Việc kết hợp công nghệ đọc thẻ với công nghệ xử lý ảnh sẽ giúp tự động hóa quá trình nhận diện biển số xe, lưu trữ thông tin hiệu quả, nâng cao tính chính xác và tiện lợi trong việc quản lý. Nhóm chọn đề tài này để giải quyết bài toán được đặt ra ở trên và nâng cao kỹ năng chuyên môn
Kết quả thực nghiệm cho thấy lớp tăng cường truy vấn giúp cải thiện rõ rệt độ liên quan và độ bao phủ (recall) của kết quả truy hồi, đặc biệt hiệu quả với các truy vấn mơ hồ hoặc thiếu thông tin. Ngoài ra, việc sử dụng lớp LLM như một thành phần độc lập mang lại tính linh hoạt cao, dễ dàng tích hợp với bất kỳ hệ thống tìm kiếm nào hiện có. Mặc dù lớp tăng cường làm gia tăng độ trễ xử lý, tổng thời gian phản hồi vẫn nằm trong ngưỡng chấp nhận được khi hệ thống được triển khai trên hạ tầng phần cứng phù hợp.
Đề tài hướng đến việc tích hợp và mở rộng dữ liệu cho các mô hình Machine Learning trong ứng dụng web, đồng thời cung cấp khả năng quản lý hiệu suất và đánh giá chất lượng hoạt động của mô hình. Điều này giúp người quản trị đưa ra các giải pháp cải thiện hiệu suất trong quá trình triển khai, đồng thời hỗ trợ việc ra quyết định dựa trên dữ liệu cập nhật.
Trong đề tài này, nhóm chúng em đã trình bày một hệ thống đếm người kết hợp hiệu quả hai phương pháp: thị giác máy tính và cảm biến WiFi. Bằng cách tận dụng ưu điểm của mỗi phương pháp – độ chính xác cao của thị giác máy tính trong điều kiện lý tưởng và khả năng hoạt động trong môi trường thiếu sáng của WiFi – hệ thống đề xuất đã cho thấy tiềm năng to lớn trong việc giải quyết bài toán đếm người trong điều kiện bất lợi.
Đồ án này tập trung vào việc phát triển hệ thống giám sát thông minh cho trạm sạc xe máy điện, sử dụng Raspberry Pi 5 kết hợp với Pi Camera và cảm biến DHT22. Hệ thống có khả năng phát hiện cháy bằng mô hình học máy và gửi cảnh báo qua Telegram, đồng thời giám sát số xe đang sạc và cung cấp thông tin nhiệt độ, độ ẩm lên ứng dụng web. Điều này giúp người dùng theo dõi và đảm bảo an toàn trạm sạc một cách hiệu quả.
Có một số nghiên cứu thú vị về khả năng kết hợp nhận diện hoạt động và xác định vị trí của con người đồng thời bằng tín hiệu WiFi. Những nghiên cứu này đã thành công chứng minh rằng có thể dự đoán các đặc điểm của hoạt động và vị trí trong cùng các mẫu CSI. Tuy nhiên, có một số hạn chế. Trong nghiên cứu, do tập dữ liệu không được công khai, việc tiến hành nghiên cứu bổ sung về chủ đề này được coi là khó khăn. Nghiên cứu đã công khai tập dữ liệu với 1394 mẫu CSI trong các hoạt động và vị trí khác nhau. Bộ truyền và bộ thu WiFi được kết nối bằng cáp cung cấp đồng bộ hoàn hảo về thời gian. Tuy nhiên, cáp đồng bộ này làm cho việc triển khai trong thực tế trở nên không khả thi. Do đó, trong nghiên cứu này chúng tôi đề xuất bài toán nhận diện đồng thời vị trí và hành động con người sử dụng tín hiệu wifi với mục tiêu củng cố kết quả cho hướng nghiên cứu, đóng góp bộ dữ liệu và giải quyết những vấn đề được nêu trên.
