Thiết kế và thi công phần mềm nhận diện lỗi trong chỉnh lưu hỗ trợ công tác giảng dạy và hướng dẫn thực hành

Mục lục
Danh mục bảng biểu ............................................................................................................ 2
Danh mục những từ viết tắt ................................................................................................. 5
A. MỞ ĐẦU. ....................................................................................................................... 8
1.

Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài. ........................................... 8

2.

Lý do chọn đề tài. .................................................................................................... 8

3.

Mục tiêu đề tài. ........................................................................................................ 9

4.

Phương pháp nghiên cứu. ...................................................................................... 10

5.

Đối tượng và phạm vi nghiên cứu. ........................................................................ 10

B. NỘI DUNG. .................................................................................................................. 10
CHƯƠNG 1. Cơ sở lý thuyết. ........................................................................................... 10
1.1. Cơ sở dữ liệu ảnh mạch chỉnh lưu. ..................................................................... 10
1.1.1. Mạch chỉnh lưu bán kỳ. ............................................................................... 10
1.1.2. Mạch chỉnh lưu cầu. .................................................................................... 14
1.1.3. Mạch chỉnh lưu toàn kỳ. .............................................................................. 19
1.2. Hướng tiếp cận và giải quyết bài tốn nhận diện ảnh. ....................................... 23

CHƯƠNG 2. Mơ hình mạng Neuron tích chập ................................................................ 24
2.1. Tổng quan về mạng nơ-ron tích chập (CNN). .................................................... 24
2.1.1. Định nghĩa. .................................................................................................. 24
2.1.2. Lịch sử mạng nơ-ron tích chập. ................................................................... 24
2.1.3. Kiến trúc mạng nơ-ron tích chập. ................................................................ 30
2.2. Mơ hình học sâu (deeplearning). ........................................................................ 32
2.2.1. Lựa chọn mạng học sâu. .............................................................................. 32
2.2.2. Cấu trúc mạng Alexnet. ............................................................................... 34
2.3. Các bước thiết kế và ứng dụng mạng Alexnet vào mơ hình. ............................. 36
CHƯƠNG 3. Đánh giá. ..................................................................................................... 48
3.1. Thử nghiệm ứng dụng trong thực tế. .................................................................. 48
3.2. Ưu điểm của đề tài. ............................................................................................. 49
3.3. Nhược điểm của đề tài. ....................................................................................... 49
C. KẾT LUẬN VÀ KIẾN NGHỊ. ..................................................................................... 49
Tài liệu tham khảo. ............................................................................................................ 51
Chương trình máy tính....................................................................................................... 51
1


Danh mục bảng biểu
Hình 1.1: Sơ đồ nguyên lý mạch chỉnh lưu bán kỳ. .......................................................... 10
Hình 1.2: Mạch đúng của chỉnh lưu bán kỳ. ..................................................................... 11
Hình 1.3: Mạch chỉnh lưu bán kỳ bị lỗi lắp ngược đầu que đo. ........................................ 11
Hình 1.4: Mạch chỉnh lưu bán kỳ bị lỗi mất Diode. .......................................................... 12
Hình 1.5: Mạch chỉnh lưu bán kỳ bị lỗi mất Diode kết hợp với lắp ngược đầu que đo. ... 12
Hình 1.6: Mạch chỉnh lưu bán kỳ bị lỗi hở mạch. ............................................................. 13
Hình 1.7: Mạch chỉnh lưu bán kỳ bị lỗi lắp ngược chiều Diode. ...................................... 13
Hình 1.8: Mạch chỉnh lưu bán kỳ bị lỗi lắp ngược chiều Diode kết hợp lắp ngược chiều
que đo. ............................................................................................................................... 14
Hình 1.9: Sơ đồ nguyên lý mạch chỉnh lưu cầu. ............................................................... 14

