Trước các vấn nạn về trộm cắp đang diễn ra hết sức phức tạp, việc có một hệ thống cảnh báo xâm nhập, đặc biệt tại các công trường đang thi công là vô cùng cấp thiết. Trong bài báo này, nhóm tác giả xây dựng một hệ thống cảnh báo xâm nhập tự động và chính xác khi có người xâm nhập vào một khu vực trong các công trường xây dựng. | Tạp chí Khoa học công nghệ Giao thông vận tải Tập 13 - Số 1 Nghiên cứu và phát triển hệ thống cảnh báo xâm nhập sử dụng thuật toán trí tuệ nhân tạo tiên tiến Research and development of an intrusion warning system using advanced artificial intelligence algorithms Đặng Hoàng Phúc Lê Anh Uyên Vũ Hoàng Đức Quý Trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh Tác giả liên hệ quyhd@ Ngày nhận bài 2 10 2023 Ngày chấp nhận đăng 13 12 2023 Tóm tắt Trước các vấn nạn về trộm cắp đang diễn ra hết sức phức tạp việc có một hệ thống cảnh báo xâm nhập đặc biệt tại các công trường đang thi công là vô cùng cấp thiết. Trong bài báo này nhóm tác giả xây dựng một hệ thống cảnh báo xâm nhập tự động và chính xác khi có người xâm nhập vào một khu vực trong các công trường xây dựng. Cụ thể sử dụng các mô hình học sâu tiên tiến như YOLOv5 và YOLOv8 để có được tọa độ của vật thể sau đó tọa độ của đối tượng được tính toán và so sánh với tọa độ khu vực cần giám sát để xác định hành vi vi phạm. Kết quả đạt được trong nghiên cứu này rất tốt khi mô hình YOLOv5n đạt được độ chính xác trung bình là hơn 91 với độ nhạy hơn 84 và tốc độ xử lí hơn 12 khung hình trên giây tương tự với mô hình YOLOv8n đạt được độ chính xác trung bình hơn 92 với độ nhạy hơn 82 và tốc độ xử lí hơn 15 khung hình trên giây. Từ khóa YOLO Hệ thống báo động Phát hiện vật thể Phát hiện xâm nhập. Abstract Given the extremely complicated problems of theft having an intrusion warning system especially at construction sites is extremely urgent. In this study we will build an automatic intrusion warning system when someone enters an area on a construction site automatically and accurately. Specifically we used advanced deep learning models such as YOLOv5 and YOLOv8 to obtain the coordinates of the object and then compared them with the coordinates of the monitored area to determine whether the conduct was a violation. The results achieved in this study were very good when the YOLOv5n model achieved an average .
