Giao Diện:
Cho phép thay đổi file huấn luyện, file yaml chứa class của dataset, lựa chọn class tương ứng với ID vi phạm và ID không vi phạm, ngưỡng tin cậy, chọn xử lí ảnh, video, camera, cho phép thay đổi tên lable hiển thị trên ảnh hay video hay camera khi nhận diện
Mọi thứ trên giao diện là tự động, không cố định file nhận diện đề tài, chỉ cần có 2 class chính là vi phạm và không vi phạm trong bài toán nhận diện là có thể chạy trên ứng dụng nhận diện hết, còn file huấn luyện YOLO thì người dùng phải tự huấn luyện để thay đề tài mới vô, chứ đề tài này là đề tài Tốt Nghiệp Đại Học sử dụng YOLOv12 mới nhất 2025, với epoch huấn luyện là 200 lần, chỉ số chính xác với class không đeo dây an toàn là 91%, đeo dây an toàn là 90%.
Đề tài bảo vệ khóa luyện tốt nghiệp cao nhất nhất hội đồng được 9.5đ, trong file code có cả video vi phạm trên VTV1 và đã nhận diện đúng chuẩn vi phạm.
Đề tài sẽ phát hiện xem có bao nhiêu vi phạm trên video, ảnh, camera theo thời gian thực
Đề tài sử dụng web streamlit dễ cài đặt dễ khởi động và sử dụng.
Đề tài này mang tính kế thừa nên là có thể thay đồi các dữ liệu đầu vào để phục vụ các bài toán khác nhau phát hiện vi phạm ví dụ như: không đội mũ bảo hiểm, không thắt dây an toàn, ….
Bộ dataset của đồ án này có hơn 2200 ảnh chia làm các bộ train, test, valid
Chức Năng:
Xử lí ảnh: trên 1 frame sẽ nhận diện các đối tượng theo ngưỡng tin cậy tùy ý thay đổi, đưa ra thống kê có bao nhiêu đối tượng, đối tượng vi phạm, đối tượng không vi phạm, lưu ảnh xử lí về máy
Xử lí video: nhận diện các đối tượng theo ngưỡng tin cậy tùy ý thay đổi, đưa ra thống kê có bao nhiêu đối tượng, đối tượng vi phạm, đối tượng không vi phạm, lưu video xử lí về máy, khi phát hiện vi phạm thì sẽ lập tức chụp lại ảnh vi phạm theo ngưỡng tin cậy cài đặt và lưu lại theo thời gian thực
Xử lí camera: nhận diện các đối tượng theo ngưỡng tin cậy tùy ý thay đổi, đưa ra thống kê có bao nhiêu đối tượng, đối tượng vi phạm, đối tượng không vi phạm, lưu video xử lí về máy, khi phát hiện vi phạm thì sẽ lập tức chụp lại ảnh vi phạm theo ngưỡng tin cậy cài đặt và lưu lại theo thời gian thực. Đồng thời quay lại video ngắn từ 3s đến 8s đoạn video phát hiện ra vi phạm lưu vô máy tính
Các bạn xem video demo để biết thêm rõ về chương trình nhé
Báo cáo:
Báo cáo 90 trang, được hội đồng đánh giá chuẩn chỉ, bố cục rõ ràng, chi tiết đầy đủ, chia thành 3 chương rõ ràng:
Đề tài có cấu trúc gồm 3 chương:
Chương 1. Cơ sở lí thuyết: Trình bày tổng quan về mạng nơ-ron tích chập trong học sâu, bài toán phát hiện đối tượng và bài toán phát hiện nhận diện dây an toàn. Trên cơ sở phân tích các nghiên cứu hiện có về phát hiện dây an toàn, đề tài đánh giá và lựa chọn hướng nghiên cứu ứng dụng mô hình YOLOv12 để nâng cao độ chính xác và hiệu quả.
Chương 2. Huấn luyện YOLOv12 phát hiện dây an toàn: Trình bày về mô hình YOLOv12 và quy trình xây dựng bộ dữ liệu, xuất dữ liệu, cùng với quá trình huấn luyện và đánh giá mô hình.
Chương 3. Triển khai mô hình: Trình bày các công cụ, quy trình triển khai mô hình và thực nghiệm. Nội dung bao gồm thiết kế giao diện ứng dụng, phát triển các module xử lý ảnh/video/camera, cơ chế lưu trữ kết quả.
Powerpoint : 22 slide
XEM THÊM ==> Hướng dẫn cài đặt chi tiết
Nguồn: Sharecode.vn
Cài đặt
Cài đặt Python
Cài đặt Visual Studio Code
Chạy lệnh cài Mở terminal/cmd, chạy: pip install streamlit opencv-python numpy ultralytics pyyaml pillow
Lệnh chạy project sau khi cài đặt đầy đủ: streamlit run app.py