Hình 1.10: Mạch đúng của mạch chỉnh lưu cầu. ............................................................... 15
Hình 1.11: Mạch chỉnh lưu bị lỗi lắp ngược chiều que đo. ............................................... 15
Hình 1.12: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều âm. .................................. 16
Hình 1.13: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều âm kết hợp lắp ngược chiều
que đo. ............................................................................................................................... 16
Hình 1.14: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều dương. ............................ 17
Hình 1.15: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều dương kết hợp lắp ngược
chiều que đo. ...................................................................................................................... 17
Hình 1.16: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode ở chiều âm hoặc mạch chỉnh lưu bị
lỗi lắp thiếu hai Diode ở chiều dương kết hợp lắp ngược chiều que đo. ........................... 18
Hình 1.17: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode ở chiều dương hoặc mạch chỉnh lưu
bị lỗi lắp thiếu hai Diode ở chiều âm kết hợp lắp ngược chiều que đo. ............................ 18
Hình 1.18: Mạch chỉnh lưu bị lỗi hở mạch hoặc chập mạch. ............................................ 19
2


Hình 1.19: Sơ đồ nguyên lý mạch chỉnh lưu toàn kỳ. ....................................................... 19
Hình 1.20: Mạch đúng của mạch chỉnh lưu toàn kỳ.......................................................... 20
Hình 1.21: Mạch chỉnh lưu bị lỗi lắp ngược chiều que đo. ............................................... 20
Hình 1.22: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode. .................................................... 21
Hình 1.23: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode kết hợp lắp ngược chiều que đo. . 21
Hình 1.24: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode. ...................................................... 22
Hình 1.25: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode kết hợp lắp ngược chiều que đo. .. 22
Hình 1.26: Mạch chỉnh lưu toàn kỳ bị lỗi hở mạch hoặc lỗi lắp ngược chiều một Diode. 23
Hình 2.1: Sơ đồ khối. ......................................................................................................... 31
Hình 2.2: Cách thức hoạt động của CNN. ......................................................................... 31
Hình 2.3: Tổng hợp các mạng học sâu. ............................................................................. 33
Hình 2.4: Một số thuộc tính của các mạng học sâu. .......................................................... 34
Hình 2.5: Kiến trúc mạng và thơng tin chi tiết về các lớp mạng của mạng Alexnet. ....... 35
Hình 2.6: Sơ đồ kiến trúc mạng của mạng Alexnet. ......................................................... 35

Hình 2.7: Chọn mạng Alexnet ........................................................................................... 36
Hình 2.8: Thiết lập dữ liệu đầu vào. .................................................................................. 37
Hình 2.9: Lớp được kết nối đầy đủ của mạng Alexnet. .................................................... 38
Hình 2.10: Lớp ngõ ra của mạng Alexnet. ........................................................................ 39
Hình 2.11: Lớp được kểt nối đầy đủ sau khi chỉnh sửa. .................................................... 40
Hình 2.12: Lớp ngõ ra sau khi được chỉnh sửa. ................................................................ 40
Hình 2.13: Thiết lập thơng số huấn luyện. ........................................................................ 41
Hình 2.14: Quá trình huấn luyện chỉnh lưu bán kỳ. .......................................................... 42
.Hình 2.15: Quá trình huấn luyện chỉnh lưu cầu. .............................................................. 42
3


Hình 2.16: Quá trình huấn luyện chỉnh lưu toàn kỳ. ......................................................... 43
Hình 2.17: Xuất dữ liệu. .................................................................................................... 43
Hình 2.18: Xuất code ra file. ............................................................................................. 44
Hình 2.19: Xuất kết quả huấn luyện. ................................................................................. 44
Hình 2.20: Kết quả huấn luyện. ......................................................................................... 44
Hình 2.21: Giao diện người dùng. ..................................................................................... 46
Hình 2.22: Chú thích nhãn dán trong ứng dụng. ............................................................... 47
Hình 3.1:Kết quả tiêu biểu. ................................................................................................ 48

4


Danh mục những từ viết tắt
CSDL : cơ sở dữ liệu.
AI : Artificial Intelligence( Trí tuệ nhân tạo).
CNN : Convolutional Neural Network( Mạng nơ-ron tích chập).
TDNN : Time delay neural network( Thời gian trì hỗn mạng lưới thần kinh).
GPUs: graphics processing units( Các đơn vị xử lý đồ họa).

CPU: Central Processing Unit( Bộ phận xử lý trung tâm).
ReLU: rectified linear unit( Đơn vị tuyến tính được điều chỉnh).
CHAOS: Controlled Hogwild with Arbitrary Order of Synchronization( Điều khiển
Hogwild với thứ tự đồng bộ hóa tùy ý ).

