THIẾT BỊ HỖ TRỢ GIAO TIẾP DÀNH CHO NGƯỜI KHIẾM THỊ, KHIẾM THÍNH (SpeakEase Vision Aid)

Cuộc thi Khoa học Kỹ thuật cấp Quốc gia dành cho Học sinh Trung học (ViSEF)
Lĩnh vực dự thi: Robot và máy thông minh (Robotics and Intelligent Machines)
Năm học: 2023 - 2024
Tệp báo cáo gốc: Báo cáo KHKT.docx

Phiên bản mạch hoàn thiện của thiết bị Hình ảnh: Phiên bản PCB hoàn thiện của thiết bị găng tay thông minh hỗ trợ giao tiếp

LỜI CẢM ƠN

Trước hết, chúng em xin gửi lời cảm ơn chân thành đến gia đình vì đã luôn ủng hộ, động viên tinh thần giúp em hoàn thành tốt dự án của mình.

Em xin chân thành cảm ơn Ban giám hiệu, cô giáo chủ nhiệm, thầy cô giáo bộ môn, tập thể lớp và đặc biệt là giáo viên hướng dẫn đã luôn giúp đỡ, tạo điều kiện thuận lợi và động viên chúng em trong suốt quá trình thực hiện dự án và tham gia cuộc thi.

Cảm ơn Sở Giáo Dục và Đào Tạo đã tạo ra một sân chơi thú vị và bổ ích thông qua cuộc thi sáng tạo Khoa học – Kỹ thuật dành cho học sinh trung học đã tạo điều kiện để chúng em có thể biến những ý tưởng khoa học thành những sản phẩm hữu ích có thể áp dụng vào cuộc sống.

Dự án nghiên cứu này là thành quả thể hiện cho kết quả học tập, nghiên cứu và sự nỗ lực không ngừng của chúng em trong suốt thời gian qua, cũng chính là thành quả của tất cả mọi người đã giúp đỡ em. Chúng em sẽ cố gắng hoàn thiện sản phẩm hơn nữa để có thể áp dụng rộng rãi mô hình này vào thực tế.

Phần I. GIỚI THIỆU

1. Đặt vấn đề

1.1. Vấn đề thực tiễn

Những người khuyết tật về thị giác, thính giác và mất khả năng nói thường gặp rất nhiều khó khăn trong việc giao tiếp, khó có thể truyền đạt ý kiến và thông tin một cách hiệu quả. Họ thường sử dụng ngôn ngữ ký hiệu hoặc chữ viết để giao tiếp, tuy nhiên trong xã hội hiện nay không phải ai cũng hiểu hết được những gì mà họ muốn diễn đạt.

Đặc biệt, trong các tình huống như cuộc họp hay thảo luận nhóm, người gặp vấn đề về thị giác, thính giác và khả năng nói gặp rất nhiều trở ngại:

Sự khiếm khuyết về giác quan làm giảm khả năng tiếp nhận và phản hồi phi ngôn ngữ (cử chỉ, nét mặt, ánh mắt, ngôn ngữ hình thể).
Người khiếm thính không thể nghe được âm thanh từ người đối diện.
Người khiếm thị không thể nhìn thấy chữ viết thông thường hay hình ảnh biểu đạt.
Người mất khả năng phát âm không thể truyền đạt trực tiếp qua lời nói.

Chính rào cản này khiến họ dễ rơi vào cảm giác bị cô lập, gây ảnh hưởng tiêu cực đến đời sống tâm lý và sự hòa nhập cộng đồng. Do đó, việc ứng dụng công nghệ nhúng và trí tuệ nhân tạo để chế tạo một thiết bị hỗ trợ giao tiếp toàn diện là nhu cầu cấp thiết mang ý nghĩa nhân văn sâu sắc.

1.2. Hướng giải quyết

Bằng những hiểu biết và nghiên cứu đa ngành về Hệ thống nhúng (Embedded Systems), Machine Learning, Trí tuệ nhân tạo (AI), Hệ điều hành Linux và Phần mềm hệ thống, dự án "Thiết bị hỗ trợ giao tiếp dành cho người khiếm thị, khiếm thính" đã được nghiên cứu và chế tạo. Đây là giải pháp tích hợp 3 trong 1 giải quyết đồng thời bài toán tiếp nhận và chuyển đổi đa chiều giữa: Ngôn ngữ ký hiệu (Sign Language), Giọng nói (Speech) và Hình ảnh/Văn bản (Text/OCR).

