LuanVan.vnLuận Văn
Gửi thư

DATM: ĐIỀU KHIỂN THIẾT BỊ IOT VỚI SỰ GIÁM SÁT CỦA TRÍ TUỆ NHÂN TẠO

Khoá luận tốt nghiệp · Đại học · năm 2023 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTrần Minh Đạt
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2023
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Việc tiêu thụ điện năng ở Trái Đất nói chung và Việt Nam chúng ta nói riêng đang ngày càng được báo động bởi việc tiêu thu điện một cách lãng phí và gây ra hậu quả ngày càng ảnh hưởng đến môi trường cũng như thời tiết biến đổi thất thường. Đôi khi chính chúng ta đã quên mất việc tắt thiết bị điện khi không sử dụng lại là một yếu tố góp phần hạn chế tiêu thụ điện năng cho gia đình. Vì vậy đề tài này tập trung vào việc sẽ áp dụng Trí tuệ nhân tạo (AI) để giải quyết vấn đề giúp gia đình hạn chế việc tiêu thụ điện năng lãng phí cụ thể là thông qua bài toán để dự đoán trạng thái ngủ hay thức của con người và tự động tắt các thiết bị điện khi không còn nhu cầu sử dụng chẳng hạn như tivi, đèn, … Đề tài tuy có vẻ đơn giản khi chỉ dự đoán trạng thái ngủ hay thức của con người nhưng lại là một thách thức cho những người nghiên cứu như chúng tôi vì để xác định một người có ngủ hay không qua góc nhìn của camera là rất khó. Vì vậy chúng tôi đề xuất một hệ thống mang tên “DATM”, có thể dự đoán con người có ngủ hay không qua một khoảng thời gian được theo dõi từ camera sau đó sẽ ra lệnh tắt thiết bị điện khi con người đã ở trạng thái ngủ. Ý tưởng chính của DATM là tận dụng Human Pose Estimation (HPE) để xác định các điểm trên cơ thể có khả năng vận động, di chuyển nhiều khi còn thức hay thói quen sinh hoạt hằng ngày. Sau khi đã xác định các điểm hoàn thành DATM sẽ tiến hành theo dõi các điểm này trong một khoảng thời gian xem các điểm có di dời rời khỏi phạm vi DATM quy định hay không từ đó sẽ xác định người đó có ngủ hay không. Trước khi sử dụng HPE, DATM sẽ qua một mô hình phân lớp 3 tư thế cơ bản của một người đó là đứng, nằm, ngồi. Khi tư thế là nằm thì sẽ được thực thi tiếp với HPE, ngược lại sẽ luôn xác định người đó đang thức. Chúng tôi đã xây dựng mô hình phân lớp tư thế với tổng dữ liệu là 10100 ảnh. Sau khi thực nghiệm với các kiến trúc khác nhau của mô hình CNN thì tôi nhận thấy độ chính xác của kiến trúc Lenet-5 đạt kết quả có độ chính xác tổng thể với tập kiểm tra từ 98% - 100% thì phù hợp để kết hợp với mô hình xác định trạng thái ngủ của SVM. Hơn nữa, chúng tôi cũng đã đóng góp một Framework chung với việc giám sát camera, cụ thể là giám sát các tư thế của con người và xác định họ có đang trong trạng thái ngủ hay không cũng như giám sát luôn cả thiết bị điện đang tắt hay mở. Để sử dụng hệ thống DATM một cách đơn giản chúng tôi đã xây dựng một giao diện windows thân thiện dễ sử dụng và theo dõi cho việc tiếp cận ứng dụng lần đầu tiên.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.