XÂY DỰNG HỆ THỐNG ROBOT DI ĐỘNG TỰ HÀNH CHO GIÁM SÁT HỎA HOẠN

Đặng Nguyễn Nam Anh; Kiều Văn Xuân; Ân Mai; Lê Duy Tân

doi:10.34238/tnu-jst.13219

XÂY DỰNG HỆ THỐNG ROBOT DI ĐỘNG TỰ HÀNH CHO GIÁM SÁT HỎA HOẠN

Thông tin bài báo

Ngày nhận bài: 13/07/25 Ngày hoàn thiện: 30/12/25 Ngày đăng: 31/12/25

Các tác giả

1. Đặng Nguyễn Nam Anh, Đại học Huddersfield, Vương quốc Anh
2. Kiều Văn Xuân, Trường Đại học FPT, Thành phố Hồ Chí Minh, Việt Nam
3. Ân Mai, 1) Đại học Quốc tế - ĐH Quốc gia Thành phố Hồ Chí Minh, 2) Đại học Quốc gia Thành phố Hồ Chí Minh, Việt Nam
4. Lê Duy Tân , 1) Đại học Quốc tế - ĐH Quốc gia Thành phố Hồ Chí Minh, 2) Đại học Quốc gia Thành phố Hồ Chí Minh, Việt Nam

Tóm tắt

Nghiên cứu này khám phá sự phát triển và khả năng triển khai của một robot di động tự hành nhằm giám sát cháy, với hệ thống động học toàn hướng dựa trên bánh xe Mecanum. Các phương pháp giám sát cháy truyền thống thường gặp khó khăn về khả năng thích ứng và hiệu quả, đặc biệt trong những môi trường động và nguy hiểm. Để vượt qua các thách thức này, hệ thống đề xuất có khả năng tự động di chuyển trên nhiều loại địa hình khác nhau nhằm phát hiện và theo dõi các sự cố cháy. Robot tích hợp các thuật toán SLAM (định vị và lập bản đồ đồng thời) tiên tiến để xây dựng và cập nhật bản đồ môi trường một cách linh động, đảm bảo quá trình điều hướng mượt mà. Một camera gắn ở phía trước truyền video thời gian thực đến ứng dụng web, trong khi các thuật toán học máy phân loại các mối nguy cơ cháy tiềm ẩn, cho phép robot phản ứng kịp thời. Các thử nghiệm sơ bộ trong các kịch bản cháy được kiểm soát cho thấy hệ thống đạt độ chính xác cao trong việc phát hiện và định vị cháy. Nghiên cứu này đánh dấu bước tiến trong công nghệ robot tự hành và mang đến một giải pháp đầy hứa hẹn nhằm nâng cao an toàn phòng cháy trong nhiều môi trường khác nhau.

Từ khóa

Robot di động tự hành; Giám sát cháy; SLAM; Học máy; Dẫn đường đa hướng

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] National Safety Council, "Fire-related fatalities and injuries," Injury Facts, 2025. [Online]. Available: https://injuryfacts.nsc.org/home-and-community/safety-topics/fire-related-fatalities-and-injuries/. [Accessed Jan. 25, 2025].

[2] S. V. Lall, M. S. M. Lebrand, and M. E. Soppelsa, "The Evolution of City Form: Evidence from Satellite Data," Policy Research Working Paper, no. WPS9618, World Bank, Apr. 9, 2021. [Online]. Available: https://documents.worldbank.org/pt/publication/documents-reports/documentdetail/5515 11618021559759/the-evolution-of-city-form-evidence-from-satellite-data. [Accessed Jan. 25, 2025].

[3] M. Wiśnios, S. Tatko, M. Mazur, J. Paś, J. M. Łukasiak, and T. Klimczak, "Identifying Characteristic Fire Properties with Stationary and Non-Stationary Fire Alarm Systems," Sensors, vol. 24, no. 9, 2024, doi: 10.3390/s24092772.

[4] R. Ghali, M. Jmal, W. S. Mseddi, and R. Attia, "Recent Advances in Fire Detection and Monitoring Systems: A Review," in Proc. 8th Int. Conf. Sci. Electron., Technol. Inf. Telecommun. (SETIT’18), vol. 1, pp. 332–340, Cham: Springer, 2020, doi: 10.1007/978-3-030-21005-2_32.