1.3. Mục tiêu

Tạo ra một thiết bị trợ lý giao tiếp thông minh, nhỏ gọn, chi phí hợp lý với các tiêu chí:

Hỗ trợ tốt cả Tiếng Anh và Tiếng Việt;
Dễ sử dụng, phù hợp với thao tác của người khiếm thị và khiếm thính;
Có độ ổn định cao và khả năng ứng dụng rộng rãi vào đời sống thực tiễn.

2. Tổng quan

2.1. Các chức năng chính

Sản phẩm cung cấp 3 chức năng chuyển đổi cốt lõi:

1. Nhận dạng ngôn ngữ ký hiệu (Sign Language Recognition)

Thu thập tín hiệu cử chỉ thông qua hệ thống 10 cảm biến độ cong (Flex Sensors) và 2 cảm biến góc xoay (MPU6050) bố trí trên hai găng tay. Tín hiệu được truyền về vi điều khiển và mạch xử lý trung tâm để so khớp mẫu ký hiệu, sau đó chuyển đổi thành ký tự/văn bản hiển thị lên màn hình hoặc phát ra âm thanh.

Hình 1. Sơ đồ nguyên lý nhận dữ liệu từ dạng ngôn ngữ ký hiệu

2. Nhận dạng âm thanh (Speech-to-Text / ASR)

Âm thanh giọng nói của người đối diện được thu qua microphone, lọc nhiễu và nhận diện tự động thành dạng văn bản thông qua mô hình nhận dạng giọng nói ngoại tuyến (Offline ASR). Văn bản sau đó được hiển thị lên màn hình TFT hoặc chuyển đổi sang mã chữ nổi Braille cho người khiếm thị xúc giác.

Hình 2. Sơ đồ nguyên lý nhận dữ liệu từ dạng âm thanh

3. Nhận dạng hình ảnh (Optical Character Recognition - OCR)

Camera tích hợp trên thiết bị sẽ chụp văn bản sách báo, tài liệu. Hình ảnh trải qua các bước tiền xử lý nhằm khử bóng, khử nhiễu và làm phẳng dòng chữ, sau đó hệ thống OCR trích xuất ký tự và chuyển đổi thành giọng nói (Text-to-Speech) hoặc đưa ra module chữ nổi Braille.

Hình 3. Sơ đồ nguyên lý nhận dữ liệu từ dạng hình ảnh

2.2. Các bộ phận cấu thành

Phần cứng (Hardware)

Găng tay trái (Bộ xử lý trung tâm & thị giác):
Raspberry Pi 4 Model B: Máy vi tính nhúng đóng vai trò “bộ não” của hệ thống, chịu trách nhiệm xử lý các tác vụ nặng như xử lý ảnh OpenCV, nhận diện ký tự OCR, nhận diện giọng nói Vosk, phát âm Piper TTS và điều phối mạng nội bộ.
Picam Module V3: Camera độ phân giải cao thu hình ảnh tài liệu/văn bản.
MPU6050: Cảm biến đo góc nghiêng và gia tốc 6 trục của bàn tay.
MCP3008: IC chuyển đổi tín hiệu tương tự sang số (ADC 8 kênh 10-bit) để đọc giá trị từ các cảm biến độ cong.
Flex Sensors: 5 cảm biến uốn cong gắn dọc theo các ngón tay.

Raspberry Pi Model B
Hình 4. Raspberry Pi 4 Model B - "Trái tim" điều phối của toàn bộ hệ thống

Găng tay phải (Hiển thị & nhập liệu phụ):
ESP32 WROOM E: Vi điều khiển hiệu năng cao kết nối không dây WiFi/HTTP với Raspberry Pi.
ILI9341 TFT Display: Màn hình LCD màu hiển thị văn bản giao tiếp cho người đối diện hoặc người khiếm thính đọc.
MPU6050 & Flex Sensors: Cảm biến cử chỉ tay phải.
Module chữ nổi Braille cầm tay:
ESP8266 Wemos D1 Mini: Vi điều khiển nhận ký tự qua mạng không dây và điều khiển cơ cấu chấm nổi.
Mini Servo 270°: Cơ cấu truyền động nâng/hạ các điểm xúc giác tương ứng với bảng mã 6 chấm Braille.

