Đề án tốt nghiệp Thạc sĩ: Nghiên cứu mô hình học sâu cho nhận diện đồ bảo hộ trong quản lý trang trại điện gió

Ngành năng lượng tái tạo, đặc biệt là điện gió, đang chứng kiến sự phát triển mạnh mẽ, kéo theo nhu cầu cấp thiết về đảm bảo an toàn lao động cho các kỹ sư bảo trì tại trang trại điện gió. Môi trường làm việc khắc nghiệt, với đặc thù làm việc trên cao và tiếp xúc với thiết bị điện mạnh, tiềm ẩn nhiều rủi ro. Các hệ thống giám sát an toàn hiện tại, chủ yếu dựa vào kiểm tra thủ công, còn hạn chế và không đủ khả năng phát hiện kịp thời các vi phạm về đồ bảo hộ cá nhân (PPE). Nghiên cứu này nhằm giải quyết vấn đề cấp bách đó bằng cách phát triển một mô hình học sâu tiên tiến cho nhận diện PPE tự động, qua đó nâng cao hiệu quả quản lý an toàn và giảm thiểu tai nạn lao động trong ngành điện gió.

Các nhà nghiên cứu và kỹ sư trong lĩnh vực trí tuệ nhân tạo, học sâu và thị giác máy tính; chuyên gia an toàn lao động và quản lý vận hành trong ngành năng lượng tái tạo, đặc biệt là điện gió; các nhà quản lý dự án và phát triển giải pháp công nghệ cho các môi trường công nghiệp rủi ro cao.

Nghiên cứu này tập trung vào việc ứng dụng công nghệ học sâu để giải quyết thách thức về an toàn lao động trong các trang trại điện gió. Bối cảnh ngành năng lượng tái tạo đang phát triển nhanh chóng đặt ra yêu cầu cấp thiết về giám sát chặt chẽ việc tuân thủ đồ bảo hộ cá nhân (PPE) của các kỹ sư bảo trì, những người thường xuyên làm việc trong môi trường rủi ro cao. Tuy nhiên, các phương pháp kiểm tra thủ công hiện tại thường kém hiệu quả và dễ bỏ sót. Để khắc phục điều này, đề tài đề xuất phát triển một module ứng dụng dựa trên các thuật toán trí tuệ nhân tạo (AI) và nhận diện hình ảnh, cụ thể là mô hình học sâu như YOLOv8m. Phương pháp tiếp cận bao gồm phân tích tài liệu để xây dựng cơ sở lý thuyết, thu thập và xử lý dữ liệu hình ảnh đa dạng từ các trang trại điện gió, cũng như thiết kế và huấn luyện mô hình để tự động phát hiện các loại PPE thiết yếu như mũ bảo hộ, kính bảo hộ, găng tay, dây đai an toàn và giày bảo hộ. Hệ thống được phát triển có khả năng đưa ra cảnh báo theo thời gian thực khi phát hiện thiếu sót hoặc vi phạm PPE, đồng thời dễ dàng tích hợp vào các hệ thống quản lý vận hành và bảo trì (O&M) hiện có. Giá trị ứng dụng của nghiên cứu nằm ở việc cung cấp một giải pháp tự động hóa hiệu quả, góp phần đáng kể vào việc giảm thiểu tai nạn lao động, nâng cao tuân thủ quy định an toàn, và cải thiện năng lực quản lý trong ngành điện gió, với tiềm năng mở rộng sang các lĩnh vực công nghiệp nguy hiểm khác.