5


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM
THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI
1. Thông tin chung:
- Tên đề tài: Thiết kế và thi công phần mềm nhận diện lỗi trong mạch chỉnh lưu hỗ trợ
công tác giảng dạy và hướng dẫn thực hành.
- Chủ nhiệm đề tài: Bùi Xuân Lực
- Lớp: 181421B

Mã số SV: 18142334

Khoa: Điện – Điện tử

- Thành viên đề tài:
Stt
1

Họ và tên
Hồ Viết Lời

MSSV
19146211

Lớp
19146211Cl3

Khoa
Đào tạo Chất
lượng cao

2
- Người hướng dẫn: TS. Lê Hoàng Minh
2. Mục tiêu đề tài: Xây dựng mơ hình nhận dạng lỗi tự động trong mạch chỉnh lưu ứng
dụng cơng nghệ xử lý ảnh.
3. Tính mới và sáng tạo: Áp dụng công nghệ machine learning vào nhận diện hình ảnh .
4. Kết quả nghiên cứu: Phần mềm chính xác và dễ sử dụng.
5. Đóng góp về mặt giáo dục và đào tạo, kinh tế - xã hội, an ninh, quốc phòng và khả
năng áp dụng của đề tài: Góp phần vào cơng tác giảng dạy của giáo viên cho học sinh
khi dạng sóng bị lỗi.
6. Cơng bố khoa học của SV từ kết quả nghiên cứu của đề tài (ghi rõ tên tạp chí nếu
có) hoặc nhận xét, đánh giá của cơ sở đã áp dụng các kết quả nghiên cứu (nếu có): Giao
diện dễ hiểu, dễ sử dụng.
Tp.Hồ Chí Minh Ngày 10 tháng 10 năm 2021
SV chịu trách nhiệm chính

6


thực hiện đề tài
Nhận xét của người hướng dẫn về những đóng góp khoa học của SV thực hiện đề tài
(phần này do người hướng dẫn ghi):
Tôi xác nhận dự án này tuân thủ kế hoạch nghiên cứu và mọi quy định của cuộc thi.

Dự án hoàn thiện xây dựng bộ cơ sở dữ liệu ảnh phục vụ huấn luyện nhận dạng cho ba
mạch chỉnh lưu thơng dụng trong phịng thực hành D302, với số lượng ảnh gốc trong mỗi
mạch chỉnh lưu dao động từ 250 – 400 ảnh.
Dự án cài đặt và tinh chỉnh một mạng nơ-ron tích chập đã được huấn luyện trước, ứng
dụng vào bài toán nhận dạng lỗi trong mạch chỉnh lưu. Đồng thời xây dựng hệ thống tự
động nhận dạng lỗi trong mạch chỉnh lưu dễ sử dụng, kết hợp với độ chính xác cao trên
máy tính.

Tp.Hồ Chí Minh Ngày 10 tháng 10 năm 2021
Người hướng dẫn
(kí, họ và tên)

7


A. MỞ ĐẦU.
1. Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài.
- Trong nước: Luân văn thạc sĩ: “Nghiên cứu về mạng Neural Convelutional, áp dụng
vào bài toán nhận dạng đối tượng trong lĩnh vực thị giác máy tính do anh Nguyễn Mạnh
Hùng thực hiện ở Hà Nội- 2019”. Hiện nay trong nước vẫn chưa có phần mềm nhận
dạng lỗi ứng dụng trong giảng dạy thực hành thí nghiệm.
- Ngoài nước:
+ Ấn phẩm “WIPO Technology Trends 2019 – Artificial Intelligence” do Tổ chức Sở
hữu trí tuệ thế giới (WIPO) phát hành đã cung cấp những luận giải, phân tích dựa trên
số liệu cụ thể cùng với đánh giá của các chuyên gia sẽ giúp chúng ta hiểu rõ hơn về trí
tuệ nhân tạo từ góc nhìn của sở hữu trí tuệ.
+ Bài báo "ImageNet Classification with Deep Convolutional Neural Networks" của
nhóm tác giả Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton, Geoffrey viết
năm 2012 nghiên cứu về mạng thần kinh tích chập áp dụng phổ biển nhất để phân tích
hình ảnh trực quan. Tuy nhiên vẫn chưa có phần mềm ứng dụng nào hỗ trợ công việc

