5.1. Kết qua đề tài
Cho đến thời điểm hiện tại, nhóm nghiên cứu đã hoàn thiện hệ thống nhận diện biển báo giao thông đường bộ Việt Nam bằng cách sử dụng framework YOLOv4 Tiny, thiết kế hệ thống trên cả phần cứng và phần mềm . Dé đảm bảo tính chính xác của
mô hình, nhóm đã thực hiện test dựa trên dữ liệu đầu vào là hình ảnh và video trên nền tảng Windows cũng như cam USB kết nối với FPGA Ultra96v2. Kết quả kiêm tra đã chứng minh rằng hệ thong hoạt động ồn định với thời gian nhận diện mẫu và
mức độ chính xác trong giới hạn trên 30 mét tính từ vị trí đặt camera, đáp ứng đủ
yêu cầu tối thiểu của hệ thống nhận diện biển báo giao thông. Nhóm cũng đã tiến hành phân tích và đánh giá nhiều mô hình nhận diện biển báo giao thông khác, bao gồm Color Segmentation, You Only Look Once... Từ kết quả phân tích và so sánh này, nhóm đã xác định được mô hình phù hợp bài toán yêu cầu đặt ra ở đầu quá
trình nghiên cứu.
Tuy nhiên, trong quá trình nghiên cứu, nhóm đã gặp vô sô khó khăn trong quá trình
hiện thực hệ thống, bao gồm sự kém tương thích ngược giữa các framework, bộ dữ
liệu tùy chỉnh không thé đánh giá trên tập dữ liệu chuân hóa COCO, giới hạn kiến thức, quỹ thời gian, kinh nghiệm lẫn nhân lực thực hiện đề tài. Mặc dù vậy, bằng cách khắc phục và vượt qua những khó khăn này trong quá trình thực hiện khóa luận đã mở ra cho nhóm cơ hội tiếp cận và tiếp thu thêm vô số nền tảng kiến thức ứng dụng các công nghệ nhận diện vật thé bang mô hình học sâu trong lĩnh vực thi giác máy tính hướng thiết kế phần cứng.
5.2. Những điểm đạt được
Về kiến thức: nhóm đã có hiểu biết hơn về các định hướng phát triển của ngành công nghiệp chế tạo phương tiện giao thông trong tương lai, các công nghệ và tính ứng dụng của nó trong sản xuất. Kiến thức về máy học, thị giác máy tính và học sâu cũng được bao quát trong đề tài nghiên cứu. Cách kiểm tra và đánh giá phân loại
74
mô hình tập dữ liệu sử dụng cho quá trình huấn luyện máy tính. Các nền tảng cơ bản về lĩnh vực trí tuệ nhân tạo phù hợp với định hướng cá nhân. Trau dồi và hoàn thiện các kỹ năng, thái độ nghiên cứu và học tập thông qua quá trình thực hiện đề tài, cũng như kinh nghiệm lựa chọn và giải quyết vấn đề khi thực hiện nghiên cứu.
Về phần cứng: nhóm đã thiết kế hoàn thiện và đóng gói thiết bị trên kit Ultra96v2.
Về phần mềm: nhóm đã thành công thiết kế luồng hoạt động trên PYNQ
framework.
Về mô hình học máy: nhóm đã hoàn thành huấn luyện mô hình máy học dựa trên tập dữ liệu đầu vào gồm danh sách các biển báo giao thông đường bộ Việt Nam như
đã trình bày ở chương trên, mô hình có thé hoạt động 6n định trong môi trường thử
nghiệm, mô hình cũng có mức độ nhạy và chính xác ở mức khá.
5.3. Những điểm hạn chế
về phần mềm: nhằm tiết kiệm thời gian cũng như tối ưu hóa nguồn nhân lực hạn chế nên nhóm đã sử dụng nhiều công cụ chuyên đổi mã nguồn mở dé chuyên đổi
mô hình hệ thống thành mô hình ONNX tiêu chuẩn có thể tương thích với PYNQ
framework. Tuy nhiên quá trình chuyên đôi còn tôn tại nhiêu điêm cân tôi ưu.
Vệ phan cứng: cân tôi ưu thêm về kiên trúc nham đạt được tân sô hoạt động cao
hơn, điều này góp phần cải thiện hiệu suất tông thê của hệ thống.
Về giới hạn thời gian: nhóm đã cố gang hết sức dé tối ưu hóa thời gian thực hiện khóa luận. Tuy nhiên, hạn chế nguồn nhân lực và kinh nghiệm khiến kết quả nghiên
cứu vân chưa thực sự tôi ưu như mong muôn cá nhân.
5.4. Hướng phát triển
- Tiép tuc thu thap thém mau dé nâng cao mức độ chính xác của mô hình hiện
tai.
- M6 rộng tập mô hình băng cách gia tăng thêm số lớp (loại biển báo) đầu vào
và tiên hành huân luyện.
75
Tìm hiểu hướng giải quyết van dé còn tồn đọng bao gồm tối ưu hóa mô hình. Tiến hành tìm hiểu và cải thiện tần số hoạt động của thiết kế phần cứng nhằm tăng tính hiệu quả hệ thống (tốc độ xử lý,...).
Có thê kết hợp với các phương pháp nhận diện biển báo truyền thống khác như Color Segmentation hoặc tích hợp với bộ nhận diện RFID để gia tăng mức độ chính xác của hệ thống trong đa dạng các điều kiện môi trường khác
nhau.
Xây dựng phần mềm dựa trên đầu ra của hệ thống nhằm gửi cảnh báo đến người lái trong các kịch bản hoạt động cụ thể.
76
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]