Hình ảnh thực tế các bộ phận	Mô tả
	Module chữ nổi Braille: Thiết kế cầm tay với 6 điểm nổi cơ học, vi điều khiển ESP và pin sạc độc lập.
	Mô hình Prototype 1: Hai găng tay tích hợp cảm biến uốn ngón tay, màn hình TFT, module âm thanh và pin gắn trên mu bàn tay.
	Chi tiết mạch Prototype: Cảm biến Flex Sensors nối về mạch chuyển đổi tín hiệu ADC MCP3008, MPU6050 và các nút bấm chức năng.

Phần mềm (Software Stack)

SQLite: Hệ quản trị cơ sở dữ liệu nhúng nhỏ gọn, lưu trữ bảng ánh xạ tín hiệu cảm biến của ngôn ngữ ký hiệu.
Tesseract-OCR: Công cụ nhận diện ký tự quang học mã nguồn mở.
Vosk API: Bộ nhận dạng giọng nói tự động (Speech-to-Text) hoạt động hoàn toàn offline, tiết kiệm tài nguyên và bảo vệ quyền riêng tư.
OpenCV: Thư viện thị giác máy tính phục vụ chuỗi xử lý tiền kỳ ảnh (grayscale, binarization, deskew, shadow removal).
Piper TTS: Thư viện tổng hợp giọng nói chất lượng cao từ văn bản sang giọng đọc tự nhiên.
PyAudio: Giao tiếp âm thanh đa nền tảng PortAudio để ghi âm từ microphone.
Blender: Thiết kế mô hình 3D vỏ bọc công thái học cho các cụm thiết bị và module Braille.
Fritzing: Thiết kế và xuất sơ đồ mạch in PCB.
PlatformIO: Môi trường phát triển mã nhúng cho ESP32 và ESP8266.

2.3. Trình tự các bước hoàn thiện sản phẩm

Khảo sát & Nghiên cứu: Xác định các trở ngại giao tiếp thực tế của người khuyết tật giác quan;
Xác lập mục tiêu: Thiết lập các thông số kỹ thuật, tiêu chí phản hồi và ngôn ngữ;
Nghiên cứu hệ thống mã hóa: Tìm hiểu sâu về bảng chữ cái ngôn ngữ ký hiệu và quy chuẩn chữ nổi Braille Việt Nam;
Thiết kế phần cứng: Lên sơ đồ nguyên lý mạch điện PCB và dựng mô hình vỏ hộp 3D;
Gia công mạch & Lắp ráp: Làm mạch in, hàn linh kiện, gắn cảm biến độ cong và gia công cơ khí;
Lập trình hệ thống:
Thiết lập giao thức truyền thông không dây nội bộ (HTTP API);
Xây dựng cơ sở dữ liệu cảm biến cử chỉ;
Lập trình pipeline xử lý ảnh (OpenCV + Tesseract);
Xây dựng module nhận dạng giọng nói (Vosk) và tổng hợp giọng nói (Piper);
Tối ưu các thuật toán ngắt dòng và chuyển đổi bảng mã tiếng Việt.
Thử nghiệm & Đánh giá: Kiểm thử lặp lại nhiều lần trên từng chức năng riêng biệt và kiểm thử tích hợp toàn diện.

2.4. Sơ đồ nguyên lý hoạt động

Toàn bộ hệ thống giao tiếp theo mô hình phân tán cục bộ (Local Distributed System), trong đó Raspberry Pi 4 đóng vai trò máy chủ xử lý trung tâm, các thiết bị ngoại vi (găng tay phụ, module Braille) trao đổi thông tin không dây.