giảng dạy thực hành trong việc nhận dạng và xử lý lỗi ráp mạch cũng như hướng dẫn
hiệu chỉnh mạch.
2. Lý do chọn đề tài.
Hiện nay, nước ta đang trong giai đoạn đẩy mạnh sự nghiệp cơng nghiệp hóa - hiện
đại hóa; hội nhập kinh tế thế giới, từng bước phát triển nền kinh tế tri thức. Trước bối
cảnh đó, các trường Đại học phải thực hiện tốt nhiệm vụ: “Đào tạo nguồn nhân lực có
kiến thức, kỹ năng, trình độ và chất lượng cao cho các ngành nghề, các thành phần
kinh tế, nâng cao tiềm năng trí tuệ của đất nước”. Nghị quyết Đại hội Đảng toàn quốc
lần thứ XIII đã khẳng định: “Tạo đột phá trong đổi mới căn bản, toàn diện giáo dục
và đào tạo, phát triển nguồn nhân lực chất lượng cao, thu hút và trọng dụng nhân tài.
Thúc đẩy nghiên cứu, chuyển giao, ứng dụng mạnh mẽ thành tựu của cuộc Cách mạng
8


công nghiệp lần thứ tư vào mọi lĩnh vực của đời sống xã hội, chú trọng một số ngành,
lĩnh vực trọng điểm, có tiềm năng, lợi thế để làm động lực cho tăng trưởng theo tinh
thần bắt kịp, tiến cùng và vượt lên ở một số lĩnh vực so với khu vực và thế giới”.
Sự phát triển của khoa học – công nghệ đã làm thay đổi cơ cấu ngành nghề trong
nền kinh tế, đòi hỏi các trường Đại học phải điều chỉnh nội dung, phương pháp giảng
dạy và trình độ đào tạo sao cho phù hợp với yêu cầu của thực tế và đạt được kết quả
tối ưu nhất.
Ngày nay khi lắp mạch có thể phát sinh một số lỗi mà sinh viên chưa nhận biết được.
Sau khi tham khảo ý kiến từ giáo viên hướng dẫn, bản thân em xác định “ Thiết kế và
thi công phần mềm nhận diện lỗi trong chỉnh lưu hỗ trợ công tác giảng dạy và hướng
dẫn thực hành” là một đề tài hấp dẫn góp phần khắc phục và giải quyết được tình trạng
lỗi của sinh viên trong quá trình thực hành, nhằm hỗ trợ công tác giảng dạy và hướng
dẫn thực hành của giáo viên được hiệu quả hơn.
Căn cứ theo Thông báo Số: 119 /TB-ĐHSPKT, ngày 27 tháng 4 năm 2020 về việc
đăng ký đề tài nghiên cứu khoa học cấp cơ sở năm 2021 của trường Đại học Sư phạm
Kỹ Thuật thành phố Hồ Chí Minh, bản thân nhận thấy cuộc thi sẽ góp phần giải quyết

các nhiệm vụ khoa học và công nghệ được quan tâm.
Công tác nghiên cứu khoa học của sinh viên ngày càng được nhà trường quan tâm
hơn. Do vậy, tôi đã chọn vấn đề: “Thiết kế và thi công phần mềm nhận diện lỗi trong
mạch chỉnh lưu hỗ trợ công tác giảng dạy và hướng dẫn thực hành.” làm đề tài nghiên
cứu khoa học.
3. Mục tiêu đề tài.
Trên cơ sở nghiên cứu lý luận và thực tiễn, đề tài đề xuất, xây dựng mô hình nhận
dạng lỗi tự động trong mạch chỉnh lưu ứng dụng công nghệ xử lý ảnh để hỗ trợ cho
công tác giảng dạy của giáo viên và học tập của sinh viên. nhằm nâng cao hiệu quả
giảng dạy và thực tập của sinh viên.

