TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN ĐIỆN TỬ
BỘ MÔN KỸ THUẬT MÁY TÍNH - VIỄN THÔNG

ĐỒ ÁN TỐT NGHIỆP

ĐỀ TÀI: ỨNG DỤNG MẠNG YOLO TRONG HỆ
THỐNG ĐIỀU KHIỂN ĐÈN TÍN HIỆU GIAO THÔNG

NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH

DƯƠNG HUỲNH QUANG THÁI

Sinh viên:

MSSV:20119278
PHAN TRUNG TUYÊN
MSSV:20119305

GVHD: Th.s LÊ MINH THÀNH

1

ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM
KHOA ĐIỆN – ĐIỆN TỬ
Bộ Môn: KTMT - VT

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
***

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ tên sinh viên: Phan Trung Tuyên

MSSV: 20119035

Dương Huỳnh Quang Thái

MSSV: 20119278

Chuyên ngành: Kỹ Thuật Máy Tính
Hệ đào tạo: Đại học chính quy
Khóa: 2020
I. TÊN ĐỀ TÀI: ỨNG DỤNG MẠNG YOLO TRONG HỆ THỐNG ĐIỀU
KHIỂN ĐÈN TÍN HIỆU GIAO THÔNG
II. NHIỆM VỤ
1. Các số liệu ban đầu:
- Video giao thông các làn đường.
- Mô hình YOLOv5 đã huấn luyện sử dụng trọng số từ bộ dữ liệu COCO.
- Hệ thống đèn tín hiệu giao thông gồm led, esp32, Arduino Mega 2560, LCD.
2. Nội dung thực hiện:
Đề tài tập trung vào việc xây dựng hệ thống đếm đối tượng thông qua hình
ảnh, với dữ liệu đầu vào là video chứa các phương tiện giao thông. Kết quả đếm
được sẽ được truyền lên nền tảng web Adafruit bằng giao thức MQTT. Đồng thời,
Arduino Mega 2560 và ESP32 sẽ được sử dụng để nhận và xử lý dữ liệu, từ đó
điều khiển hệ thống đèn giao thông. Các nội dung nhóm thực hiện bao gồm:
- Tìm hiểu về mạng YOLO và cách hoạt động của nó trong việc nhận diện đối
tượng.
- Tìm hiểu về kit Arduino Mega 2560 và esp32.
- Nghiên cứu nguyên lý điều khiển đèn tín hiệu giao thông và các phương pháp
tối ưu hóa thời gian chuyển tín hiệu.
- Thu thập dữ liệu video giao thông tại các khu vực cần nghiên cứu.
- Tinh chỉnh mô hình để phát hiện chính xác số lượng xe và mật độ giao thông.
2

- Xây dựng hệ thống điều khiển đèn giao thông với các chế độ tự động và thủ
công.
- Kết hợp hệ thống nhận diện YOLO và hệ thống điều khiển.
- Kiểm thử tại các môi trường mô phỏng và thực tế để đánh giá hiệu quả.
- Đưa ra giải pháp cải thiện và mở rộng.
III. NGÀY GIAO NHIỆM VỤ: 02/09/2024
IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 19/12/2024
V. HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: Th.s LÊ MINH THÀNH

3

4

5

LỜI CẢM ƠN
Nhóm xin gửi lời cảm ơn sâu sắc đến tất cả những người đã hỗ trợ, đồng hành
và tạo điều kiện thuận lợi để nhóm có thể hoàn thành báo cáo này.
Trước tiên, nhóm xin bày tỏ lòng biết ơn chân thành đến thầy Lê Minh Thành,
người đã tận tâm hướng dẫn, đưa ra những ý kiến quý báu và chia sẻ kinh nghiệ
...

...
đối tượng di chuyển quá nhanh hoặc bị khuất
tầm nhìn trong thời gian dài.
- Độ chính xác theo dõi phụ thuộc lớn vào chất lượng nhận diện ban đầu của
YOLOv5.
- Ứng dụng thời gian thực, với tốc độ xử lý chưa đạt, chỉ đạt được mức chấp
nhận được trên cấu hình phần cứng tiêu chuẩn.
- Hệ thống bị giới hạn về phần cứng nên chỉ xử lý 1 video 1 lúc.
- Chưa áp dụng quan sát camera trực tiếp trên giao diện web.

5.2 Hướng phát triển
Cải thiện độ chính xác trong điều kiện khó khăn:
- Sử dụng các mô hình mạnh hơn như YOLOv10 hoặc tích hợp dữ liệu huấn
luyện từ các tập dữ liệu đa dạng hơn (ban đêm, trời mưa).
- Tích hợp thuật toán tăng cường ánh sáng hoặc làm sạch ảnh để cải thiện hiệu
suất trong môi trường ánh sáng yếu.
53

Giảm hiện tượng mất ID và tăng tính ổn định của DeepSORT:
- Tinh chỉnh các tham số như MAX_DIST, MAX_AGE, hoặc sử dụng thuật
toán theo dõi tiên tiến hơn như ByteTrack,...
- Tích hợp dữ liệu từ nhiều camera để mở rộng vùng quan sát, giảm hiện tượng
mất dấu.
Ứng dụng AI và IoT:
- Mở rộng hệ thống với các thuật toán học sâu để dự đoán lưu lượng giao thông
tương lai, hỗ trợ điều khiển tín hiệu thông minh hơn.
- Sử dụng hệ thống cảnh báo sớm để phát hiện ùn tắc hoặc tai nạn.
Phát triển thành hệ thống đa năng:
- Bổ sung khả năng nhận diện các hành vi vi phạm giao thông như vượt đèn đỏ,
chạy quá tốc độ.
- Tích hợp các chức năng đo tốc độ hoặc đếm lưu lượng tại các ngã tư để phục
vụ công tác quản lý.
Hướng phát triển này không chỉ khắc phục các hạn chế hiện tại mà còn mở
rộng phạm vi ứng dụng, góp phần cải thiện giao thông đô thị thông minh trong
tương lai.

54

TÀI LIỆU THAM KHẢO
[1] Tan K. K., M. Khalid and R. Yusof, 1996. Intelligent Traffic Lights Control
By Fuzzy Logic, Malaysian Journal of Computer Science, Vol. 9 No. 2, pp. 29-35.
[2] BKAII. (n.d.). BKAII. Retrieved 11 2024, from https://s.net.vn/Sjre.
[3]
Hồ Thu. (2008). Sài Gòn giải phóng online. Retrieved 11 2024, from
https://www.sggp.org.vn/he-thong-den-tin-hieu-giao-thong-hien-dai-hai-ngansach-post97493.html.
[4] TTO. (2004, 12 21). Người lao động. Retrieved 11 2024, from
https://nld.com.vn/phap-luat/den-tin-hieu-giao-thong-moi-phoi-nang-3-5-trieudola107495.htm.
[5] Chien-Yao Wang, Hong-Yuan Mark Liao, Yueh-Hua Wu1, Ping-Yang Chen,
Jun-Wei Hsieh, and I-HauYeh. CSPNet: A New Backbone that can Enhance
Learning Capability of CNN. DOI: 10.1109/CVPRW50498.2020.00203

55

PHỤ LỤC
https://drive.google.com/drive/folders/1IcFzGWfNtRhiERxx941OOIQW_ggp
KVtk?usp=drive_link

56