Sơ đồ nguyên lý hoạt động tổng thể
Hình: Sơ đồ luồng dữ liệu và tương tác giữa các khối chức năng trong hệ thống

Phần II. QUÁ TRÌNH THỰC HIỆN

1. Thiết kế sơ đồ mạch điện & mô hình 3D

Để đảm bảo tính gọn nhẹ khi đeo, các bo mạch được thiết kế tối ưu trên Fritzing và gia công mạch in PCB hai lớp:

Thiết kế PCB găng tay trái	Thiết kế PCB găng tay phải

Hình 5. Mạch PCB găng tay trái (Pi 4 + MCP3008 + Flex)	Hình 6. Mạch PCB găng tay phải (ESP32 + TFT + Flex)

Module hiển thị chữ nổi Braille được thiết kế trên Blender với cơ cấu gồm 6 chấm cơ học được điều khiển độc lập thông qua động cơ servo góc quay 270°, cho phép người dùng đặt ngón tay lên bề mặt để cảm nhận mặt chữ nổi tức thời:

Mẫu thiết kế 3D module hiển thị Braille
Hình 7. Bản vẽ thiết kế 3D cơ cấu module hiển thị chữ nổi Braille

2. Phần mềm & Thuật toán

2.1. Phương thức kết nối

Hệ thống triển khai kết nối mạng cục bộ thông qua giao thức HTTP/1.0 RESTful trên nền mạng không dây do Raspberry Pi phát Access Point:

Quá trình trao đổi thông tin tuân thủ chu trình Request – Response độc lập qua TCP socket.
Phương thức GET và POST được sử dụng để ESP32 và ESP8266 liên tục thăm dò trạng thái hoặc nhận lệnh cập nhật ký tự hiển thị.

Sơ đồ kết nối HTTP
Hình 8. Quy trình thiết lập và phản hồi HTTP giữa các nút thiết bị nhúng

2.2. Thiết lập và sử dụng cơ sở dữ liệu

Nhằm nhận dạng ngôn ngữ ký hiệu nhanh chóng và tiết kiệm tài nguyên RAM, nhóm lựa chọn SQLite:

Dữ liệu lưu trữ trong một tập tin duy nhất, không đòi hỏi cấu hình server phức tạp.
Bảng dữ liệu SL (Sign Language) lưu trữ 29 trường giá trị tương ứng với các khoảng ngưỡng (min - max) của 10 cảm biến uốn cong và góc nghiêng từ 2 cảm biến MPU6050.

Cú pháp truy vấn so khớp mẫu cử chỉ:

SELECT letter FROM SL 
WHERE {arg[0]} BETWEEN min_val0 AND max_val0 
  AND {arg[1]} BETWEEN min_val1 AND max_val1 
  AND {arg[2]} BETWEEN min_val2 AND max_val2 
  AND {arg[3]} BETWEEN min_val3 AND max_val3 
  AND {arg[4]} BETWEEN min_val4 AND max_val4 ...;

Khi người dùng tạo một tư thế tay, các giá trị ADC thu được sẽ lập tức được so khớp với khoảng giá trị tương ứng để định danh chữ cái cần truyền đạt.

2.3. Xử lý dữ liệu hình ảnh & âm thanh

Xử lý hình ảnh (Computer Vision & OCR)

Nhận diện tài liệu qua camera thông thường thường gặp các vấn đề: méo góc, bóng đổ, ánh sáng không đều và chữ bị nghiêng. Do đó, hình ảnh bắt buộc phải trải qua chuỗi 5 bước tiền xử lý bằng OpenCV trước khi đưa qua engine Tesseract:

Chuyển đổi sang ảnh xám (Grayscale): Giảm dung lượng và loại bỏ thông tin màu gây nhiễu;
Khử bóng đổ (Shadow Removal): Sử dụng các toán tử hình thái học (Morphological operations) để ước lượng nền và triệt tiêu bóng tối loang lổ;
Cân chỉnh góc nghiêng (Deskew): Tự động phát hiện góc xoay của dòng chữ và xoay thẳng ngang hàng;
Tăng cường độ tương phản (Adaptive Thresholding): Phân tách chữ viết rõ nét khỏi nền giấy;
Lọc nhiễu & viền (Denoise & Border removal): Làm sạch các chấm hạt li ti xung quanh văn bản.

Sơ đồ xử lý ảnh bằng OpenCV
Hình 9. Chuỗi pipeline xử lý tiền kỳ ảnh bằng OpenCV phục vụ OCR

Xử lý âm thanh (Speech Pipeline)

Quy trình nhận diện giọng nói được tối ưu chạy mượt mà ngay trên Raspberry Pi 4:

Thu âm đầu vào: Sử dụng thư viện PyAudio thiết lập thông số tiêu chuẩn:
channels = 1 (Mono)
rate = 44100 Hz
frames_per_buffer = 8192
Nhận diện giọng nói (ASR): Sử dụng mô hình Vosk nhận dạng trực tiếp offline không cần kết nối Internet, hỗ trợ cả mô hình âm học tiếng Anh và tiếng Việt.
Phát âm phản hồi (TTS): Khi cần chuyển văn bản sang tiếng nói, thư viện Piper sẽ tổng hợp âm thanh giọng đọc tự nhiên phát ra loa mini.