9


4. Phương pháp nghiên cứu.
➢

Phương pháp nghiên cứu lý luận: Nghiên cứu lý thuyết về xử lý ảnh, thu

thập dữ liệu thực tế. Phân tích dữ liệu tìm hiểu các tài liệu có liên quan.
➢

Phương pháp nghiên cứu thực tiễn: Thông qua nghiên cứu lý thuyết về xử

lý ảnh, thu thập dữ liệu thực tế, cá nhân tiến hành xây dựng mơ hình nhận dạng, thực
nghiệm và đánh giá kết quả.
5. Đối tượng và phạm vi nghiên cứu.
Phạm vi nghiên cứu: Những dạng sóng từ mạch chỉnh lưu được học trong phòng
thực tập D302.
B. NỘI DUNG.

CHƯƠNG 1. Cơ sở lý thuyết.
1.1. Cơ sở dữ liệu ảnh mạch chỉnh lưu.
Trong đề tài nghiên cứu khoa học này nghiên cứu chủ yếu các mạch chỉnh lưu áp
dụng cho phòng thực hành D302, nên nhóm chúng em sẽ nghiên cứu nhận diện lỗi về:
mạch chỉnh lưu sau bán kỳ; mạch chỉnh lưu cầu; mạch chỉnh lưu toàn kỳ. Do tình hình
dịch bệnh kéo dài nên nhóm em xin phép sử dụng bộ cơ sở dữ liệu( CSDL) được lấy
từ phần mềm mô phỏng PSIM trong đề tài nghiên cứu này.
1.1.1. Mạch chỉnh lưu bán kỳ.

Hình 1.1: Sơ đồ nguyên lý mạch chỉnh lưu bán kỳ.

10


➢ Mạch đúng.

Hình 1.2: Mạch đúng của chỉnh lưu bán kỳ.
➢ Mạch chỉnh lưu bị lỗi lắp ngược đầu que đo.

Hình 1.3: Mạch chỉnh lưu bán kỳ bị lỗi lắp ngược đầu que đo.

11


➢ Mạch chỉnh lưu bị lỗi mất Diode.

Hình 1.4: Mạch chỉnh lưu bán kỳ bị lỗi mất Diode.
➢ Mạch chỉnh lưu bị lỗi mất Diode kết hợp với lắp ngược đầu que đo.

Hình 1.5: Mạch chỉnh lưu bán kỳ bị lỗi mất Diode kết hợp với lắp ngược đầu que đo.

12


➢ Mạch chỉnh lưu bị lỗi hở mạch.

Hình 1.6: Mạch chỉnh lưu bán kỳ bị lỗi hở mạch.
➢ Mạch chỉnh lưu bị lỗi lắp ngược chiều Diode.

Hình 1.7: Mạch chỉnh lưu bán kỳ bị lỗi lắp ngược chiều Diode.

13


➢ Mạch chỉnh lưu bị lỗi lắp ngược chiều Diode kết hợp đảo chiều.

Hình 1.8: Mạch chỉnh lưu bán kỳ bị lỗi lắp ngược chiều Diode kết hợp lắp ngược
chiều que đo.
1.1.2. Mạch chỉnh lưu cầu.

Hình 1.9: Sơ đồ nguyên lý mạch chỉnh lưu cầu.

14


➢ Mạch đúng.

Hình 1.10: Mạch đúng của mạch chỉnh lưu cầu.
➢ Mạch chỉnh lưu bị lỗi lắp ngược chiều que đo.

Hình 1.11: Mạch chỉnh lưu bị lỗi lắp ngược chiều que đo.

15


➢ Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều âm.

Hình 1.12: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều âm.
➢ Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều âm kết hợp lắp ngược chiều
que đo.

Hình 1.13: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều âm kết hợp lắp ngược
chiều que đo.
16


➢ Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều dương.

Hình 1.14: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều dương.
➢ Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều dương kết hợp lắp ngược chiều
que đo.

Hình 1.15: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode ở chiều dương kết hợp lắp
ngược chiều que đo.
17


➢ Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode ở chiều âm hoặc mạch chỉnh lưu bị lỗi
lắp thiếu hai Diode ở chiều dương kết hợp lắp ngược chiều que đo.