[5] R. Hasan, S. A. Hussain, S. A. Nizamuddin, and S. Mahmood, "An Autonomous Robot for Intelligent Security Systems," in Proc. 9th IEEE Control Syst. Grad. Res. Colloquium (ICSGRC), Shah Alam, Malaysia, 2018, pp. 201–206, doi: 10.1109/ICSGRC.2018.8657642.

[6] M. F. R. Lee and Z. S. Shih, "Autonomous Surveillance for an Indoor Security Robot," Processes, vol. 10, no. 11, 2022, doi: 10.3390/pr10112175.

[7] Y. Chen et al., "Quadruped Guidance Robot for the Visually Impaired: A Comfort Based Approach," in Proc. 2023 IEEE Int. Conf. Robot. Autom. (ICRA), London, U.K., 2023, pp. 12078–12084, doi: 10.1109/ICRA48891.2023.10160854.

[8] A. U. Russo, K. Deb, S. C. Tista, and A. Islam, "Smoke Detection Method Based on LBP and SVM from Surveillance Camera," in Proc. Int. Conf. Comput., Commun., Chem., Mater. Electron. Eng. (IC4ME2), Rajshahi, Bangladesh, 2018, pp. 1–4, doi: 10.1109/IC4ME2.2018.8465661.

[9] J. Baek, et al., "Real-time fire detection system based on dynamic time warping of multichannel sensor networks," Fire Safety Journal, vol. 123, 2021, doi: 10.1016/j.firesaf.2021.103364.

[10] H. Akkad, "A Comparative Review of Omnidirectional Wheel Types for Mobile Robotics," SSRN, 2023, doi: 10.2139/ssrn.4488112.

[11] W. Cheah et al., "MIRRAX: A Reconfigurable Robot for Limited Access Environments," IEEE Transactions on Robotics, vol. 39, no. 2, pp. 1341–1352, 2023, doi: 10.1109/TRO.2022.3207095.

[12] S. Macenski and I. Jambrecic, "SLAM Toolbox: SLAM for the dynamic world," Journal of Open Source Software, vol. 6, no. 61, 2021, doi: 10.21105/joss.02783.

[13] F. M. Talaat and H. ZainEldin, "An improved fire detection approach based on YOLO-v8 for smart cities," Neural Computing and Applications, vol. 35, no. 28, pp. 20939–20954, 2023, doi: 10.1007/s00521-023-08809-1.

[14] S. Chitram, S. Kumar, and S. Thenmalar, "Enhancing Fire and Smoke Detection Using Deep Learning Techniques," in Eng. Proc., vol. 2024, no. 6, 2024, doi: 10.3390/engproc2024062007.

[15] G. H. de A. Pereira, A. M. Fusioka, B. T. Nassu, and R. Minetto, "Active Fire Detection in Landsat-8 Imagery: A Large-Scale Dataset and a Deep Learning Study," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 178, pp. 171–186, 2021, doi: 10.1016/j.isprsjprs.2021.06.002.

[16] W. Thomson, N. Bhowmik, and T. P. Breckon, "Efficient and Compact Convolutional Neural Network Architectures for Non-temporal Real-time Fire Detection," arXiv preprint arXiv:2010.08833, 2020. [Online]. Available: http://arxiv.org/abs/2010.08833. [Jan. 25, 2025].

[17] A. Jadon, M. Omama, A. Varshney, M. S. Ansari, and R. Sharma, "FireNet: A Specialized Lightweight Fire & Smoke Detection Model for Real-Time IoT Applications," arXiv preprint arXiv:1905.11922, 2019. [Online]. Available: http://arxiv.org/abs/1905.11922. [Accessed Jan. 25, 2025].

[18] J. Terven and D. Cordova-Esparza, “A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS,” Mach. Learn. Knowl. Extr., vol. 5, no. 4, pp. 1680–1716, Nov. 2023, doi: 10.3390/make5040083.

[19] M. Hussain, “YOLO-v1 to YOLO-v8, the Rise of YOLO and Its Complementary Nature toward Digital Manufacturing and Industrial Defect Detection,” Machines, vol. 11, no. 7, p. 677, Jun. 2023, doi: 10.3390/machines11070677.

[20] P. Sankalprajan, T. Sharma, H. D. Perur, and P. S. Pagala, "Comparative analysis of ROS based 2D and 3D SLAM algorithms for Autonomous Ground Vehicles," in Proc. 2020 Int. Conf. Emerg. Technol. (INCET), Belgaum, India, 2020, pp. 1–6, doi: 10.1109/INCET49848.2020.9154101.

DOI: https://doi.org/10.34238/tnu-jst.13219

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