Quy trình ASR
Hình 10. Lưu đồ quá trình thu âm và nhận diện giọng nói tự động (ASR)

2.4. Thuật toán xử lý đặc thù

1. Thuật toán tự động ngắt dòng thông minh (Word-wrap) cho màn hình nhỏ

Màn hình LCD/TFT ILI9341 có kích thước giới hạn. Nếu ngắt dòng thông thường, các từ vựng sẽ bị cắt đôi giữa chừng gây khó đọc. Nhóm đã phát triển thuật toán tự động tính toán độ rộng ký tự, phát hiện khoảng trắng gần nhất trước khi chạm viền màn hình để xuống dòng một cách trọn vẹn từng từ.

Thuật toán word wrap
Hình 11. Kết quả văn bản được ngắt dòng nguyên từ trên màn hình hiển thị

2. Thuật toán phân giải ký tự tiếng Việt có dấu sang chuẩn Braille

Do bảng mã chữ nổi Braille sử dụng hệ thống ký tự ASCII tiêu chuẩn, việc xử lý chuỗi UTF-8 tiếng Việt (vốn sử dụng multi-byte) sẽ gây lỗi. Nhóm đã xây dựng hàm tách chữ và dấu thanh (sắc, huyền, hỏi, ngã, nặng) thành các thành phần ký tự độc lập, sau đó ánh xạ theo chuẩn chữ nổi Braille tiếng Việt để điều khiển các servo cơ học một cách chính xác.

Thuật toán tách dấu tiếng Việt
Hình 12. Quá trình chuẩn hóa chuỗi tiếng Việt có dấu sang mã điều khiển cơ cấu Braille

3. Thử nghiệm sản phẩm

Hệ thống đã trải qua các đợt kiểm thử thực tế trên cả 3 chức năng:

Thử nghiệm chức năng 1 (Ngôn ngữ ký hiệu):
Thử nghiệm thực hiện các cử chỉ bàn tay khác nhau. Mạch găng tay thu thập dữ liệu độ uốn của 10 ngón và góc nghiêng bàn tay, hiển thị chính xác chữ cái tương ứng lên màn hình điều khiển.

Thử nghiệm ngôn ngữ ký hiệu
Hình: Kiểm thử độ chính xác khi bắt cử chỉ bàn tay

Thử nghiệm chức năng 2 (Âm thanh - ASR & TTS):
Thử nghiệm nói các câu lệnh và đoạn hội thoại ngắn qua microphone. Hệ thống nhận dạng giọng nói offline chuyển đổi thành văn bản hiển thị gần như tức thì với độ trễ thấp.

Thử nghiệm âm thanh
Hình: Kiểm thử quá trình chuyển đổi giọng nói sang văn bản

Thử nghiệm chức năng 3 (Hình ảnh - OCR trích xuất văn bản):
Chụp ảnh trực tiếp một trang sách in thực tế. Sau khi ảnh đi qua bộ lọc OpenCV, Tesseract-OCR nhận diện và trả về chuỗi văn bản hoàn chỉnh:

Thử nghiệm OCR văn bản
Hình: Ảnh tài liệu sau khi tiền xử lý và đưa vào engine nhận dạng OCR

Văn bản thực tế trích xuất được:
"và phân tích cơ bản nội dung chính của cuốn sách này là phân tích kỹ thuật trước tiên hãy bắt đầu bằng việc lấp đầy những lỗ hổng kiến thức đầu tiên là phần giới thiệu đầy đủ về phân tích kỹ thuật tiếp đến là phần phân tích cơ bản và cuối cùng sẽ là phương pháp phân tích thứ ba sau đó cuốn sách sẽ giới thiệu một vài chỉ số có thể được sử dụng trong mọi loại hình phân tích nếu đã nghiên cứu lĩnh vực này một thời gian có lẽ bạn đã biết một vài khái niệm trên nhưng tôi tin rằng vẫn còn nhiều điều bạn cần học vì thế hãy kiên nhẫn đọc tiếp trong trường hợp bạn chưa phải một nhà giao dịch có trình độ trên trung bình cuốn sách này sẽ giúp bạn rất nhiều trên con đường của mình..."