Hình 1.16: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode ở chiều âm hoặc mạch chỉnh lưu
bị lỗi lắp thiếu hai Diode ở chiều dương kết hợp lắp ngược chiều que đo.
➢ Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode ở chiều dương hoặc mạch chỉnh lưu bị
lỗi lắp thiếu hai Diode ở chiều âm kết hợp lắp ngược chiều que đo.

Hình 1.17: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode ở chiều dương hoặc mạch chỉnh
lưu bị lỗi lắp thiếu hai Diode ở chiều âm kết hợp lắp ngược chiều que đo.
18


➢ Mạch chỉnh lưu bị lỗi hở mạch hoặc chập mạch.

Hình 1.18: Mạch chỉnh lưu bị lỗi hở mạch hoặc chập mạch.
1.1.3. Mạch chỉnh lưu tồn kỳ.

Hình 1.19: Sơ đồ nguyên lý mạch chỉnh lưu toàn kỳ.

19


➢ Mạch đúng.

Hình 1.20: Mạch đúng của mạch chỉnh lưu toàn kỳ.
➢ Mạch chỉnh lưu bị lỗi lắp ngược chiều que đo.

Hình 1.21: Mạch chỉnh lưu bị lỗi lắp ngược chiều que đo.

20

➢ Mạch chỉnh lưu bị lỗi lắp thiếu một Diode.

Hình 1.22: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode.
➢ Mạch chỉnh lưu bị lỗi lắp thiếu một Diode kết hợp lắp ngược chiều que đo.

Hình 1.23: Mạch chỉnh lưu bị lỗi lắp thiếu một Diode kết hợp lắp ngược chiều que đo.

21


➢ Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode.

Hình 1.24: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode.
➢ Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode kết hợp lắp ngược chiều que đo.

Hình 1.25: Mạch chỉnh lưu bị lỗi lắp thiếu hai Diode kết hợp lắp ngược chiều que đo.

22


➢ Mạch chỉnh lưu bị lỗi hở mạch hoặc lỗi lắp ngược chiều một Diode.

Hình 1.26: Mạch chỉnh lưu tồn kỳ bị lỗi hở mạch hoặc lỗi lắp ngược chiều một
Diode.
1.2. Hướng tiếp cận và giải quyết bài toán nhận diện ảnh.
Ngày nay cùng với đột phá về công nghệ về phương diện AI( trí tuệ nhân tạo) lĩnh
vực xử lý ảnh được phát triển không kém. Đặc biệt là sau khi xuất hiện một vài bài bài
báo khoa học nghiên cứu về phương pháp Học máy - Machine Learning - vào thực tiễn
với độ chính xác cao, hướng giải quyết bài toán đã tập trung vào ứng dụng và cải tiến
các thuật toán học máy, cụ thể là nghiên cứu, thử nghiệm trích chọn các đặc trưng phù

hợp nhất để đưa vào huấn luyện bộ nhận dạng tự động. . Trong những năm gần đây,
nhờ sự đột phá về khía cạnh trí tuệ nhân tạo của cuộc Cách mạng cộng nghiệp lần thứ
tư được gọi là “Công nghiệp 4.0”, Học sâu - Deep Learning đã đạt được nhiều thành
tựu đáng kể, đặc biệt là trong lĩnh vực xử lý ảnh và ngôn ngữ tự nhiên. Học sâu cũng
đã được áp dụng rất thành cơng vào bài tốn trong đời sống như: photoshop, nén ảnh,
nén video, nhận dạng biển số xe, nhận dạng khuôn mặt, nhận dạng chữ viết, xử lý ảnh
thiên văn, ảnh y tế.... phương pháp này đã đạt được kết quả cao đáng kinh ngạc.

