Giới thiệu chung về đề tài
Đề tài tập trung vào việc xây dựng ứng dụng phát hiện đám cháy bằng công nghệ học sâu, có khả năng nhận diện vật thể theo thời gian thực thông qua camera. Nghiên cứu này còn tiến hành đánh giá hiệu năng của các mô hình nhận diện vật thể khác nhau và triển khai ứng dụng lên hệ thống quản lý trên Web Server.
Các mô hình được sử dụng trong đề tài bao gồm các phiên bản của Yolo (YOLOv3, YOLOv4, YOLOv5) và các biến thể đã được tối ưu hóa định dạng như TensorRT, Tflite. Mặc dù các mô hình này thường yêu cầu cấu hình cao với CPU và GPU mạnh, đề tài đã tập trung vào các bước tối ưu, cấu hình và thiết lập cần thiết để chúng hoạt động hiệu quả trên các thiết bị có cấu hình thấp hơn.
Thiết bị Jetson Nano phiên bản 2GB được lựa chọn để thực thi các mô hình. Do hạn chế về bộ nhớ RAM, khóa luận đã áp dụng các cấu trúc rút gọn của mô hình mà vẫn đảm bảo độ chính xác trong quá trình đào tạo. Việc chuẩn bị và gán nhãn dữ liệu huấn luyện cũng được thực hiện cẩn thận để tránh nhận diện sai, ví dụ như nhầm lẫn ánh đèn với ngọn lửa.
Kết quả nghiên cứu cho thấy, giải pháp sử dụng mô hình TensorRT trên Jetson Nano là phương án tối ưu nhất cho việc phát triển ứng dụng phát hiện lửa trên thiết bị nhúng. Ngoài ra, mô hình Tflite cũng có khả năng hoạt động tốt trên các thiết bị nhúng của các hãng khác ngoài Nvidia.
Ngành học:
Mạng máy tính và truyền thông
Mục lục chi tiết:
- CHƯƠNG 1: MỞ ĐẦU
- CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
- CHƯƠNG 3: MÔ HÌNH ỨNG DỤNG
- CHƯƠNG 4: TRIỂN KHAI THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
- CHƯƠNG 5: TỔNG KẾT QUÁ TRÌNH VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI