Phá vỡ lầm tưởng – Xây dựng lại từ mảnh ghép kỹ thuật

Bài viết sử dụng tình huống giả định nâng cấp hệ thống giám sát tại Khu đô thị thông minh Thủ Đức, TP.HCM để phân tích các giới hạn kỹ thuật thực tế. Mọi số liệu và mô tả chỉ mang tính tham chiếu cho việc đánh giá kỹ thuật.

Lầm tưởng 1: Thay camera độ phân giải cao là đủ để nâng cấp hệ thống

Nhiều dự án tại Việt Nam coi việc thay camera 4K là bước then chốt.

Thực tế kỹ thuật
Camera quang đơn lẻ không giải quyết vấn đề che khuất và điều kiện ánh sáng yếu. Cần pipeline sensor fusion kết hợp camera quang, thermal và radar 77 GHz. Dữ liệu từ ba nguồn được đồng bộ thời gian trước khi đưa vào edge device. Trên Jetson AGX Orin, sau lượng tử hóa INT8 và tối ưu TensorRT, mô hình YOLOv8s đạt 42 FPS với đầu vào fusion 1280×720, trong khi bản FP16 chỉ đạt 27 FPS. Băng thông cần thiết để truyền video 4K thô qua 5G khoảng 18–22 Mbps, cao gấp 3 lần so với LTE, dễ gây nghẽn khi số lượng camera tăng.

Lầm tưởng 2: Triển khai Edge AI sẽ loại bỏ hoàn toàn độ trễ

Quan điểm phổ biến cho rằng đặt mô hình tại biên là giải pháp triệt để cho real-time.

Thực tế kỹ thuật
Edge chỉ giảm độ trễ suy luận, không loại bỏ độ trễ do thu thập và fusion dữ liệu. Khi dùng sensor fusion, thời gian đồng bộ dữ liệu thermal và radar thêm 12–18 ms.

Mô hình tùy chỉnh nhẹ (backbone ShuffleNetV2 + BiFPN tối giản) tiêu thụ 7,8 W trên Orin, thấp hơn YOLOv8s (14,2 W) nhưng mAP@0.5 giảm từ 0,61 xuống 0,54 nếu không tinh chỉnh trên dữ liệu địa phương.

Lầm tưởng 3: Mô hình deep learning pretrained sẽ tự thích nghi với khí hậu nhiệt đới

Nhiều đơn vị tin rằng chỉ cần tải trọng số COCO hoặc BDD là đủ.

Thực tế kỹ thuật
Mô hình pretrained trên dữ liệu ôn đới giảm mạnh độ chính xác dưới mưa rào và sương mù Sài Gòn. Cần tinh chỉnh với bộ dữ liệu Thủ Đức bổ sung augmentation: mưa tổng hợp (mật độ vệt mưa 0,3–0,7), sương mù (tán xạ khí quyển) và ánh sáng yếu (gamma 0,4–0,8). Sau 18 epoch tinh chỉnh, mAP@0.5 tăng từ 0,47 lên 0,63 trên tập validation thực tế. Không có bước này, tỷ lệ báo động giả tăng gấp 2,1 lần vào giờ cao điểm mưa.

Lầm tưởng 4: Tăng FPS là mục tiêu duy nhất cần tối ưu

Một số dự án đặt chỉ tiêu FPS cao mà bỏ qua độ chính xác.

Thực tế kỹ thuật
Trên cùng Jetson AGX Orin, YOLOv8s đạt 48 FPS sau TensorRT nhưng mAP@0.5 chỉ 0,58 khi gặp biển báo ẩm ướt. Mô hình tùy chỉnh giảm xuống 31 FPS nhưng giữ mAP@0.5 ở mức 0,64 nhờ augmentation và focal loss điều chỉnh cho lớp nhỏ. Việc chọn mô hình phải cân nhắc giữa FPS và mAP theo yêu cầu cụ thể của từng vị trí camera.

Lầm tưởng 5: Cloud là phương án dự phòng an toàn và rẻ

Nhiều kế hoạch coi cloud là nơi xử lý khi edge quá tải.

Thực tế kỹ thuật
Truyền video 4K từ 120 camera qua mạng 5G tiêu tốn băng thông trung bình 2,1 Gbps giờ cao điểm, chi phí truyền dẫn cao hơn suy luận tại biên. Ngoài ra, độ trễ khứ hồi trung bình 48 ms trên hạ tầng 5G hiện hữu tại Thủ Đức, không đáp ứng yêu cầu dưới 80 ms cho cảnh báo xâm nhập.

Bảng tóm tắt

Lầm tưởng	Rủi ro thực tế	Giải pháp kỹ thuật khả thi
Chỉ thay camera	Mất thông tin thermal và radar, độ chính xác thấp	Sensor fusion + INT8 + TensorRT
Edge AI giải quyết hết latency	Vẫn còn độ trễ fusion và truyền dữ liệu	Tối ưu pipeline đồng bộ + truyền chọn lọc
Mô hình pretrained dùng ngay	mAP giảm mạnh dưới mưa/sương	Tinh chỉnh + augmentation khí hậu địa phương
Tăng FPS là ưu tiên hàng đầu	Hy sinh độ chính xác	Cân bằng FPS – mAP theo vị trí
Dùng cloud làm dự phòng	Chi phí băng thông cao, độ trễ không ổn định	Ưu tiên suy luận biên, cloud chỉ dùng để tái huấn luyện

Lộ trình triển khai 3 giai đoạn (hạ tầng hiện hữu)

Giai đoạn 1 (3–4 tháng): Triển khai sensor fusion tại 30 camera trọng điểm, chạy mô hình nhẹ đã lượng tử hóa trên edge box hiện có, đo mAP thực tế.

Giai đoạn 2 (4–6 tháng): Thu thập dữ liệu 6 tháng, tinh chỉnh, chuyển sang mô hình tối ưu hơn, giảm băng thông truyền tải bằng cách gửi metadata thay vì video thô.

Giai đoạn 3 (sau 9 tháng): Mở rộng toàn khu, thiết lập quy trình tái huấn luyện định kỳ 3 tháng/lần trên dữ liệu mới thu thập, duy trì mAP@0.5 trên 0,60 với ngân sách điện năng và băng thông kiểm soát được.