Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 94 trang
Dung lượng: 1 MB

Giới thiệu nội dung

XÂY DỰNG ỨNG DỤNG PHÁT HIỆN LỬA DỰA TRÊN MÔ HÌNH HỌC SÂU TRÊN JETSON NANO

Tác giả: Vũ Hà Anh

Lĩnh vực: Mạng máy tính và Truyền thông

Nội dung tài liệu:

Đề tài này tập trung vào việc xây dựng một ứng dụng phát hiện đám cháy bằng công nghệ học sâu. Ứng dụng này có khả năng nhận dạng và phát hiện vật thể, cụ thể là lửa, trong thời gian thực thông qua camera. Nghiên cứu đánh giá hiệu năng của các mô hình nhận diện vật thể phổ biến, bao gồm các phiên bản của Yolo (YOLOv3, YOLOv4, YOLOv5), và tối ưu hóa chúng với định dạng TensorRT và Tflite. Mục tiêu là triển khai ứng dụng trên thiết bị nhúng Jetson Nano, giải quyết bài toán phát hiện lửa trên các máy tính có cấu hình thấp, đồng thời tối ưu hóa mô hình để tiết kiệm tài nguyên và có khả năng phát hiện lửa trong thời gian thực.

Mục lục chi tiết:

  • TÓM TẮT ĐỀ TÀI
  • CHƯƠNG 1 : MỞ ĐẦU
    • 1.1 Đặt vấn đề
    • 1.2 Mục tiêu của đề tài
    • 1.3 Đối tượng nghiên cứu và kết quả mong muốn
    • 1.4 Các đề tài liên quan đến nghiên cứu
  • CHƯƠNG 2 : CƠ SỞ LÝ THUYẾT
    • 2.1 Các khái niệm về thị giác máy tính và máy học
      • 2.1.1 Bài toán phát hiện vật thể (Object Detection)
        • 2.1.1.1 Giới thiệu về thị giác máy tính
        • 2.1.1.2 Định nghĩa Object Detection
      • 2.1.2 Khái niệm về Deep Learning và Machine Learning
        • 2.1.2.1 Machine Learning (Máy học)
        • 2.1.2.2 Deep Learning ( Học sâu )
    • 2.2 Các thuật ngữ cơ bản trong đề tài
    • 2.3 Mô hình Yolo
      • 2.3.1 Giới thiệu về mạng Yolo (Yolo Network)
      • 2.3.2 Lịch sử phát triển của Yolo
      • 2.3.3 Các đánh giá về Yolo
      • 2.3.4 Kiến trúc mạng Yolo
      • 2.3.5 Nguyên lý hoạt động Yolo
        • 2.3.5.1 Các công thức tính toán trong Yolo
    • 2.4 Tensorflow – TensorRT
      • 2.4.1 Giới thiệu về Tensorflow
      • 2.4.2 TensorRT
        • 2.4.2.1 Định nghĩa TensorRT
        • 2.4.2.2 Chu trình chuyển đổi sang TensorRT
    • 2.5 Thiết bị Jetson Nano
      • 2.5.1 Giới thiệu chung
      • 2.5.2 Cấu hình chi tiết
    • 2.6 Giao thức MQTT ( Message Queuing Telnhómetry)
      • 2.6.1 Khái niệm về MQTT
      • 2.6.2 Tính năng và đặc điểm nổi bật
      • 2.6.3 Mô hình hoạt động của MQTT
        • 2.6.3.1 Thành phần và cơ chế hoạt động
        • 2.6.3.2 Kiến trúc MQTT
    • 2.7 Điện toán biên (Edge Computing)
      • 2.7.1 Giới thiệu về Edge Computing
      • 2.7.2 Nguyên lý hoạt động
    • 2.8 Thingsboard
  • CHƯƠNG 3 : MÔ HÌNH ỨNG DỤNG
    • 3.1 Mô tả mô hình
      • 3.1.1 Cách thành phần chính
      • 3.1.2 Nguyên lý hoạt động
      • 3.1.3 Lý do thực hiện ứng dụng trên thiết bị nhúng
    • 3.2 Cài đặt các thư viện và môi trường cần thiết
      • 3.2.1 Cài đặt các thư viện tiên quyết
      • 3.2.2 Darknet
    • 3.3 Chuẩn bị và gán nhãn dữ liệu đầu vào
      • 3.3.1 Gán nhãn dữ liệu
    • 3.4 Cấu hình và huấn luyện mô hình
      • 3.4.1 Nguyên lý hoạt động của quá trình huấn luyện mô hình
      • 3.4.2 Cấu hình mô hình huấn luyện
      • 3.4.3 Kiểm thử mô hình
    • 3.5 Thiết lập cho Jetson Nano
      • 3.5.1 Cài đặt hệ điều hành
    • 3.6 Tối ưu hóa mô hình
      • 3.6.1 Các bước thực hiện tối ưu hóa mô hình
      • 3.6.2 Kết quả đạt được sau khi tối ưu
    • 3.7 Cài đặt Dashboard dựa trên nền tảng Thingsboard
  • CHƯƠNG 4 : TRIỂN KHAI THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
    • 4.1 Sơ đồ triển khai ứng dụng trên thiết bị
    • 4.2 Thiết lập Streaming Server
    • 4.3 Thiết lập trên Thingsboard
    • 4.4 Thiết lập Rule chain ( điều kiện để phát cảnh báo )
    • 4.5 Đánh giá kết quả các mô hình
      • 4.5.1 Chạy thử nghiệm các mô hình
      • 4.5.2 Thông số chi tiết các mô hình thử nghiệm
    • 4.6 Chạy thực nghiệm
  • CHƯƠNG 5 : TỔNG KẾT QUÁ TRÌNH VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
    • 5.1 Kết quả đạt được
    • 5.2 Hướng phát triển
  • TÀI LIỆU THAM KHẢO