Page 90 - Kỷ yếu hội thảo quốc tế: Ứng dụng công nghệ mới trong công trình xanh - lần thứ 9 (ATiGB 2024)
P. 90

th
               HỘI THẢO QUỐC TẾ ATiGB LẦN THỨ CHÍN - The 9  ATiGB 2024                                  81

                                                                 3. THIẾT KẾ MÔ HÌNH HỆ THỐNG
                                                                 3.1. Kiến thức chung
                                                                 3.1.1. Mạng thần kinh tích chập CNN
                                                                 Các mạng CNN (Convolutional Neural Network)
                                                              đều trích xuất đặc trưng dựa trên nguyên lý tích chập.
                                                              Kiến  trúc  phân  tầng giúp mạng  CNN  học  được  đặc
                                                              trưng ở những cấp độ khác nhau, từ cấp độ bậc thấp
                                                              (low-level) tới bậc cao (high-level). Theo đó, mức độ
                                                              chi tiết của hình ảnh tăng tiến từ các đặc trưng chung
                                                              như đường chéo, ngang, dọc rìa, cạnh tới những các
                                                              đặc  trưng  chi  tiết  hơn.  Kích  thước  layers  giảm  dần
                  Hình 2. Các bộ phận của khối dữ liệu đầu vào   giúp giảm thiểu số lượng tham số của mô hình đáng
                  Khối xử lý trung tâm: Board Raspberry Pi4 là bộ   kể và giúp tạo ra những mạng có kích thước nhẹ hơn
               não của hệ thống có vai trò nhận tín hiệu từ cảm biến   và tốc độ dự báo nhanh hơn. Trong khi độ chính xác
               sau đó điều khiển các tín hiệu ngoại vi.       của mô hình giảm không đáng kể.









                       Hình 3. Hộp điều khiển trung tâm
                           với bộ não là Raspberry
                  Khối  chấp  hành: Thực hiện các  chức năng  được
               định sẵn thông qua sự điều khiển của Raspberry. Một
               số thiết bị ngoại vi như cánh tay robot 2 bậc tự do,   Hình 6. Kiến trúc điển hình của CNN [2]
               máy bơm nước, còi báo động và đèn báo hiển thị tình   Độ sâu của các lớp tăng dần nhờ tăng số bộ lọc,
               trạng cho nguồn điện tại nơi xảy ra đám cháy.   thường là theo cấp số nhân. Độ sâu tăng sẽ giúp cho
                                                              mạng CNN học được đa dạng các đặc trưng hơn. Ở
                                                              những lớp đầu tiên là những đặc trưng chung, chúng
                                                              khá  giống  nhau  về  hình  dạng,  phương  hướng,  nên
                                                              không  cần  quá  nhiều bộ  lọc để  tạo  ra  chúng  với  số
                                                              lượng lớn. Càng ở những lớp sau đòi hỏi độ chi tiết
                                                              cao hơn thì yêu cầu số lượng bộ lọc nhiều hơn để giúp
                                                              phân biệt được nhiều chi tiết đặc trưng hơn.
                                                                 3.1.2. Mô hình thuật toán Yolo
                                                                 Yolo  là  một  mô  hình  mạng  thần  kinh  tích  chập
                Hình 4. Một số thiết bị ngoại vi của khối chấp hành   CNN ứng dụng trong phát hiện, nhận dạng, phân loại
                  Khối nguồn: Cung cấp nguồn cho khối xử lý trung   đối tượng. Mô hình Yolo được tạo ra từ việc kết hợp
               tâm hoạt động và các thiết bị ngoại vi trong hệ thống.   các  lớp  tích  chập  (Convolutional  layers)  và  các  lớp
                                                              kết  nối  (Connected  layers).  Trong  đó  các  lớp  tích
                                                              chập trích xuất ra các đặc trưng của ảnh và các lớp kết
                                                              nối đầy đủ (Fully-connected layers) sẽ dự đoán ra xác
                                                              suất và tọa độ của đối tượng.











                           Hình 5. Tủ điện hệ thống                    Hình 7. Kiến trúc mạng Yolo [3]

                                                                                   ISBN: 978-604-80-9779-0
   85   86   87   88   89   90   91   92   93   94   95