42 học, tôi sẽ đưa một số dữ liệu liên quan đến sinh viên vào trainning, sau đó nhập điểm chuyên cần và để hệ thống sẽ tính điểm chuyên cần tự động. Các dữ liệu cần nhập bằng tay là điểm lên bảng làm bài và điểm cuối kỳ.
Số lượng sinh viên đưa dữ liệu vào: 10 sinh viên
Các thông số liên quan khác gồm điểm cuối kỳ và điểm giữa kỳ được nhập như bảng.
Sau khi nhận dạng 24 lần và qua quá trình tính toán, đánh giá điểm quá trình ta được kết quả điểm kết thúc học phần cuối cùng như bảng bên dưới.
Họ Tên Sinh viên Điểm cuối kỳ Sinh viên Điểm thi giữa kì Số ngày đi học (Nhận dạng) Số ngày bỏ tiết Điểm tổng kết môn học Kết quả nhận dạng đúng Nam 8.0 6.5 19/24 1 7.25 100% Duy 6.6 7.0 20/24 0 6.42 Trang 7.5 4.0 22/24 0 6.15 Tuấn 8.0 7.5 24/24 2 7.55 Huyền 7.0 8.5 20/24 0 7.75 Hải 9.5 8.0 22/24 1 8.75 Thanh 8.5 5.5 24/24 1 7.6 Trọng 7.5 6.0 19/24 0 6.75 Mạnh 6.5 9.0 24/24 2 6.95 Đức 6.0 10.0 23/24 1 6.9
Hình 4.5: Đầu vào và kết quả đánh giá
Hình 4.6: Đồ thị điểm danh theo tháng
KẾT LUẬN
Hoàn thành tốt nghiệp chuyên ngành thạc sĩ cơ điện tử em đã đúc rút được rất nhiều kinh nghiệm.
Kiến thức về Deep learning ứng dụng vào ứng dụng cụ thể.
Cách kết hợp giữa phần cứng và phần mềm để xây dựng một hệ thống hoàn thiện ứng dụng thực tế.
Phương pháp phân tích và xử lý vấn đề triệt để.
Tuy nhiên, do trình độ và điều kiện đo kiểm thực tế còn hạn chế nên trong quá trình thực hiện luận văn này em không thể tránh khỏi những sai sót. Em mong được sự hướng dẫn, chỉ bảo của các thầy cô, sự góp ý quý báu của hội đồng để giúp em có thể củng cố và hoàn thiện những kiến thức của mình. Em xin bày tỏ lòng biết ơn sâu sắc tới TS. Đặng Thái Việt đã tận tình hướng dẫn, giúp đỡ chúng em trong suốt quá trình làm đồ án này. Đồng thời cảm ơn các thầy, các cô trong bộ môn Cơ Điện Tử trường Đại Học Bách Khoa Hà
44 Nội đã hỗ trợ giúp em hoàn thành luận văn này.
PHỤ LỤC
TÀI LIỆU THAM KHẢO
[1] “Finger based attendance management system”, L.S.Ezema.
[2]“Fingerprint-Based Attendance Management System”, Akinduyite C.O, Adetunmbi A.O, Olabode O.O, Ibidunmoye
[3] “An RFID attendance and monitoring system for university applications”, A.Kassem
[4]PGS.TS.Nguyễn Bốn, Nhiệt Kỹ Thuật, nhà xuất bản Hà Nội,2003. [5]“Fingerprint Identification Module User Manual”,User Manual [6]https://www.minhha.com
[7]https://en.wikipedia.org
[8]“Global Haar-like Features:A New Extension of Classic Haar Features forEfficient Face Detection in Noisy Images”, Mahdi Rezaei
[9]https://www.datacamp.com/community/tutorials/adaboost-classifier-python [10] “FaceNet”, Florian Schroff, Dmitry Kalenichenko, James Philbin.