tính IOU. Trang web download phần mềm Pycharm. Tiến hành cài đặt phần mềm theo hướng dẫn. Giao diện của Pycharm.
Trang web cài đặt phần mềm Python. Tiến hành cài đặt phần mềm theo hướng dẫn. Cập nhật thư viện mới nhất. Ví dụ cài đặt thư viện matplotlib.
Cài đặt thư viện YOLO. Logo phần mềm. Trang web cài đặt phần mềm Arduino IDE. Giao diện chính của Arduino IDE.
Cài đặt thư viên cho Arduino IDE. Chọn board Arduino. Chọn cổng COM. Chọn chương trình mẫu.
Chương trình mẫu. Tải chương trình xuống Arduino. Van điện từ. Mô-đun relay.
Cảm biến phát hiện lửa. Lưu đồ thuật toán nhận diện đám cháy. Lưu đồ thuật toán xử lý đám cháy. Sơ đồ xử lý dữ liệu đám cháy.
Sơ đồ đấu dây Arduino. Phía trên mô hình. Mặt bên mô hình. Ảnh nhận diện lửa ban đêm kích thước lửa nhỏ hơn 1cm.
Ảnh nhận diện lửa ban đêm kích thước lửa từ 1cm đến 3cm. Ảnh nhận diện lửa ban đêm kích thước lửa từ 3cm đến 5cm. Ảnh nhận diện lửa ban đêm kích thước lửa lớn hơn 5cm. Ảnh nhận dạng lửa trong phòng vào buổi tối có ánh sáng đèn.
Ảnh nhận diện lửa ban ngày kích thước lửa nhỏ hơn 1cm. Ảnh nhận diện lửa ban ngày kích thước lửa từ 1cm đến 3cm. Ảnh nhận diện lửa ban ngày kích thước lửa từ 3cm đến 5cm. Ảnh nhận diện lửa ban ngày kích thước lửa lớn hơn 5cm.
Có lửa tại khu vực 1. Phát hiện đám cháy khu vực 1. Bơm và van nước khu vực 1 hoạt động. Có lửa khu vực 2.
Phát hiện lửa ở khu vực 2. Bơm và van nước khu vực 1 hoạt động. Có lửa ở khu vực 3. Phát hiện lửa ở khu vực 3.
Bơm và van nước ở khu vực 3 hoạt động. Có lửa ở khu vực 4. Phát hiện lửa ở khu vực 4. Bơm và van nước ở khu vực 4 hoạt động.
Cảm biến phát hiện lửa. 51 x TỔNG QUAN ĐỀ TÀI 1. Lý do chọn đề tài Gần đây, số vụ hỏa hoạn tại Việt Nam đang gia tăng, đặc biệt ở các thành phố lớn và khu công nghiệp quan trọng. Những vụ hỏa hoạn này gây ra những thiệt hại lớn về người và tài sản, đồng thời làm dấy lên mối lo ngại trong cộng đồng.
Để đối mặt với sự gia tăng hỏa hoạn, việc nghiên cứu và ứng dụng công nghệ IoT vào hệ thống phòng cháy chữa cháy (PCCC) mang lại giải pháp hiệu quả và bền vững. Công nghệ IoT cung cấp giải pháp hiệu quả cho việc giám sát và quản lý hệ thống PCCC thông qua việc sử dụng cảm biến và camera để phát hiện sớm dấu hiệu cháy nổ và hỗ trợ phản ứng kịp thời. Hệ thống PCCC tích hợp IoT không chỉ giúp tự động hóa quy trình, nâng cao tính chính xác mà còn giảm chi phí và phù hợp với xu hướng phát triển thành phố thông minh. Nghiên cứu và ứng dụng công nghệ IoT trong PCCC không chỉ mang lại lợi ích về mặt kinh tế và xã hội mà còn góp phần quan trọng vào việc nâng cao an toàn cộng đồng và thúc đẩy sự phát triển bền vững trong tương lai.
Mục đích − Sử dụng YOLO để phát hiện sớm các dấu hiệu cháy nổ như khói và lửa, giúp tăng tốc độ phản ứng và giảm thiểu thiệt hại. − Áp dụng AI để tự động hóa giám sát và phân tích dữ liệu hình ảnh, giảm gánh nặng cho nhân viên và nâng cao độ chính xác. − Xử lý hình ảnh thời gian thực với YOLO, cung cấp thông tin nhanh chóng và chính xác cho các cơ quan chức năng. − Đưa công nghệ tiên tiến vào PCCC để nâng cao chất lượng và hiệu quả của các giải pháp phòng chống cháy nổ hiện có.
− Góp phần vào việc xây dựng thành phố thông minh, tạo môi trường sống an toàn và nâng cao chất lượng cuộc sống. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu: Công nghệ YOLO, hệ thống phòng cháy chữa cháy (PCCC), tín hiệu cháy nổ, các giải pháp PCCC thông minh. Phạm vi nghiên cứu: Ứng dụng YOLO vào PCCC để cải thiện hiệu quả phát hiện sớm và phản ứng nhanh chóng, thử nghiệm trong các môi trường thực tế và so sánh hiệu suất với các công nghệ khác. Phương pháp nghiên cứu Thu thập dữ liệu: Lấy dữ liệu về hỏa hoạn từ các nguồn khác nhau như camera giám sát và cơ sở dữ liệu công cộng.
1 Huấn luyện mô hình YOLO: Sử dụng dữ liệu để huấn luyện mô hình nhận diện và phát hiện hỏa hoạn. Thử nghiệm và đánh giá: Kiểm tra hiệu suất của mô hình trên các tập dữ liệu kiểm tra và so sánh với các phương pháp khác. Triển khai trong môi trường thực tế: Đánh giá tính khả thi và hiệu quả của mô hình trong điều kiện thực tế và tối ưu hóa cho triển khai thực tế. Tổng quan về mạng YOLO[1] 2.
Giới thiệu mạng YOLO YOLO là một kiến trúc mạng CNN được sử dụng trong phát hiện, nhận dạng và phân loại đối tượng. Đối bài toán phân loại (Classification) chỉ có khả năng phân loại đối tượng bằng các dự đoán nhãn thì YOLO giải quyết bài toán phát hiện đối tượng (Object Detection), không chỉ có thể phát hiện nhiều đối tượng với nhiều nhãn khác nhau mà còn có thể xác định vị trí cụ thể của các đối tượng trong cùng một hình ảnh bằng các khung bao quanh đối tượng hình chữ nhật (Bounding Box). YOLO là viết tắt của cụm từ “You only look once” nói nên khả năng về tốc độ nhận dạng của mô hình này, YOLO được đánh giá là mô hình cho tốc độ nhận dạng nhanh nhất có khả năng nhận dạng theo thời gian thực. Kiến trúc YOLO được xây dựng từ các lớp tích chập (Convolution layers) để trích xuất ra các đặc trưng của đối tượng và các lớp kết nối đầy đủ (full connected layer) để dự đoán nhãn và vị trí của đối tượng.
Dữ liệu đầu vào là các hình ảnh, mô hình sẽ dự đoán vị trí, kích thước và nhãn của các Bounding Box.