Phần III. TỔNG KẾT

1. Kết quả đạt được

Hệ thống được đối chiếu trực tiếp với các tiêu chí thiết kế ban đầu:

Tiêu chí đề ra	Kết quả đạt được qua thực nghiệm
Hỗ trợ tốt 2 ngôn ngữ Anh và Việt	• Tiếng Anh: - Chức năng 1 (Ký hiệu): 99% - Chức năng 2 (Âm thanh): 99% - Chức năng 3 (Hình ảnh): 99% • Tiếng Việt: - Chức năng 1 (Ký hiệu): 99% - Chức năng 2 (Âm thanh): 60% (chịu ảnh hưởng bởi âm điệu và tiếng ồn môi trường) - Chức năng 3 (Hình ảnh): 80% (phụ thuộc chất lượng phông chữ tiếng Việt)
Dễ sử dụng cho mọi đối tượng	Thao tác điều khiển trực quan bằng nút bấm bấm vật lý và cử chỉ tự nhiên, người khuyết tật chỉ cần làm quen ngắn là có thể làm chủ thiết bị.
Khả năng ứng dụng rộng rãi	Thiết kế dạng găng tay gọn gàng, hoạt động độc lập không phụ thuộc Internet, giá thành sản xuất thấp hơn rất nhiều so với các thiết bị chuyên dụng nhập ngoại.

2. Hạn chế

Độ chính xác tiếng Việt: Khả năng nhận dạng ký tự tiếng Việt trong ảnh chụp và nhận dạng giọng nói tiếng Việt chưa đạt mức tối ưu (do các dấu thanh tiếng Việt dễ bị nhầm lẫn khi camera bị mờ hoặc microphone dính tạp âm).
Tốc độ xử lý: Khối lượng tính toán của các mô hình AI/OCR trên Raspberry Pi 4 đôi khi gây độ trễ từ 1 - 2 giây ở các trang tài liệu dài.

3. Hướng phát triển

Mở rộng ngôn ngữ: Tối ưu hóa mô hình ngôn ngữ tiếng Việt nhẹ hơn (Quantized models) và mở rộng thêm các ngôn ngữ phổ biến khác;
Cải tiến công thái học (Ergonomics): Tích hợp cảm biến màng dẻo siêu nhẹ vào vải may găng tay để tăng độ linh hoạt khi đeo trong thời gian dài;
Tối ưu phần cứng: Nâng cấp chip xử lý AI chuyên dụng (NPU) hoặc tối ưu hóa thuật toán C++ để đạt tốc độ xử lý thời gian thực (Real-time).

Phần IV. TÀI LIỆU THAM KHẢO

Nền tảng / Tài liệu	Nội dung tham khảo
U8g2_for_Adafruit_GFX (GitHub)	Thư viện đồ họa hỗ trợ hiển thị font Unicode tiếng Việt mượt mà trên màn hình TFT ILI9341.
OCR Python Textbook (Dr. W.J.B. Mattingly)	Tài liệu chuyên sâu về kiến trúc và phương pháp xây dựng pipeline quét văn bản OCR trong Python.
Tesseract OCR (Google / GitHub)	Thư viện mã nguồn mở nhận dạng ký tự quang học đa ngôn ngữ.
StackOverflow Community	Giải pháp lọc bóng đổ (Shadow removal) và cân bằng sáng thích nghi cho ảnh tài liệu.
Deskew (GitHub)	Công cụ tự động phát hiện và xoay thẳng góc nghiêng của tài liệu.
Vosk API (Alpha Cephei)	Bộ công cụ nhận dạng giọng nói Offline hiệu năng cao hỗ trợ nhiều hệ điều hành và vi xử lý ARM.
Raspberry Pi Picamera2 Docs	Tài liệu chính thức về điều khiển camera phần cứng trên Raspberry Pi qua Python.
Arduino Library Reference	Danh mục thư viện lập trình nhúng cho ESP32 và ESP8266.
Wikipedia	Quy chuẩn hệ thống chữ nổi Braille tiếng Việt tiêu chuẩn quốc gia.