23


CHƯƠNG 2. Mơ hình mạng Neuron tích chập .
2.1. Tổng quan về mạng nơ-ron tích chập (CNN).
2.1.1. Định nghĩa.
Mạng nơ-ron tích chập (CNN) là một loại mạng thần kinh nhân tạo được sử dụng
trong nhận dạng và xử lý hình ảnh được thiết kế đặc biệt để xử lý dữ liệu pixel.
CNN được lấy cảm hứng từ cấu trúc sinh học của vỏ não thị giác, chứa sự sắp
xếp của các tế bào đơn giản và phức tạp. Những tế bào này được tìm thấy để kích
hoạt dựa trên các tiểu vùng của một trường thị giác. Những tiểu vùng này được gọi
là trường tiếp nhận. Lấy cảm hứng từ những phát hiện của nghiên cứu này, các tế
bào thần kinh trong một lớp phức tạp kết nối với các tiểu vùng của các lớp trước lớp
đó thay vì được kết nối đầy đủ như trong các loại mạng thần kinh khác. Các tế bào
thần kinh không phản ứng với các khu vực bên ngoài các tiểu vùng này trong hình
ảnh.
Những tiểu vùng này có thể chồng chéo lên nhau, do đó các tế bào thần kinh của
CNN tạo ra kết quả tương quan không gian, trong khi ở các loại mạng thần kinh
khác, các tế bào thần kinh không chia sẻ bất kỳ kết nối nào và tạo ra kết quả độc lập.
2.1.2. Lịch sử mạng nơ-ron tích chập.
CNN thường được so sánh với cách não đạt được xử lý thị lực trong các sinh vật
sống.

2.1.2.1. Các trường tiếp nhận trong vỏ não thị giác.
Cơng trình của Hubel và Wiesel trong những năm 1950 và 1960 cho thấy vỏ thị
giác mèo chứa các tế bào thần kinh phản ứng riêng với các vùng nhỏ của trường
thị giác. Miễn là mắt không di chuyển, vùng không gian thị giác trong đó các kích
thích thị giác ảnh hưởng đến việc bắn một tế bào thần kinh duy nhất được gọi là
trường tiếp nhận của nó . Các tế bào lân cận có các trường tiếp nhận tương tự và
chồng chéo. Kích thước trường tiếp nhận và vị trí thay đổi một cách có hệ thống
24


trên vỏ não để tạo thành một bản đồ hoàn chỉnh về không gian thị giác. Vỏ não ở
mỗi bán cầu đại diện cho trường thị giác bên cạnh .
Bài báo năm 1968 của họ đã xác định hai loại tế bào thị giác cơ bản trong não:
• Các tế bào đơn giản có đầu ra được tối đa hóa bởi các cạnh thẳng có định
hướng cụ thể trong trường tiếp nhận của chúng
• Các tế bào phức tạp có trường tiếp nhận lớn hơn, có đầu ra khơng nhạy cảm
với vị trí chính xác của các cạnh trong trường.
Hubel và Wiesel cũng đề xuất một mơ hình xếp tầng của hai loại tế bào này để
sử dụng trong các tác vụ nhận dạng mẫu.
2.1.2.2. Neocognitron, nguồn gốc của kiến trúc CNN.
"Neocognitron"( Mạng lưới thần kinh nhân tạo đa lớp) được Kunihiko
Fukushima giới thiệu vào năm 1980. Nó được lấy cảm hứng từ tác phẩm nói trên
của Hubel và Wiesel. Neocognitron đã giới thiệu hai loại lớp cơ bản trong CNN:
các lớp tích chập và các lớp lấy mẫu xuống. Một lớp phức tạp chứa các đơn vị có
trường tiếp nhận bao phủ một bản vá của lớp trước đó. Vectơ trọng lượng (tập
hợp các thơng số thích ứng) của một đơn vị như vậy thường được gọi là bộ lọc.
Các đơn vị có thể chia sẻ bộ lọc. Các lớp lấy mẫu xuống chứa các đơn vị có
trường tiếp nhận bao gồm các bản vá của các lớp phức tạp trước đó. Một đơn vị
như vậy thường tính trung bình các kích hoạt của các đơn vị trong bản vá của nó.
Sự xuống cấp này giúp phân loại chính xác các đối tượng trong các cảnh trực

quan ngay cả khi các đối tượng được dịch chuyển.
Trong một biến thể của Neocognitron được gọi là cresceptron, thay vì sử dụng
trung bình khơng gian của Fukushima, J. Weng và cộng sự đã giới thiệu một
phương pháp gọi là gộp tối đa, nơi một đơn vị giảm giá tính tốn tối đa các kích
hoạt của các đơn vị trong bản vá của nó. Gộp tối đa thường được sử dụng trong
các đĩa CD hiện đại.

25