STEM - Thiết bị AI, IoT: Bộ học tập AI thị giác máy

BẢN DIỄN GIẢI CHI TIẾT: BỘ HỌC TẬP AI THỊ GIÁC MÁY (CẤP THPT)

1. Tổng Quan Về Bộ Thiết Bị (Giới thiệu cơ bản)

Bộ học tập AI thị giác máy là giải pháp phần cứng và phần mềm cao cấp, chuyển tiếp từ việc làm quen với AI sang giai đoạn nghiên cứu, phát triển ứng dụng thông minh trong thực tế dựa trên nền tảng Thị giác máy tính (Computer Vision) và Trí tuệ nhân tạo biên (Edge AI).

• Về phần cứng: Thiết bị được trang bị máy tính nhúng hiệu năng cao (Single Board Computer hỗ trợ tăng tốc phần cứng cho AI như Jetson Nano hoặc tương đương), kết hợp cùng camera độ phân giải cao và màn hình hiển thị trực quan. Hệ thống có khả năng tính toán, xử lý các mô hình học sâu (Deep Learning) cấu trúc phức tạp trực tiếp trên thiết bị theo thời gian thực mà không cần phụ thuộc vào đám mây.

• Về phần mềm: Hỗ trợ hệ sinh thái mã nguồn mở mạnh mẽ với ngôn ngữ lập trình Python và các thư viện xử lý thị giác máy tính, học máy chuyên nghiệp (như OpenCV, TensorFlow, PyTorch). Phần mềm đi kèm cung cấp các công cụ trực quan để gắn nhãn, tối ưu hóa và giám sát hiệu suất của mô hình AI.

2. Chức Năng Giáo Dục & Yêu Cầu Cần Đạt (YCCĐ)

🔄 Làm chủ quy trình Machine Learning và Thị giác máy tính (Tin học THPT – AI)

• Diễn giải: Cụ thể hóa các kiến thức chuyên sâu của chủ đề Trí tuệ nhân tạo trong chương trình Tin học THPT. Học sinh không chỉ dừng lại ở việc hiểu khái niệm mà trực tiếp tham gia vào toàn bộ vòng đời phát triển của một mô hình học máy: Từ chuẩn hóa tập dữ liệu ảnh, thiết lập kiến trúc mạng nơ-ron, cấu hình các tham số huấn luyện (Epochs, Batch size) cho đến việc đánh giá sai số và độ chính xác của mô hình qua các chỉ số kỹ thuật.

⚡ Triển khai AI thời gian thực (Real-time AI) và Tích hợp hệ thống

• Diễn giải: Học sinh học cách tối ưu hóa thuật toán để đạt được tốc độ xử lý khung hình cao (FPS lớn), đảm bảo robot hoặc thiết bị có khả năng phản xạ tức thì trước các biến đổi ngoài đời thực. Đồng thời, học sinh phát triển năng lực Tích hợp hệ thống – biết cách kết nối luồng dữ liệu nhận diện từ mô hình AI sang hệ thống điều khiển cơ khí (Robotics) hoặc hệ thống truyền tin qua internet (IoT), tạo nên một giải pháp công nghệ toàn diện.

🎯 Định hướng nghề nghiệp Trí tuệ nhân tạo và Khoa học dữ liệu

• Diễn giải: Thông qua việc tiếp cận công cụ và quy trình làm việc chuẩn công nghiệp, học sinh được định hướng sớm và xây dựng nền tảng vững chắc cho các ngành nghề mũi nhọn như: Kỹ sư thị giác máy tính (Computer Vision Engineer), Kỹ sư dữ liệu (Data Engineer), Chuyên viên phân tích dữ liệu hình ảnh, hoặc Chuyên gia phát triển hệ thống nhúng thông minh.

3. Định Hướng Hoạt Động Học Tập STEM

Các hoạt động được thiết kế theo mô hình dự án nghiên cứu, hướng tới giải quyết các bài toán thực tế và chuẩn bị cho các cuộc thi Sáng tạo Khoa học kỹ thuật:

🔹 Giai đoạn 1: Huấn luyện Mô hình và Ứng dụng Thực nghiệm

• Huấn luyện mô hình nhận diện và phân loại ảnh phức tạp: Học sinh triển khai các dự án nhận diện nâng cao như: Phân biệt các loại phương tiện giao thông (ô tô, xe máy, xe đạp) phục vụ quản lý đô thị; nhận diện khuôn mặt và trạng thái (đeo/không đeo khẩu trang); hoặc phân loại lỗi sản phẩm trên băng chuyền nhà máy thông minh.

• Xây dựng dự án AI ứng dụng trong đời sống: Học sinh thiết kế các ứng dụng có tính thực tiễn cao như: Hệ thống camera thông minh cảnh báo xâm nhập trái phép tại các khu vực nguy hiểm trong trường học, hoặc hệ thống hỗ trợ học tập (Camera nhận diện chữ viết tay và chuyển đổi thành văn bản số số hóa).

🔹 Giai đoạn 2: Tích hợp Hệ thống thời gian thực & Nghiên cứu khoa học (NCKH)

• Dự án AI kết hợp IoT & Robot tự hành (Autonomous Systems): Học sinh tích hợp máy tính nhúng AI lên các khung xe robot để tạo ra xe tự hành cấp độ cao. Robot ứng dụng thị giác máy tính để tự vẽ bản đồ di chuyển, nhận diện làn đường, phát hiện biển báo và chướng ngại vật động (người đi bộ) để tự động tính toán quỹ đạo di chuyển an toàn trong thời gian thực.

• Hệ thống giám sát nông nghiệp công nghệ cao (AIoT): Kết hợp AI và IoT. Camera AI liên tục quét bề mặt lá cây để phát hiện sớm các dấu hiệu đốm bệnh, phân loại mức độ nhiễm bệnh, sau đó gửi dữ liệu cảnh báo lên máy chủ đám mây (Dashboard) và kích hoạt hệ thống phun thuốc cục bộ đúng vị trí cây bị bệnh.

• Nghiên cứu khoa học và Sáng tạo kỹ thuật (VISEF): Đây là bệ phóng cho các đề tài tham gia Cuộc thi Khoa học kỹ thuật cấp Tỉnh/Quốc gia. Học sinh tập trung vào việc cải tiến thuật toán (như tối ưu hóa mô hình YOLO để nhận diện vật thể nhanh hơn trên phần cứng cấu hình thấp), hoặc nghiên cứu các giải pháp công nghệ hỗ trợ cộng đồng (Ví dụ: Kính thông minh ứng dụng AI hỗ trợ người khiếm thị nhận diện vật cản và đọc văn bản bằng giọng nói).